CN106772271A - 一种基于匹配自相关算法的雷达信号toa估计方法 - Google Patents
一种基于匹配自相关算法的雷达信号toa估计方法 Download PDFInfo
- Publication number
- CN106772271A CN106772271A CN201710034262.3A CN201710034262A CN106772271A CN 106772271 A CN106772271 A CN 106772271A CN 201710034262 A CN201710034262 A CN 201710034262A CN 106772271 A CN106772271 A CN 106772271A
- Authority
- CN
- China
- Prior art keywords
- signal
- radar
- radar signal
- auto
- matching
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于匹配自相关算法的雷达信号TOA估计方法,本发明涉及基于匹配自相关算法的雷达信号TOA估计方法。本发明的目的是为了解决现有雷达信号估计必须建立在信号参数已知的条件下的问题。具体过程为:一、确定雷达信号的自相关函数和双检测门限;通过双检测门限检测得出雷达信号起、止时间的粗估计;二、根据步骤一得出的雷达信号起、止时间的粗估计值对雷达信号未知的参数进行估计,得出发射的雷达信号模型;三、通过发射的雷达信号模型得出匹配滤波的响应;四、根据三得到的匹配滤波的响应对接收的雷达信号进行匹配滤波,得到匹配后的雷达信号,找到匹配后雷达信号的峰值点即为雷达信号TOA。本发明用于雷达信号领域。
Description
技术领域
本发明涉及基于匹配自相关算法的雷达信号TOA估计方法。
背景技术
经典的信号TOA估计算法是基于信号参数已知条件下的匹配滤波器,而传统的匹配滤波器是在信噪比最大准则下推导出的一种维纳滤波器,对于输入信号,与其匹配的最佳滤波器是与其共轭反向并有一定时间延迟的一个滤波器。对于不同类型的输入信号,只要知道信号参数,便可以设计出最佳的匹配滤波器。但是这样的信号TOA估计算法必须建立在信号参数已知的条件下,而对于信号参数部分已知的情况则不适用。因此在信号参数部分已知条件下,找出一种不完全依赖信号参数的方法,在低信噪比条件下估计信号的TOA显得尤为重要。
发明内容
本发明的目的是为了解决现有信号估计必须建立在信号参数已知的条件下的问题,而提出一种基于匹配自相关算法的信号TOA估计方法。
一种基于匹配自相关算法的雷达信号TOA估计方法具体过程为:
步骤一、确定雷达信号的自相关函数和双检测门限;通过双检测门限检测得出雷达信号起、止时间的粗估计;
步骤二、根据步骤一得出的雷达信号起、止时间的粗估计值对雷达信号未知的参数进行估计,得出发射的雷达信号模型;
步骤三、通过发射的雷达信号模型得出匹配滤波的响应;
步骤四、根据步骤三得到的匹配滤波的响应对接收的雷达信号进行匹配滤波,得到匹配后的雷达信号,找到匹配后雷达信号的峰值点即为雷达信号TOA;
所述TOA为雷达信号到达时间。
本发明的有益效果为:
本方法提出一种基于匹配相关算法的雷达信号TOA估计方法,相比于传统算法,本算法不需要信号所有的先验知识,算法简单,可实时检测信号。首先需要做一次自相关运算,并通过采用双门限检测,提高检测概率,同时粗略估计出信号的截止时间,从而估计信号的未知参数,之后再做一次匹配滤波运算,最后便可以精确估计出信号的TOA。如图6可精确得出TOA估计为7200;如表1可得出在参数完全未知时,现有技术利用自相关算法估计信号TOA测量精度为17.5ns,在参数部分未知时,本发明利用匹配自相关算法估计信号TOA测量精度为0ns。
附图说明
图1为本发明接收雷达复数信号示意图;
图2为本发明接收雷达复数信号自相关处理示意图;
图3为本发明发射雷达复数信号频谱示意图;
图4为本发明接收雷达复数信号频谱示意图;
图5为本发明输出雷达复数信号频谱示意图;
图6为本发明输出雷达复数信号时域示意图。
具体实施方式
具体实施方式一:本实施方式的一种基于匹配自相关算法的雷达信号TOA估计方法具体过程为:
步骤一、确定雷达信号的自相关函数和双检测门限;通过双检测门限检测得出雷达信号起、止时间的粗估计;
步骤二、根据步骤一得出的雷达信号起、止时间的粗估计值对雷达信号未知的参数进行估计,得出发射的雷达信号模型;
步骤三、通过发射的雷达信号模型得出匹配滤波的响应;
