CN114896554A - 一种基于谱特征提取的调频信号频率范围与带宽估计方法 - Google Patents

一种基于谱特征提取的调频信号频率范围与带宽估计方法 Download PDF

Info

Publication number
CN114896554A
CN114896554A CN202210507834.6A CN202210507834A CN114896554A CN 114896554 A CN114896554 A CN 114896554A CN 202210507834 A CN202210507834 A CN 202210507834A CN 114896554 A CN114896554 A CN 114896554A
Authority
CN
China
Prior art keywords
frequency
modulation signal
frequency modulation
amplitude spectrum
normalized
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
Application number
CN202210507834.6A
Other languages
English (en)
Inventor
姚帅
刘琦玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202210507834.6A priority Critical patent/CN114896554A/zh
Publication of CN114896554A publication Critical patent/CN114896554A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Geometry (AREA)
  • Discrete Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种基于谱特征提取的调频信号频率范围与带宽估计方法，首先对调频信号的幅度谱进行平滑处理，在此基础上对平滑幅度谱进行归一化与差值序列计算，然后计算平滑谱的变化率并提取调频信号上升沿和下降沿连续特性，最后计算联合权重用于估计调频信号频率范围及带宽。该方法通过调频信号幅度谱变化联合权重，充分利用了调频信号频谱的瞬变特征和连续性特点，可以用较小的运算量实现调频信号的频率范围和带宽的精确估计，工程实用性较强，适用于调频信号的实时处理。

Description

一种基于谱特征提取的调频信号频率范围与带宽估计方法
技术领域
本发明属于信号处理技术领域，尤其涉及一种基于谱特征提取的调频信号频率范围与带宽估计方法。
背景技术
信号带宽估计是信号参数估计中的经典问题，作为一种重要的信号分析手段，有着广泛的应用背景和重要的应用价值。在电子侦察领域，精准有效的带宽估计可为自适应时频分析的窗长设定提供依据，从而为电子侦察中调频信号的时频处理提供极大的帮助。同时，在缺乏信道传输特性、噪声分布等相关先验信息的情况下实现信号带宽的准确估计也是非合作信号的截获检测中信号预处理滤波器设计的重要基础。
现有的信号带宽估计方法大多基于信号的功率谱,常见方法包括(1)功率谱3d B带宽估计法，该方法直接根据带宽的定义进行估计，原理简单，计算方便，但估计时方差较大，故带宽估计精度较差；(2)均方根法，该方法以信号中心频率为中心，利用信号归一化功率谱对不同频率分量偏离中心频率的距离进行加权求和，但其定义的带宽涉及积分运算，实现较为繁琐；(3)能量集中法，该方法将信号功率谱建模为髙斯型或立方型概率密度函数(PDF)，根据PDF在给定的能量门限内随机变量的取值范围估计出对应的信号带宽，对于功率谱服从特定分布的信号，其带宽估计较为准确，但当信噪比较低时，基于能量门限的检测方法性能较差；(4)基于功率谱小波变换和功率谱曲线拟合的方法，该类方法可精确提取调频信号的脉内瞬变特征，具有较好的估计效果,但是计算复杂，不易实现。
发明内容
本发明目的在于提供一种基于谱特征提取的调频信号频率范围与带宽估计方法,以解决调频信号带宽估计的稳健性和精度差的技术问题。
为解决上述技术问题，本发明的具体技术方案如下：
一种基于谱特征提取的调频信号频率范围与带宽估计方法，包括以下步骤：
步骤1、由待处理的调频信号采样数据序列x(n)，n＝0,1...,N/2-1，提取调频信号归一化平滑幅度谱Y(l),l＝0,1...,N/2-1，N为对数据序列x(n)进行离散傅里叶变换的点数；
步骤2、对所述调频信号归一化平滑幅度谱Y(l)进行分布统计，得到调频信号平滑幅度谱单调变化的搜索窗长Wlh；
