CN103063909A - 一种基于功率谱的线性调频信号参数估值方法 - Google Patents
一种基于功率谱的线性调频信号参数估值方法 Download PDFInfo
- Publication number
- CN103063909A CN103063909A CN2012105606930A CN201210560693A CN103063909A CN 103063909 A CN103063909 A CN 103063909A CN 2012105606930 A CN2012105606930 A CN 2012105606930A CN 201210560693 A CN201210560693 A CN 201210560693A CN 103063909 A CN103063909 A CN 103063909A
- Authority
- CN
- China
- Prior art keywords
- frequency
- linear
- power spectrum
- signal
- rising edge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于功率谱的线性调频信号参数估值方法,该方法包括:检测待估值的线性调频信号功率谱P(x);提取所述线性调频信号功率谱P(x)的形状特征CO(P(x));计算所述形状特征上升沿的斜率β,并根据调频斜率k和所述上升沿斜率β的关系计算所述线性调频信号的调频斜率k;根据所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf和所述调频斜率k的关系计算所述频率差Δf;计算所述线性调频信号的起始频率fs和终止频率fe,并计算带宽B;根据脉宽τ和所述带宽B的关系,计算所述脉宽τ。本发明克服现有技术中低信噪比环境下线性调频信号估值结果受噪声影响大而且计算量大的缺陷,实现未知先验信息条件下的线性调频信号参数的估值。
Description
技术领域
本发明涉及一种基于功率谱形态学运算的线性调频信号参数估值方法。
背景技术
线性调频信号是一种脉冲压缩信号,具有大时宽带宽积特性,抗干扰性能良好,是目前最常用的脉冲压缩信号。在雷达系统中,线性调频信号参数的准确估值是获取雷达的用途、掌握相关信息的前提条件。
线性调频信号是指持续时间内频率随时间连续线性变化的信号,线性调频信号的时域表达式为:
其中:fs为起始频率,B为带宽,τ为脉宽,k为调频斜率,B=kτ。线性调频脉冲信号的频率在脉冲持续时间内呈线性变化。
线性调频信号功率谱可所示为:
其中:
线性调频信号功率谱特点如下:
①功率谱关于中心频率对称;
②频带覆盖范围较宽,具有大的时宽带宽积特性;
③时宽带宽积越大,线性调频信号越接近矩形。
由于线性调频信号是一种非平稳信号,在短时间内的初始频率和终止频率差距很大,所以它的参数估计问题较一般的信号复杂,因此成为研究的难点。线性调频信号常用的参数如下所示:
①起始频率fs、终止频率fe;
②带宽B,其中B=|fs-fe;
③脉宽τ,也就是时宽;
④调频斜率k。
现有的线性调频信号参数估值方法大都基于时域的信号分析,常用的参数估计方法有最大似然估计、Radon-Wigner变换(RWT)、Radon-Ambiguity变换法(RAT)和分数阶傅里叶变换(FRFT)等。2010年9月15日公开的专利CN101833035A中提出了一种线性调频信号参数估计方法及其实施装置,该方法利用能量重心插值估计和Radon模糊变换来获得调频斜率的估计。2011年,罗蓬等人发表在《系统与电子工程》的文献“高精度LFM信号参数估计的谱校正法”。2011年,宋军发表在《系统与电子工程》的文献“LFM信号参数估计的插值FRFT方法”。2012年6月20日公开的专利CN102508206A中提出了一种基于小波包去噪和功率谱熵的线性调频信号参数估计方法,利用该方法可获得调频信号的调频斜率。基于时频分析的线性调频信号参数估计的计算量很大,无法解决估计精度与运算量之间的矛盾,而基于小波包去噪和功率谱熵的线性调频信号参数估计方法需要计算接收信号的信噪比,增加了参数估计的复杂度。
发明内容
本发明目的在于:实现未知先验信息条件下的线性调频信号参数的估值,克服现有技术中低信噪比环境下线性调频信号估值结果受噪声影响大而且计算量大的缺陷。
本发明的技术方案是:本发明提供了一种基于功率谱的线性调频信号参数估值方法,其特征在于,该方法包括:
步骤1、检测待估值的线性调频信号功率谱P(x);
步骤2、提取所述线性调频信号功率谱P(x)的形状特征CO(P(x));
其中,通过以下过程获得所述形状特征:
a、选取x轴上的扁平结构元素g1,长度为L1,结构元素定义域
b、首先对P(x)进行形态学膨胀运算得到P1(x),表达式如下所示:
其含义为以x点为中心,宽度等于扁平结构元素长度L1的区域内P(x)幅值的最大值;
再对P1(x)进行形态学腐蚀运算得到P2(x),表达式如下所示:
P2(x)=(P1Θg1)(x)=min{P1(z):z∈D[g1]}
其含义为以x点为中心,宽度等于扁平结构元素长度L1的区域内P1(x)幅值的最小值;
最后对P2(x)重复进行一次腐蚀运算和一次膨胀运算,表达式如下所示:
步骤3、计算所述形状特征上升沿的斜率β,并根据调频斜率k和所述上升沿斜率β的关系计算所述线性调频信号的调频斜率k,其具体包括:
a、设定线性调频信号调频斜率k变化区间为[50,2000],步长为50;
b、计算不同k值对应的所述线性调频信号功率谱形状特征,搜索所述线性调频信号功率谱形状特征上升沿峰值对应的频率f1和半峰值对应的频率f0.5,根据定义计算出每个所述线性调频信号功率谱形状特征对应的上升沿的斜率β,则获得一一对应的k-β数据点;
c、选择指数函数k(β)=a(βb)+c对所述k-β数据点进行数据拟合;
d、求得系数为:a=1.4176,b=-1.959,c=15.4941;得到调频斜率k与上升沿斜率β的关系如下式:
k(β)=1.4176(β-1.959)+15.4941
根据调频斜率k和所述上升沿斜率β的关系计算所述线性调频信号的调频斜率k。
步骤4、根据所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf和所述调频斜率k的关系计算所述频率差Δf,其具体包括:
a、设定线性调频信号调频斜率变化区间为[50,2000],步长为50;
b、计算不同k值对应的线性调频信号功率谱形状特征和每个所述线性调频信号功率谱形状特征对应的上升沿频率差Δf,则获得一一对应的Δf-k数据点;
c、选择指数函数Δf(k)=a(kb)+c对所述Δf-k数据点进行数据拟合;
d、求得系数为:a=1.007,b=0.4803,c=-1.0466;得到调频斜率k与频率差Δf的关系如下式:
Δf(k)=1.007(k0.4803)-1.0466
根据所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf和调频斜率k的关系计算所述频率差Δf;
步骤5、计算所述线性调频信号的起始频率fs和终止频率fe,并计算带宽B,其具体包括:
a、搜索所述形状特征上升沿和下降沿的峰值处频率f1和f1′;
b、根据所述起始频率fs和频率差Δf的关系Δf=f1-fs计算起始频率:
fs=f1-Δf
c、根据所述终止频率fe和频率差Δf的关系Δf=fe-f1′计算终止频率:
fe=f1′+Δf
d、根据公式B=|fe-fs|,则所述线性调频信号的带宽:
B=fe-fs;
步骤6、根据脉宽τ和所述带宽B的关系,计算所述脉宽τ。
其中,在步骤6中:
利用公式B=kτ确定所述线性调频信号的脉宽:
本发明的有益效果是:本发明公开了一种基于功率谱的线性调频信号参数估值方法,该方法包括:检测待估值的线性调频信号功率谱P(x);提取所述线性调频信号功率谱P(x)的形状特征CO(P(x));计算所述形状特征上升沿的斜率β,并根据调频斜率k和所述上升沿斜率β的关系计算所述线性调频信号的调频斜率k;根据所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf和所述调频斜率k的关系计算所述频率差Δf;计算所述线性调频信号的起始频率fs和终止频率fe,并计算带宽B;根据脉宽τ和所述带宽B的关系,计算所述脉宽τ。本发明方法的计算量主要为一次FFT变换的复数乘法量,克服了目前常用的时频分析方法计算量大的缺陷,在低信噪比环境下,实现未知先验信息条件的线性调频信号参数的准确估值。
附图说明
图1本发明公开的一种基于功率谱的线性调频信号参数估值方法流程图。
图2本发明公开的确定线性调频信号调频斜率k和形状特征上升沿斜率β关系流程图。
图3线性调频信号调频斜率k与形状特征上升沿斜率β的数据点和关系曲线。
图4不同调频斜率k下的线性调频信号功率谱形状特征。
其中,111为k=100MHz/μs时的功率谱形状特征;112为k=200MHz/μs时的功率谱形状特征;113为k=1000MHz/μs时的功率谱形状特征;121为功率谱的起始频率fs;122为功率谱形状特征上升沿峰值对应的频率f1;123为功率谱形状特征上升沿半峰值对应的频率f0.5;124为所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf;125为所述功率谱形状特征上升沿的斜率β。