步骤四、根据步骤三得到的匹配滤波的响应对接收的雷达信号进行匹配滤波,得到匹配后的雷达信号,找到匹配后雷达信号的峰值点即为雷达信号TOA;
所述TOA为雷达信号到达时间(B雷达发送的信号到达C雷达的时间点)。
具体实施方式二:本实施方式与具体实施方式一不同的是:所述步骤一中确定雷达信号的自相关函数和双检测门限;通过双检测门限检测得出雷达信号起、止时间的粗估计;具体过程为:
步骤一一、确定雷达信号的自相关函数,假设雷达接收到的信号为m(t)=s(t)+n(t),
其中,m(t)为雷达接收到的信号,s(t)为雷达信号,n(t)为高斯白噪声;
采用正交采样的方法把雷达接收到的信号m(t)变成复数信号
其中,A为复数信号幅度,为初始相位,f为载频,L(i)为复噪声,m(i)为复数信号,j为虚数单位,j2=-1,i为采样点个数(连续信号离散后的点),取值为正整数,△t为采样时间;
自相关函数为
将(1)带入(2),得出自相关函数k(i)=NA2e-j2πf△t+L' (3)
其中,N为样本数,取值为正整数,(与雷达信号长度有关),m*(i+j+1)为m(i+j+1)的共轭函数,NA2e-j2πf△t为雷达复数信号部分,L'为自相关后的噪声部分,
其中,L*(i+j+1)为L(i+j+1)的共轭函数,L(i+j)为复噪声;
步骤一二、将自相关函数公式(3)通过滑动递推得出
k(i+1)=k(i)+m(i+1+N)·m*(i+2+N)-m(i+1)·m*(i+2) (5)
从上式可以看出,每计算一个新的k(i)仅需要进行两次复数乘法和两次复数加法,因此自相关算法可实时检测信号。
步骤一三、确定检测门限,为了提高检测性能,本文采用双门限法,第一检测门限随噪声变化而变化。高斯白噪声的标准差的无偏估计
其中,ni为复变换前第i时刻的噪声值,自相关运算后雷达复数信号服从N(0,4Nσ4)分布,自相关运算后雷达复数信号模值服从均值为μ,方差为的瑞利分布,并且实际中σ由确定。在一定的虚警概率的前提下,可由高斯白噪声的瑞利分布确定第一检测门限为:
其中,a为检测门限系数。
根据前面估计的第一检测门限,将大于第一检测门限的自相关函数k(i)判断为有雷达复数信号,反之,则判断为无雷达复数信号;
由于噪声是随机的,它可能大于门限,为了提高检测性能,在第一检测门限的基础上进行第二检测门限,即在连续l个数据中有a个超过第一检测门限时,则认为有雷达复数信号;其起点为这l个数据中第一次连续有b个点超过第一检测门限的时刻。反之,在连续l个数据中有a个未超过第一检测门限时,则认为没有雷达复数信号;其终止点为这l个数据中第一次连续有b个点未超过第一检测门限的时刻;a、b为正整数,且a大于b;
信号TOA粗估计的修改,由于粗估计是在相关累加之后进行的,因此需要对粗估计的到达时间进行修改。并且这一修改值与信噪比有关,当k(i)首次大于第一检测门限时,并不意味雷达复数信号就在i时刻到达。从自相关公式(2)看出,k(i)利用了从i时刻到i+N时刻的所有样本,并且k(i)大于第一检测门限时,并不要求所有被利用的样本均含有雷达复数信号。当信噪比较低时,需要较多的样本含有雷达复数信号才能使k(i)大于第一检测门限,因此雷达复数信号的起始时刻接近i,反之,雷达复数信号的起始时刻则接近i+N。因此需要根据信号的信噪比对信号估计的到达时间进行修正。
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是:所述检测门限系数a由要求的虚警概率确定,一般情况下,a的取值为2-10。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是:所述步骤三中通过发射的雷达信号模型得出匹配滤波的响应;具体过程为:
匹配滤波是信号检测算法中的传统方法,通常根据信号的先验知识,在信噪比最大准则下得出。对于输入信号,与其匹配的最佳滤波器是与其共轭反向并有一定时间延迟的滤波器。具体步骤如下:
步骤三一、确定雷达接收的信号能量,设输入雷达信号为si(t),其频谱为
则雷达接收信号频谱的傅里叶反变换表述为
其中,H(w)是雷达接收信号的匹配滤波器的频率响应,雷达接收信号的能量为|s0(t)|2,w为频率,t为时间;
步骤三二、确定雷达接收信号的噪声功率,设雷达接收信号的匹配滤波器输入信号的实高斯白噪声功率谱密度为N0/2,则雷达接收信号的匹配滤波器输出的平均功率为
其中,N0为复高斯白噪声功率谱密度;
步骤三三、计算雷达接收信号的匹配滤波器的频域响应,雷达接收信号的匹配滤波器的输出信噪比td时刻为