步骤3、计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000021
步骤4、提取调频信号归一化平滑幅度谱Y(l)的归一化连续上升特征M1(l)与归一化连续下降特征N1(l)；
步骤5、计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000022
与归一化连续上升特征M1(l)的归一化联合上升权重M(l)；
步骤6、计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000023
与归一化连续下降特征N1(l)的归一化联合下降权重N(l)；
步骤7、依据所述联合上升权重M(l)和联合下降权重N(l)估计出调频信号频率范围[fl,fh]和带宽Bw。
进一步的，步骤1中，采用如下方法获取调频信号归一化平滑幅度谱Y(l)：依次对待处理的数据序列x(n)做离散傅里叶变换，幅度谱计算，幅度谱平滑处理，归一化处理；具体包括以下步骤：
步骤1.1、对数据序列x(n)，n＝0,1...,N/2-1做离散傅里叶变换，得到调频信号离散傅里叶变换结果X(l)为：
Figure BDA0003636762640000024
其中，N为对数据序列x(n)进行离散傅里叶变换的点数，取值为N＝22a，a为整数，其中a≥3，l为离散频率索引，j为虚数单位，即
Figure BDA0003636762640000025
步骤1.2、计算调频信号离散傅里叶变换结果X(l)的模值，得到调频信号幅度谱Xa(l)：
Xa(l)＝|X(l)|,l＝0,1...,N/2-1
其中，||表示取模运算；
步骤1.3、对调频信号幅度谱各平滑参数进行初始化，具体包括以下参数的初始化：
调频信号幅度谱最大平滑迭代次数I初始化为：I＞1的整数；
平滑处理窗长L初始化为：3≤L≤N/4-3的奇数；
调频信号幅度谱平滑程度判决门限ξ初始化为：0＜ξ＜1的实数；
调频信号幅度谱平滑迭代次数m初始化为:m＝0；
第0次平滑处理的调频信号平滑幅度谱S0(l)初始化为：
S0(l)＝Xa(l)，l＝1,2,…N/2-1；
第0次平滑处理的调频信号幅度谱平滑误差P(0)初始化为：P(0)＝0；
步骤1.4、令m＝m+1，对调频信号幅度谱Xa(l)进行平滑处理，得到第m次平滑处理后的调频信号平滑幅度谱Sm(l)为：
Figure BDA0003636762640000031
其中，ks为第l个频率点对应的平滑窗口内的离散频率索引，L为平滑处理的窗长；步骤1.5、更新第m次平滑处理后的调频信号幅度谱平滑误差P(m)：
Figure BDA0003636762640000032
步骤1.6、判断是否满足以下条件：
Figure BDA0003636762640000033
若条件成立则转入步骤1.7，否则返回步骤1.4；
步骤1.7、对调频信号平滑幅度谱Sm(l)进行归一化处理得到调频信号归一化平滑幅度谱Y(l)：
Figure BDA0003636762640000041
其中，max[Sm(l)]为Sm(l)的频率索引l满足
Figure BDA0003636762640000042
范围内的最大值。
进一步的，步骤2中，采用如下方法获取调频信号幅度谱单调变化的搜索窗长Wlh，具体包括以下步骤：
步骤2.1、对所述调频信号归一化平滑幅度谱Y(l)的分布情况进行分布统计，具体方法为：将区间[0,1]等分为10个子区间，记为：0≤W1＜0.1，0.1≤W2＜0.2，…，0.8≤W9＜0.9，0.9≤W10≤1，分别统计调频信号归一化平滑幅度谱Y(l)的值落在各子区间W1,W2,...,W9,W10内的频点数w1,w2,...,w9,w10；
步骤2.2、搜索调频信号归一化平滑幅度谱Y(l)落在最大值区间W10对应的离散频率索引l1,l2...,lw10，计算落入所述区间W10内的w10个频率索引的均值lav：
Figure BDA0003636762640000043
其中，int()代表四舍五入取整运算；
步骤2.3、依据Y(l)落在最大值区间W10内的频点数w10和所述频率索引均值lav估计调频信号频带范围内包含的频点数Wcl：
Wcl＝max[w10,int(lav*0.1)]
Wcl＝max[Wcl,3]
其中max[]代表取两者中较大的一个；
步骤2.4、根据所述频点数Wcl，得到调频信号平滑幅度谱单调变化的搜索窗长Wlh：
Figure BDA0003636762640000044
进一步的，步骤3中采用如下方法得到调频信号平滑幅度谱变化率
Figure BDA0003636762640000045
具体包括如下步骤：