图5脉宽τ=1,10,100μs下的线性调频信号功率谱形状特征。
其中,221为功率谱的起始频率fs;222为功率谱形状特征上升沿峰值对应的频率f1;223为功率谱形状特征上升沿半峰值对应的频率f0.5;224为所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf;225为所述功率谱形状特征上升沿的斜率β。
图6本发明公开的确定功率谱形状特征上升沿的频率差Δf与调频斜率k的关系流程图。
图7功率谱形状特征上升沿的频率差Δf与调频斜率k的数据点和关系曲线。
图8本发明公开的计算线性调频信号功率谱形状特征所使用的扁平结构元素长度L1选取图。
其中,*表示L1=5时的含噪声线性调频信号功率谱形状特征CO(P1)与零噪声线性调频信号功率谱P0的相似度,○表示L1=11时的所述CO(P1)与所述P0的相似度,△表示L1=15时的所述CO(P1)与所述P0的相似度。
图9本发明公开的线性调频信号功率谱及其形状特征。
其中,图(上)表示理想情况下线性调频信号功率谱,图(中)表示信噪比为0dB时线性调频信号功率谱,图(下)表示0dB时线性调频信号功率谱形状特征。
图10本发明公开的含噪声线性调频信号功率谱P1和含噪声线性调频信号功率谱形状特征CO(P1)分别与零噪声线性调频信号功率谱P0的相似度分布图。
其中,○表示含噪声线性调频信号功率谱P1与零噪声线性调频信号功率谱P0的相似度分布,+表示含噪声线性调频信号功率谱形状特征CO(P1)与零噪声线性调频信号功率谱P0的相似度分布。
图11本发明实施例中调频斜率估计方法的均方根误差图。
其中,*代表脉宽τ=1μs时,○代表脉宽τ=100μs时。
图12本发明实施例中起始频率估计方法的均方根误差图。
其中,*代表脉宽τ=1μs时,○代表脉宽τ=100μs时。
图13本发明实施例中带宽估计方法的均方根误差图。
其中,*代表脉宽τ=1μs时,○代表脉宽τ=100μs时。
图14本发明实施例中脉宽估计方法的均方根误差图。
其中,*代表脉宽τ=1μs时,○代表脉宽τ=100μs时。
具体实施方式
以下将参照图1-14对本发明的实施方式进行说明。
如图1所示,本发明实施例进行基于功率谱的线性调频信号参数估值方法包括下列步骤:
步骤1、检测待估值的线性调频信号功率谱P(x);
步骤2、提取所述线性调频信号功率谱P(x)的形状特征CO(P(x));
其中,步骤2中,通过以下过程获得所述形状特征:
a、选取x轴上的扁平结构元素g1,长度为L1,结构元素定义域
b、首先对P(x)进行形态学膨胀运算得到P1(x),表达式如下所示:
其含义为以x点为中心,宽度等于扁平结构元素长度L1的区域内P(x)幅值的最大值;
再对P1(x)进行形态学腐蚀运算得到P2(x),表达式如下所示:
P2(x)=(P1Θg1)(x)=min{P1(z):z∈D[g1]}
其含义为以x点为中心,宽度等于扁平结构元素长度L1的区域内P1(x)幅值的最小值;
最后对P2(x)重复进行一次腐蚀运算和一次膨胀运算,表达式如下所示:
完成所述功率谱进行形态学闭-开运算。
需要说明的是,扁平结构元素长度L1选取的原则如下:
扁平结构元素长度L1的选取仅与采样点数有关,与信号参数无关,而扁平结构元素长度的选取会影响最终得到的功率谱形状特征与噪声为零时功率谱间的相似度以及计算量,因此扁平结构元素长度选取原则是保证较高相似度的前提下选取较短的扁平结构元素长度。
需要说明的是,功率谱形状特征与噪声为零时功率谱间相似度的定义如下:
设定含噪声功率谱形状特征序列为{CO(P1n)},噪声为零时功率谱序列为{P0n},其中n=1,2…N,和分别是序列{CO(P1n)}和{P0n}的平均值,定义含噪声功率谱形状特征和噪声为零时功率谱的相似度r为:
步骤3、计算所述形状特征上升沿的斜率β,并根据调频斜率k和所述上升沿斜率β的关系计算所述线性调频信号的调频斜率k;
其中,如图2所示,步骤3中,所述形状特征CO(P(x))上升沿的斜率β和调频斜率k的关系的方法包括下列步骤:
a、设定线性调频信号调频斜率k变化区间为[50,2000],步长为50;
b、计算不同k值对应的所述线性调频信号功率谱形状特征,搜索所述线性调频信号功率谱形状特征上升沿峰值对应的频率f1和半峰值对应的频率f0.5,根据定义计算出每个所述线性调频信号功率谱形状特征对应的上升沿的斜率β,则获得一一对应的k-β数据点;
c、选择指数函数k(β)=a(βb)+c对所述k-β数据点进行数据拟合,拟合数据点和拟合曲线如图3所示;
d、求得系数为:a=1.4176,b=-1.959,c=15.4941;得到调频斜率k与上升沿斜率β的关系如下式:
k(β)=1.4176(β-1.959)+15.4941