在最大输出信噪比准则下,得出雷达接收信号的匹配滤波器的频域响应为
其中F*(w)为F(w)的共轭函数,K为系数,取值为正整数。由此便可以根据信号的先验知识设计出匹配滤波器。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是:所述步骤四中根据步骤三得到的匹配滤波的响应对接收的雷达信号进行匹配滤波,得到匹配后的雷达信号,找到匹配后雷达信号的峰值点即为雷达信号TOA;具体过程为:
将公式(12)和公式(8)相乘G=H(w)×F(w),对G进行傅里叶反变换,得出峰值点即为雷达信号TOA。
其它步骤及参数与具体实施方式一至四之一相同。
采用以下实施例验证本发明的有益效果:
实施例一:
本实施例一种基于匹配相关算法的雷达信号TOA估计方法具体是按照以下步骤制备的:
实验采用载频已知、调频斜率未知的线性调频信号,仿真环境:信号的采样频率2.4GHz,调制带宽100GHz,输入信噪比为-3dB,载频100MHz;脉宽3μs,上升沿下降沿脉宽300ns。
可以得出图1-图6的结果。
从仿真结果可以看出,在低信噪比下,接收信号淹没在在噪声中,经过自相关运算,信号从输出波形凸现出来,由此便可以粗略估计信号的起、止时间。通过构造匹配滤波器,接收信号经匹配滤波器,信号在输出波形中呈现一个尖峰,以此便可以更加精确的估计信号的TOA。
在上述仿真环境下,分别用匹配自相关算法和自相关算法对其蒙特卡罗仿真,比较估计性能,仿真结果如表1所示:
表1两种TOA估计方法结果的对比表
仿真分析:经过1000次蒙特卡洛仿真结果可知,在低信噪比条件下,匹配自相关算法的测量精度明显优于自相关算法,证明了该发明方法的优越性。因此对信号参数部分已知的线性调频信号采用匹配自相关算法更优。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (5)
1.一种基于匹配自相关算法的雷达信号TOA估计方法,其特征在于:一种基于匹配自相关算法的雷达信号TOA估计方法具体过程为:
步骤一、确定雷达信号的自相关函数和双检测门限;通过双检测门限检测得出雷达信号起、止时间的粗估计;
步骤二、根据步骤一得出的雷达信号起、止时间的粗估计值对雷达信号未知的参数进行估计,得出发射的雷达信号模型;
步骤三、通过发射的雷达信号模型得出匹配滤波的响应;
步骤四、根据步骤三得到的匹配滤波的响应对接收的雷达信号进行匹配滤波,得到匹配后的雷达信号,找到匹配后雷达信号的峰值点即为雷达信号TOA;
所述TOA为雷达信号到达时间。
2.根据权利要求1所述一种基于匹配自相关算法的雷达信号TOA估计方法,其特征在于:所述步骤一中确定雷达信号的自相关函数和双检测门限;通过双检测门限检测得出雷达信号起、止时间的粗估计;
具体过程为:
步骤一一、确定雷达信号的自相关函数,假设雷达接收到的信号为m(t)=s(t)+n(t),
其中,m(t)为雷达接收到的信号,s(t)为雷达信号,n(t)为高斯白噪声;
采用正交采样的方法把雷达接收到的信号m(t)变成复数信号
其中,A为复数信号幅度,为初始相位,f为载频,L(i)为复噪声,m(i)为复数信号,j为虚数单位,j2=-1,i为采样点个数,取值为正整数,△t为采样时间;
自相关函数为
将(1)带入(2),得出自相关函数k(i)=NA2e-j2πf△t+L' (3)
其中,N为样本数,取值为正整数,m*(i+j+1)为m(i+j+1)的共轭函数,NA2e-j2πf△t为雷达复数信号部分,L'为自相关后的噪声部分,
其中,L*(i+j+1)为L(i+j+1)的共轭函数,L(i+j)为复噪声;
步骤一二、将自相关函数公式(3)通过滑动递推得出
k(i+1)=k(i)+m(i+1+N)·m*(i+2+N)-m(i+1)·m*(i+2) (5)
步骤一三、确定检测门限,高斯白噪声的标准差的无偏估计
其中,ni为复变换前第i时刻的噪声值,自相关运算后雷达复数信号服从N(0,4Nσ4)分布,自相关运算后雷达复数信号模值服从均值为μ,方差为的瑞利分布,并且由高斯白噪声的瑞利分布确定第一检测门限为:
其中,a为检测门限系数,根据第一检测门限,将大于第一检测门限的自相关函数k(i)判断为有雷达复数信号,反之,则判断为无雷达复数信号;
在第一检测门限的基础上进行第二检测门限,即在连续l个数据中有a个超过第一检测门限时,则认为有雷达复数信号;其起点为这l个数据中第一次连续有b个点超过第一检测门限的时刻;反之,在连续l个数据中有a个未超过第一检测门限时,则认为没有雷达复数信号;其终止点为这l个数据中第一次连续有b个点未超过第一检测门限的时刻;a、b为正整数,且a大于b。