步骤3.1、计算调频信号归一化平滑幅度谱Y(l)的差值序列σ(l)：
Figure BDA0003636762640000051
步骤3.2、对差值序列σ(l)进行归一化处理，得到调频信号平滑幅度谱变化率
Figure BDA00036367626400000511
Figure BDA0003636762640000052
进一步的，步骤4中，采用如下方法提取调频信号归一化平滑谱Y(l)的归一化连续上升特征M1(l)和归一化连续下降特征N1(l)，具体包括以下步骤：
步骤4.1、调频信号归一化平滑谱连续上升特征、连续下降特征及各子参数初始化，具体包括以下参数的初始化：
平滑谱连续上升特征
Figure BDA0003636762640000053
始化为：
Figure BDA0003636762640000054
l＝0,1...,N/2-1；
平滑谱连续下降特征
Figure BDA0003636762640000055
初始化为：
Figure BDA0003636762640000056
l＝0,1...,N/2-1；
计算沿特征离散频率索引l初始化为：l＝Wlh；
步骤4.2、令l＝l+1，计算第l个频率点对应的滑动窗口内的归一化调频信号平滑幅度谱差值序列σl(kd)：
σl(kd+1)＝Y(kd+1)-Y(kd)，l-Wlh<kd≤l+Wlh
其中，kd为第l个频率点对应的滑动窗口内的离散频率索引，取值为
l-Wlh<kd≤l+Wlh范围内的所有整数；
步骤4.3、计算平滑谱连续上升特征
Figure BDA0003636762640000057
与连续下降特征
Figure BDA0003636762640000058
Figure BDA0003636762640000059
Figure BDA00036367626400000510
其中，Cr为σl(kd)中频率索引kd满足范围l-Wlh＜kd≤l+Wlh内的所有大于0的离散频点数，Cf为σl(kd)中频率索引kd满足范围l-Wlh＜kd≤l+Wlh内所有小于0的离散频点数；
步骤4.4、判断l＜N/2-Wlh-1是否成立，若成立返回步骤4.2，否则进入步骤4.5；
步骤4.5、对所述
Figure BDA0003636762640000061
和
Figure BDA0003636762640000062
进行归一化处理，得到归一化连续上升特征M1(l)与归一化连续下降特征N1(l)：
Figure BDA0003636762640000063
Figure BDA0003636762640000064
进一步的，步骤5中，采用如下方法计算归一化联合上升权重M(l)：
步骤5.1、计算调频信号联合上升权重
Figure BDA0003636762640000065
Figure BDA0003636762640000066
步骤5.2、对调频信号联合上升权重
Figure BDA0003636762640000067
进行归一化处理，得到归一化联合上升权重M(l)：
Figure BDA0003636762640000068
进一步的，步骤6中，采用如下方法计算归一化联合下降权重N(l)：
步骤6.1、计算调频信号联合下降权重
Figure BDA0003636762640000069
Figure BDA00036367626400000610
步骤6.2、对调频信号联合下降权重
Figure BDA00036367626400000611
进行归一化处理，得到归一化联合下降权重N(l)：
Figure BDA00036367626400000612
进一步的，步骤7中，采用如下方法估计出调频信号的上限频率、下限频率和带宽，具体包括以下步骤：
步骤7.1、分别搜索归一化联合上升权重M(l)的最大值所对应的离散频率索引ll和归一化联合下降权重N(l)的最小值所对应的离散频率索引lh：
Figure BDA0003636762640000071
其中，
Figure BDA0003636762640000072
为离散频率索引l在Ω1[max(lav-lm,1),max(lav-1,1)]范围内搜索的M(l)最大值对应的离散频率索引，
Figure BDA0003636762640000073
为离散频率索引l在Ω2[min(lav+1,N/2-1),min(lav-lm,N/2-1)]范围内搜索的N(l)最小值对应的离散频率索引，
Figure BDA0003636762640000074
步骤7.2、根据ll和lh估计出调频信号频率范围[fl,fh]和带宽Bw：
Figure BDA0003636762640000075
Bw＝fh-fl
其中，fs为数据序列x(n)的采样频率，fl为调频信号的下限频率，fh为调频信号的上限频率，N为对数据序列x(n)进行离散傅里叶变换的点数。