根据调频斜率k和所述上升沿斜率β的关系计算所述线性调频信号的调频斜率k。
需要说明的是:
本发明选择指数函数k(β)=a(βb)+c对所述k-β数据点进行数据拟合,拟合度为99%。
需要说明的是:
如图4和图5所示,当脉宽τ在[1,100]us的范围内变化时,所述线性调频信号功率谱形状特征的上升沿几乎重合,因此可近似认为所述上升沿斜率β不随所述脉宽τ的变化而变化;而所述上升沿斜率β会随着所述调频斜率k的变化而变化,所以本发明近似认为上升沿斜率β的大小仅与调频斜率k有关,与其他参数无关。
步骤4、根据所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf和所述调频斜率k的关系计算所述频率差Δf;
其中,如图6所示,步骤4中,计算所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf与和所述线性调频信号调频斜率k的关系的方法包括如下步骤:
a、设定线性调频信号调频斜率变化区间为[50,2000],步长为50;
b、计算不同k值对应的线性调频信号功率谱形状特征和每个所述线性调频信号功率谱形状特征对应的上升沿频率差Δf,则获得一一对应的Δf-k数据点;
c、选择指数函数Δf(k)=a(kb)+c对所述Δf-k数据点进行数据拟合,拟合数据点和拟合曲线如图7所示;
d、求得系数为:a=1.007,b=0.4803,c=-1.0466;得到调频斜率k与频率差Δf的关系如下式:
Δf(k)=1.007(k0.4803)-1.0466
根据所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf和所述调频斜率k的关系计算所述频率差Δf。
需要说明的是:
本发明选择指数函数Δf(k)=a(kb)+c对所述Δf-k数据点进行数据拟合,拟合度为99%。
需要说明的是:
如图4和图5所示,当脉宽τ在[1,100]us的范围内变化时,所述线性调频信号功率谱形状特征的上升沿几乎重合,因此可近似认为所述频率差Δf不随所述脉宽τ的变化而变化;而所述频率差Δf会随着所述调频斜率k的变化而变化,所以本发明近似认为频率差Δf的大小仅与调频斜率k有关,与其他参数无关。
步骤5、计算所述线性调频信号的起始频率fs和终止频率fe,并计算带宽B;
其中,步骤5中,计算所述起始频率fs、终止频率fe和带宽B的具体方法包括以下步骤:
a、搜索所述形状特征上升沿和下降沿的峰值处频率f1和f1′;
b、根据所述起始频率fs和频率差Δf的关系Δf=f1-fs计算起始频率:
fs=f1-Δf
c、根据所述终止频率fe和频率差Δf的关系Δf=fe-f1′计算终止频率:
fe=f1′+Δf
d、根据公式B=|fe-fs|,则所述线性调频信号的带宽:
B=fe-fs
步骤6、根据脉宽τ和所述带宽B的关系,计算所述脉宽τ。
其中,步骤6中,计算所述脉宽τ的具体方法如下:
利用公式B=kτ确定所述线性调频信号的脉宽:
本发明以线性调频信号为实施例对本发明进行详细说明;本发明具体实施例用缩写LFM表示线性调频信号,用缩写SNR表示信噪比。仿真参数设置:脉宽τ=1μs,起始频率为500MHz,调频斜率k=200MHz/μs。
本发明实施例可以应用到军用电子对抗以及民用频谱监督领域,在低信噪比环境下准确地估计出信号参数,可以反映雷达的功能和用途,提高声纳跟踪系统的定位精度与改善跟踪效果具有重要意义。
一、检测待估值的LFM信号功率谱P(x);
二、提取所述线性调频信号功率谱P(x)的形状特征CO(P(x));
选取合适的扁平结构元素长度L1,对所述线性调频信号功率谱进行形态学的闭-开运算并进行幅值归一化,得到所述线性调频信号功率谱形状特征CO(P(x))。
1、扁平结构元素g1长度L1的选取
设定扁平结构元素长度L1=[5,11,15],分别计算L1=[5,11,15]时所述含噪声LFM信号功率谱形状特征CO(P1)与噪声为零时功率谱P0的相似度的分布,如图8所示,当信噪比SNR>0时,在L1取不同值情况下相似度差异很小;当信噪比SNR<0时,在L1取不同值情况下相似度有明显差异,但随L1值增大差异减小。因此,按照选取原则选取L1,则确定L1=11。
2、计算LFM信号功率谱形状特征
利用形态学的闭-开运算计算所述LFM信号功率谱形状特征,信号功率谱及功率谱形状特征如图9所示,图9(上)为噪声为零时信号功率谱,图9中为信噪比SNR=0dB时的信号功率谱,图9(下)为图9(中)的形状特征。由图9可知,信噪比SNR=0dB时LFM信号功率谱形状特征与噪声为零时信号功率谱的形状基本不变。因此,本发明专利将LFM信号功率谱形状特征近似为信号功率谱进行参数估计。