3.根据权利要求2所述一种基于匹配自相关算法的雷达信号TOA估计方法,其特征在于:所述检测门限系数a取值为2-10。
4.根据权利要求3所述一种基于匹配自相关算法的雷达信号TOA估计方法,其特征在于:所述步骤三中通过发射的雷达信号模型得出匹配滤波的响应;具体过程为:
步骤三一、确定雷达接收的信号能量,设输入雷达信号为si(t),其频谱为
则雷达接收信号频谱的傅里叶反变换表述为
其中,H(w)是雷达接收信号的匹配滤波器的频率响应,雷达接收信号的能量为|s0(t)|2,w为频率,t为时间;
步骤三二、确定雷达接收信号的噪声功率,设雷达接收信号的匹配滤波器输入信号的实高斯白噪声功率谱密度为N0/2,则雷达接收信号的匹配滤波器输出的平均功率为
其中,N0为复高斯白噪声功率谱密度;
步骤三三、计算雷达接收信号的匹配滤波器的频域响应,雷达接收信号的匹配滤波器的输出信噪比td时刻为
在最大输出信噪比准则下,得出雷达接收信号的匹配滤波器的频域响应为
其中F*(w)为F(w)的共轭函数,K为系数,取值为正整数。
5.根据权利要求4所述一种基于匹配自相关算法的雷达信号TOA估计方法,其特征在于:所述步骤四中根据步骤三得到的匹配滤波的响应对接收的雷达信号进行匹配滤波,得到匹配后的雷达信号,找到匹配后雷达信号的峰值点即为雷达信号TOA;具体过程为:
将公式(12)和公式(8)相乘G=H(w)×F(w),对G进行傅里叶反变换,得出峰值点即为雷达信号TOA。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710034262.3A CN106772271A (zh) | 2017-01-18 | 2017-01-18 | 一种基于匹配自相关算法的雷达信号toa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710034262.3A CN106772271A (zh) | 2017-01-18 | 2017-01-18 | 一种基于匹配自相关算法的雷达信号toa估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106772271A true CN106772271A (zh) | 2017-05-31 |
Family
ID=58947195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710034262.3A Pending CN106772271A (zh) | 2017-01-18 | 2017-01-18 | 一种基于匹配自相关算法的雷达信号toa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106772271A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110346756A (zh) * | 2019-07-10 | 2019-10-18 | 四川中电昆辰科技有限公司 | 一种信号包络检测装置及方法及其到达时间修正方法 |
CN110988834A (zh) * | 2019-11-22 | 2020-04-10 | 航天恒星科技有限公司 | 一种基于自适应阈值双门限的脉冲到达时间测量方法 |
CN112512116A (zh) * | 2020-11-25 | 2021-03-16 | 华东师范大学 | 一种基于5gsrs信号的自适应二次互相关toa估计方法 |
CN115166648A (zh) * | 2022-09-08 | 2022-10-11 | 北京轩涌科技发展有限公司 | 一种低信噪比雷达信号处理方法及装置 |
-
2017
- 2017-01-18 CN CN201710034262.3A patent/CN106772271A/zh active Pending
Non-Patent Citations (3)
Title |
---|
刘少成: ""电子侦察信号实时检测算法及其应用"", 《中国优秀硕士学位论文全文数据库(电子期刊) 信息科技辑》 * |
孙超 等: ""基于自相关算法的TOA估计方法研究"", 《微处理机》 * |
胡国兵 等: ""基于倒序相关累加的信号到达时间盲估计"", 《南京航空航天大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110346756A (zh) * | 2019-07-10 | 2019-10-18 | 四川中电昆辰科技有限公司 | 一种信号包络检测装置及方法及其到达时间修正方法 |