进一步的，步骤2对调频信号归一化平滑幅度谱Y(l)进行分布统计采用直方图统计。
本发明的一种基于谱特征提取的调频信号频率范围与带宽估计方法，具有以下优点：
1、本发明依据待处理信号的频谱分布特征，自适应地设置平滑幅度谱单调变化的搜索窗长，如步骤2及其相应的处理步骤所示，并基于自适应的搜索窗长设置提取调频信号归一化平滑谱连续上升特征与连续下降特征的频率范围，如步骤4所示，从而实现了与调频信号带宽的较好匹配，提高了信号带宽估计的稳健性；
2、本发明依据调频信号频率索引的均值和平滑幅度谱单调变化的搜索窗长，自适应地设置搜索归一化联合上升权重最大值和归一化联合下降权重最小值所对应的频率范围，如步骤7所示，较好地匹配了调频信号的频率分布范围，从而进一步提高了带宽估计的稳健性；
3、本发明充分利用了调频信号频谱的瞬变特征及连续性特点，如步骤5、步骤6和步骤7所示，所提取的特征参量在低信噪比时仍能较好地反映待测调频信号的频率分布特性，减小运算量的同时提高了调频信号带宽估计的稳健性和精度。
附图说明
图1为本发明方法的流程示意图；
图2为实施例1的仿真调频信号幅度谱与归一化平滑幅度谱图；
图3为实施例1的仿真调频信号平滑幅度谱变化率图；
图4为实施例1的仿真调频信号归一化连续上升与连续下降特征图；
图5为实施例1的仿真调频信号归一化联合上升权重图；
图6为实施例1的仿真调频信号归一化联合下降权重图；
图7为实施例2的仿真调频信号幅度谱与归一化平滑幅度谱图；
图8为实施例2的仿真调频信号平滑幅度谱变化率图；
图9为实施例2的仿真调频信号归一化连续上升与连续下降特征图；
图10为实施例2的仿真调频信号归一化联合上升权重图；
图11为实施例2的仿真调频信号归一化联合下降权重图。
具体实施方式
为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明一种基于谱特征提取的调频信号频率范围与带宽估计方法做进一步详细的描述。
一种基于谱特征提取的调频信号频率范围与带宽估计方法，包括以下步骤：
步骤1、提取调频信号归一化平滑幅度谱：由待处理的调频信号采样数据序列x(n)，n＝0,1...,N/2-1，提取调频信号归一化平滑幅度谱Y(l),l＝0,1...,N/2-1，N为对数据序列x(n)进行离散傅里叶变换的点数；
步骤1.1、对数据序列x(n)，n＝0,1...,N/2-1做离散傅里叶变换，得到调频信号离散傅里叶变换结果X(l)为：
Figure BDA0003636762640000081
其中，N为对数据序列x(n)进行离散傅里叶变换的点数，取值为N＝22a，a为整数，其中a≥3，l为离散频率索引，j为虚数单位，即
Figure BDA0003636762640000082
步骤1.2、计算调频信号离散傅里叶变换结果X(l)的模值，得到调频信号幅度谱Xa(l)：
Xa(l)＝|X(l)|,l＝0,1...,N/2-1
其中，||表示取模运算；
步骤1.3、对调频信号幅度谱各平滑参数进行初始化，具体包括以下参数的初始化：
调频信号幅度谱最大平滑迭代次数I初始化为：I＞1的整数；
平滑处理窗长L初始化为：3≤L≤N/4-3的奇数；
调频信号幅度谱平滑程度判决门限ξ初始化为：0＜ξ＜1的实数；
调频信号幅度谱平滑迭代次数m初始化为:m＝0；
第0次平滑处理的调频信号平滑幅度谱S0(l)初始化为：
S0(l)＝Xa(l)，l＝1,2,…N/2-1；
第0次平滑处理的调频信号幅度谱平滑误差P(0)初始化为：P(0)＝0；
步骤1.4、令m＝m+1，对调频信号幅度谱Xa(l)进行平滑处理，得到第m次平滑处理后的调频信号平滑幅度谱Sm(l)为：
Figure BDA0003636762640000091
其中，ks为第l个频率点对应的平滑窗口内的离散频率索引，L为平滑处理的窗长；步骤1.5、更新第m次平滑处理后的调频信号幅度谱平滑误差P(m)：
Figure BDA0003636762640000092
步骤1.6、判断是否满足以下条件：
Figure BDA0003636762640000093
若条件成立则转入步骤1.7，否则返回步骤1.4；
步骤1.7、对调频信号平滑幅度谱Sm(l)进行归一化处理得到调频信号归一化平滑幅度谱Y(l)：
Figure BDA0003636762640000101
其中，max[Sm(l)]为Sm(l)的频率索引l满足
Figure BDA0003636762640000102
范围内的最大值。
在步骤1中，步骤1.1计算离散数据序列x(n)的离散傅里叶变换X(l)可通过快速傅里叶变换实现，从而提高算法效率。同时为兼顾本发明的运算量和估计精度，调频信号幅度谱最大平滑迭代次数I的优选值为10，平滑处理窗长L的优选值为5，调频信号幅度谱平滑程度判决门限ξ的优选值为0.01。