3、所述功率谱形状特征的抗噪性能分析
在信号参数不变的情况下,信噪比变化范围为-10dB~10dB时,利用所述相似度公式分别计算含噪声LFM信号功率谱P1与噪声为零时功率谱P0的相似度,以及含噪声LFM信号功率谱形状特征CO(P1)与噪声为零时功率谱P0的相似度,分布如图10所示。在整个信噪比变化范围内,CO(P1)与P0间的相似度均大于P1与P0间的相似度,且随着信噪比的降低相似度的差异增大。当信噪比SNR=0dB时,P1与P0间的相似度为0.9273,CO(P1)与P0间的相似度为0.9843,相似度提高了6.15%;当信噪比SNR=-10dB时,P1与P0间的相似度为0.379,CO(P1)与P0间的相似度为0.7177,相似度提高了89.37%,证明在低信噪比情况下LFM信号功率谱形状特征的抗噪性能更好。
三、计算所述LFM信号的调频斜率k
根据拟合公式k(β)=1.4176(β-1.959)+15.4941计算调频斜率k,在SNR为[-5dB,15dB]时进行100次Monte Carlo实验,由图11可知,计算得到的调频斜率的估计误差不受脉宽τ变化的影响,而且在SNR=-5dB时调频斜率估计误差均小于k=1.2MHz/μs。
四、根据拟合公式Δf(k)=1.007(k0.4803)-1.0466计算所述形状特征上升沿的频率差Δf
五、计算起始频率fs、终止频率fe和带宽B
对SNR在区间为[-5dB,15dB]时的LFM信号进行100次Monte Carlo试验,计算所述LFM信号起始频率和带宽的均方根误差(RMSE),结果如图12和图13所示。
由图12可知,本发明方法在SNR为[-5dB,15dB]时的起始频率的估计误差不受脉宽τ变化的影响,而且在SNR=-5dB时起始频率估计误差均小于3.1MHz。
由图13可知,本发明方法在SNR为[-5dB,15dB]时的带宽的估计误差不受脉宽τ变化的影响,而且在SNR=-5dB时带宽估计误差均小于2.3MHz。
六、计算所述LFM信号的脉宽τ
对SNR在区间为[-5dB,15dB]时的LFM信号进行100次Monte Carlo试验,计算脉宽估计的均方根误差(RMSE),结果如图14所示;
由图14可知,本发明方法在SNR为[-5dB,15dB]时的脉宽的估计误差不受脉宽τ变化的影响,而且在SNR=-5dB时脉宽估计误差均小于0.025us。
Claims (2)
1.一种基于功率谱的线性调频信号参数估值方法,其特征在于,该方法包括:
步骤1、检测待估值的线性调频信号功率谱P(x);
步骤2、提取所述线性调频信号功率谱P(x)的形状特征CO(P(x));
其中,通过以下过程获得所述形状特征:
a、选取x轴上的扁平结构元素g1,长度为L1,结构元素定义域
b、首先对P(x)进行形态学膨胀运算得到P1(x),表达式如下所示:
其含义为以x点为中心,宽度等于扁平结构元素长度L1的区域内P(x)幅值的最大值;
再对P1(x)进行形态学腐蚀运算得到P2(x),表达式如下所示:
P2(x)=(P1Θg1)(x)=min{P1(z):z∈D[g1]}
其含义为以x点为中心,宽度等于扁平结构元素长度L1的区域内P1(x)幅值的最小值;
最后对P2(x)重复进行一次腐蚀运算和一次膨胀运算,表达式如下所示:
步骤3、计算所述形状特征上升沿的斜率β,并根据调频斜率k和所述上升沿斜率β的关系计算所述线性调频信号的调频斜率k,其具体包括:
a、设定线性调频信号调频斜率k变化区间为[50,2000],步长为50;
b、计算不同k值对应的所述线性调频信号功率谱形状特征,搜索所述线性调频信号功率谱形状特征上升沿峰值对应的频率f1和半峰值对应的频率f0.5,根据定义计算出每个所述线性调频信号功率谱形状特征对应的上升沿的斜率β,则获得一一对应的k-β数据点;
c、选择指数函数k(β)=a(βb)+c对所述k-β数据点进行数据拟合;
d、求得系数为:a=1.4176,b=-1.959,c=15.4941;得到调频斜率k与上升沿斜率β的关系如下式:
k(β)=1.4176(β-1.959)+15.4941
根据调频斜率k和所述上升沿斜率β的关系计算所述线性调频信号的调频斜率k。
步骤4、根据所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf和所述调频斜率k的关系计算所述频率差Δf,其具体包括:
a、设定线性调频信号调频斜率变化区间为[50,2000],步长为50;
b、计算不同k值对应的线性调频信号功率谱形状特征和每个所述线性调频信号功率谱形状特征对应的上升沿频率差Δf,则获得一一对应的Δf-k数据点;
c、选择指数函数Δf(k)=a(kb)+c对所述Δf-k数据点进行数据拟合;