CN110988834A (zh) * | 2019-11-22 | 2020-04-10 | 航天恒星科技有限公司 | 一种基于自适应阈值双门限的脉冲到达时间测量方法 |
CN110988834B (zh) * | 2019-11-22 | 2021-10-01 | 航天恒星科技有限公司 | 一种基于自适应阈值双门限的脉冲到达时间测量方法 |
CN112512116A (zh) * | 2020-11-25 | 2021-03-16 | 华东师范大学 | 一种基于5gsrs信号的自适应二次互相关toa估计方法 |
CN112512116B (zh) * | 2020-11-25 | 2022-12-02 | 华东师范大学 | 一种基于5gsrs信号的自适应二次互相关toa估计方法 |
CN115166648A (zh) * | 2022-09-08 | 2022-10-11 | 北京轩涌科技发展有限公司 | 一种低信噪比雷达信号处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | The fractal properties of sea clutter and their applications in maritime target detection | |
CN110852201B (zh) | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 | |
CN106772271A (zh) | 一种基于匹配自相关算法的雷达信号toa估计方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN102169175B (zh) | 基于frft域非相参积累的海杂波抑制和动目标检测方法 | |
CN107942322B (zh) | 多径利用雷达时间反演目标距离估计方法 | |
CN102508206A (zh) | 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 | |
CN108509377B (zh) | 一种基于沿特征提取的脉冲信号到达时间与脉宽估计方法 | |
CN106468770A (zh) | K分布杂波加噪声下的近最优雷达目标检测方法 | |
CN102230961A (zh) | 基于相位补偿处理的扩展目标检测方法 | |
CN110988834B (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
CN110515052B (zh) | 一种基于时间反演的超宽带频域非等间隔采样目标检测方法 | |
CN104122538A (zh) | 确定风廓线雷达噪声功率的方法 | |
CN105429719A (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN105425223A (zh) | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 | |
CN109490862A (zh) | 一种基于相位差分统计谱的载频估计方法 | |
CN104901909A (zh) | 一种α非高斯噪声下chirp信号的参数估计方法 | |
CN111580091A (zh) | 一种基于ar谱奇异强度函数的海面微弱目标检测方法 | |
CN107132518B (zh) | 一种基于稀疏表示和时频特征的距离扩展目标检测方法 | |
CN106353743A (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
CN115166650B (zh) | 一种雷达信号识别与参数估计方法和系统 | |
CN106501787A (zh) | 基于平滑伪魏格纳分布的二相编码信号参数估计方法 | |
CN109117698B (zh) | 一种基于最小均方误差准则的噪声背景估计方法 | |
CN106019250A (zh) | 基于角闪烁转发式假目标鉴别方法 | |
CN112014811B (zh) | 一种雷达载波频率的精细估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170531 |