d、求得系数为:a=1.007,b=0.4803,c=-1.0466;得到调频斜率k与频率差Δf的关系如下式:
Δf(k)=1.007(k0.4803)-1.0466
根据所述形状特征上升沿的峰值频率f1与起始频率fs的频率差Δf和调频斜率k的关系计算所述频率差Δf;
步骤5、计算所述线性调频信号的起始频率fs和终止频率fe,并计算带宽B,其具体包括:
a、搜索所述形状特征上升沿和下降沿的峰值处频率f1和f1′;
b、根据所述起始频率fs和频率差Δf的关系Δf=f1-fs计算起始频率:
fs=f1-Δf
c、根据所述终止频率fe和频率差Δf的关系Δf=fe-f1′计算终止频率:
fe=f1′+Δf
d、根据公式B=|fe-fs|,则所述线性调频信号的带宽:
B=fe-fs;
步骤6、根据脉宽τ和所述带宽B的关系,计算所述脉宽τ。
2.如权利要求1所述的基于功率谱的线性调频信号参数估值方法,其特征在于,步骤6中:
利用公式B=kτ确定所述线性调频信号的脉宽:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210560693.0A CN103063909B (zh) | 2012-12-18 | 2012-12-18 | 一种基于功率谱的线性调频信号参数估值方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210560693.0A CN103063909B (zh) | 2012-12-18 | 2012-12-18 | 一种基于功率谱的线性调频信号参数估值方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103063909A true CN103063909A (zh) | 2013-04-24 |
CN103063909B CN103063909B (zh) | 2015-10-28 |
Family
ID=48106618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210560693.0A Expired - Fee Related CN103063909B (zh) | 2012-12-18 | 2012-12-18 | 一种基于功率谱的线性调频信号参数估值方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103063909B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103441975A (zh) * | 2013-08-30 | 2013-12-11 | 天津理工大学 | 一种基于功率谱的二相编码信号参数估值方法 |
CN103916339A (zh) * | 2014-01-19 | 2014-07-09 | 中国人民解放军后勤工程学院 | 梯度最速下降anf频率无偏估计方法 |
CN104502898B (zh) * | 2014-12-09 | 2017-08-11 | 中国民航大学 | 将修正rft和修正mdcft相结合的机动目标参数估计方法 |
CN108415013A (zh) * | 2018-02-12 | 2018-08-17 | 西安电子科技大学 | 基于调频斜率精搜索的低信噪比信号参数提取方法 |
CN111935038A (zh) * | 2020-08-03 | 2020-11-13 | 中国人民解放军国防科技大学 | 基于分数阶傅里叶变换的线性调频干扰消除方法 |
CN112798142A (zh) * | 2020-12-28 | 2021-05-14 | 哈尔滨工业大学 | 基于贝叶斯更新和随机模拟的布里渊光纤传感器应变与温度两阶段快速识别方法 |
CN113659341A (zh) * | 2021-08-12 | 2021-11-16 | 阳光学院 | 一种多相位频控阵波束扫描方法 |
CN113786202A (zh) * | 2021-08-17 | 2021-12-14 | 广东省科学院健康医学研究所 | 一种心电图特征起点和终点检测方法、系统、装置及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4864218A (en) * | 1988-11-09 | 1989-09-05 | Cascade Microtech, Inc. | Method of compensating for frequency errors in noise power meters |
CN101446605A (zh) * | 2008-12-01 | 2009-06-03 | 中国电力科学研究院 | 一种电力系统低频振荡监测方法 |
CN102707157A (zh) * | 2012-05-18 | 2012-10-03 | 天津理工大学 | 一种基于功率谱的单频脉冲信号参数估值方法 |
CN102749615A (zh) * | 2012-07-11 | 2012-10-24 | 天津理工大学 | 一种信号识别的方法 |
-
2012
- 2012-12-18 CN CN201210560693.0A patent/CN103063909B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4864218A (en) * | 1988-11-09 | 1989-09-05 | Cascade Microtech, Inc. | Method of compensating for frequency errors in noise power meters |
CN101446605A (zh) * | 2008-12-01 | 2009-06-03 | 中国电力科学研究院 | 一种电力系统低频振荡监测方法 |
CN102707157A (zh) * | 2012-05-18 | 2012-10-03 | 天津理工大学 | 一种基于功率谱的单频脉冲信号参数估值方法 |
CN102749615A (zh) * | 2012-07-11 | 2012-10-24 | 天津理工大学 | 一种信号识别的方法 |
Non-Patent Citations (3)
Title |
---|
ZHANG J,WANG H P: "A new approach of pitch detection based on morphology filter and wavelet transform", 《PROC. OF THE SECOND INTERNATIONAL WORKSHOP ON EDUCATION TECHNOLOGY AND COMPUTER SCIENCE》, 31 December 2010 (2010-12-31) * |
刘柳等: "基于能量分离算法的多分量线性调频信号频率估计", 《天津理工大学学报》, vol. 27, no. 2, 30 April 2011 (2011-04-30) * |
张佳明等: "非参数模型谱估计算法性能比较", 《天津理工大学学报》, vol. 25, no. 4, 31 August 2009 (2009-08-31) * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103441975B (zh) * | 2013-08-30 | 2016-12-28 | 天津理工大学 | 一种基于功率谱的二相编码信号参数估值方法 |
CN103441975A (zh) * | 2013-08-30 | 2013-12-11 | 天津理工大学 | 一种基于功率谱的二相编码信号参数估值方法 |
CN103916339A (zh) * | 2014-01-19 | 2014-07-09 | 中国人民解放军后勤工程学院 | 梯度最速下降anf频率无偏估计方法 |
CN104502898B (zh) * | 2014-12-09 | 2017-08-11 | 中国民航大学 | 将修正rft和修正mdcft相结合的机动目标参数估计方法 |
CN108415013B (zh) * | 2018-02-12 | 2022-05-03 | 西安电子科技大学 | 基于调频斜率精搜索的低信噪比信号参数提取方法 |
CN108415013A (zh) * | 2018-02-12 | 2018-08-17 | 西安电子科技大学 | 基于调频斜率精搜索的低信噪比信号参数提取方法 |
CN111935038A (zh) * | 2020-08-03 | 2020-11-13 | 中国人民解放军国防科技大学 | 基于分数阶傅里叶变换的线性调频干扰消除方法 |
CN111935038B (zh) * | 2020-08-03 | 2022-08-19 | 中国人民解放军国防科技大学 | 基于分数阶傅里叶变换的线性调频干扰消除方法 |
CN112798142A (zh) * | 2020-12-28 | 2021-05-14 | 哈尔滨工业大学 | 基于贝叶斯更新和随机模拟的布里渊光纤传感器应变与温度两阶段快速识别方法 |
CN112798142B (zh) * | 2020-12-28 | 2021-09-24 | 哈尔滨工业大学 | 基于贝叶斯更新和随机模拟的布里渊光纤传感器应变与温度两阶段快速识别方法 |
CN113659341A (zh) * | 2021-08-12 | 2021-11-16 | 阳光学院 | 一种多相位频控阵波束扫描方法 |
CN113659341B (zh) * | 2021-08-12 | 2024-05-28 | 阳光学院 | 一种多相位频控阵波束扫描方法 |
CN113786202A (zh) * | 2021-08-17 | 2021-12-14 | 广东省科学院健康医学研究所 | 一种心电图特征起点和终点检测方法、系统、装置及介质 |
CN113786202B (zh) * | 2021-08-17 | 2023-12-26 | 广东省科学院健康医学研究所 | 一种心电图特征起点和终点检测方法、系统、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103063909B (zh) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103063909B (zh) | 一种基于功率谱的线性调频信号参数估值方法 | |
CN103746722B (zh) | 一种跳频信号跳周期和起跳时间估计方法 | |
CN101701984B (zh) | 基于三项系数Nuttall窗插值FFT的基波与谐波检测方法 | |
CN110133598B (zh) | 基于FrFT的线性调频信号参数快速估计方法 | |
CN102999473A (zh) | 一种线性调频信号的检测与参数估计方法 | |
CN103308804A (zh) | 基于快速k-s变换电能质量扰动信号时频参数提取方法 | |
CN104901909B (zh) | 一种α非高斯噪声下chirp信号的参数估计方法 | |
CN102778674B (zh) | 非均匀采样的Chirp脉冲时延估计方法 | |
CN104062528A (zh) | 基于汉宁乘积窗的信号谐波分析方法及系统 | |
CN104714075B (zh) | 一种电网电压闪变包络参数提取方法 | |
CN104570107A (zh) | 一种基于改进匹配追踪算法的时频分析方法 | |
CN107085140A (zh) | 基于改进的SmartDFT算法的非平衡系统频率估计方法 | |
CN104237865A (zh) | 一种基于太赫兹雷达回波的人体目标微动信号时频分析方法 | |
CN107102255A (zh) | 单一adc采集通道动态特性测试方法 | |
CN101984360A (zh) | 基于frft的归一化泄露lms自适应动目标检测器 | |
CN103399204A (zh) | 一种基于Rife-Vincent(II)窗插值FFT的谐波与间谐波检测方法 | |
Park et al. | Modified Hilbert-Huang transform and its application to measured micro Doppler signatures from realistic jet engine models | |
CN102998528B (zh) | 动态正弦畸变信号中频率分量的提取方法及其实现装置 | |
CN103207390A (zh) | Frft域海杂波中目标的近似分形检测方法 | |
CN101718816B (zh) | 基于四项系数Nuttall窗插值FFT的基波与谐波检测方法 | |
CN109239680B (zh) | 一种低截获概率雷达lfm信号的参数估计方法 | |
CN100349007C (zh) | 消除地震记录信号中单频干扰的方法 | |
Jiang et al. | A combined denoising method of empirical mode decomposition and singular spectrum analysis applied to Jason altimeter waveforms: A case of the Caspian Sea | |
CN107248869B (zh) | 一种基于吕分布的多分量线性调频信号去噪方法 | |
Dao et al. | Adaptive modulation interval filtering algorithm based on empirical mode decomposition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151028 Termination date: 20201218 |