步骤2、计算调频信号平滑幅度谱单调变化的搜索窗长：对所述调频信号归一化平滑幅度谱Y(l)进行分布统计，得到调频信号平滑幅度谱单调变化的搜索窗长Wlh；
步骤2.1、对所述调频信号归一化平滑幅度谱Y(l)的分布情况进行分布统计，具体方法为：将区间[0,1]等分为10个子区间，记为：0≤W1＜0.1，0.1≤W2＜0.2，…，0.8≤W9＜0.9，0.9≤W10≤1，分别统计调频信号归一化平滑幅度谱Y(l)的值落在各子区间W1,W2,...,W9,W10内的频点数w1,w2,...,w9,w10；
步骤2.2、搜索调频信号归一化平滑幅度谱Y(l)落在最大值区间W10对应的离散频率索引l1,l2...,lw10，计算落入所述区间W10内的w10个频率索引的均值lav：
Figure BDA0003636762640000103
其中，int()代表四舍五入取整运算；
步骤2.3、依据Y(l)落在最大值区间W10内的频点数w10和所述频率索引均值lav估计调频信号频带范围内包含的频点数Wcl：
Wcl＝max[w10,int(lav*0.1)]
Wcl＝max[Wcl,3]
其中max[]代表取两者中较大的一个；
步骤2.4、根据所述频点数Wcl，得到调频信号平滑幅度谱单调变化的搜索窗长Wlh：
Figure BDA0003636762640000111
步骤3、计算调频信号平滑幅度谱变化率：计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000118
，具体包括以下步骤：
步骤3.1、计算调频信号归一化平滑幅度谱Y(l)的差值序列σ(l)：
Figure BDA0003636762640000112
步骤3.2、对差值序列σ(l)进行归一化处理，得到调频信号平滑幅度谱变化率
Figure BDA0003636762640000119
：
Figure BDA0003636762640000113
步骤4、提取归一化连续上升特征与归一化连续下降特征：提取调频信号归一化平滑幅度谱Y(l)的归一化连续上升特征M1(l)与归一化连续下降特征N1(l)；
步骤4.1、调频信号归一化平滑谱连续上升特征、连续下降特征及各子参数初始化，具体包括以下参数的初始化：
平滑谱连续上升特征
Figure BDA0003636762640000114
始化为：
Figure BDA0003636762640000115
l＝0,1...,N/2-1；
平滑谱连续下降特征
Figure BDA0003636762640000116
初始化为：
Figure BDA0003636762640000117
l＝0,1...,N/2-1；
计算沿特征离散频率索引l初始化为：l＝Wlh；
步骤4.2、令l＝l+1，计算第l个频率点对应的滑动窗口内的归一化调频信号平滑幅度谱差值序列σl(kd)：
σl(kd+1)＝Y(kd+1)-Y(kd)，l-Wlh<kd≤l+Wlh
其中，kd为第l个频率点对应的滑动窗口内的离散频率索引，取值为l-Wlh<kd≤l+Wlh范围内的所有整数；
步骤4.3、计算平滑谱连续上升特征
Figure BDA0003636762640000121
与连续下降特征
Figure BDA0003636762640000122
Figure BDA0003636762640000123
Figure BDA0003636762640000124
其中，Cr为σl(kd)中频率索引kd满足范围l-Wlh＜kd≤l+Wlh内的所有大于0的离散频点数，Cf为σl(kd)中频率索引kd满足范围l-Wlh＜kd≤l+Wlh内所有小于0的离散频点数；
步骤4.4、判断l＜N/2-Wlh-1是否成立，若成立返回步骤4.2，否则进入步骤4.5；
步骤4.5、对所述
Figure BDA0003636762640000125
和
Figure BDA0003636762640000126
进行归一化处理，得到归一化连续上升特征M1(l)与归一化连续下降特征N1(l)：
Figure BDA0003636762640000127
Figure BDA0003636762640000128
步骤5、计算归一化联合上升权重：计算调频信号平滑幅度谱变化率
Figure BDA00036367626400001216
与归一化连续上升特征M1(l)的归一化联合上升权重M(l)；
步骤5.1、计算调频信号联合上升权重
Figure BDA0003636762640000129
Figure BDA00036367626400001210
步骤5.2、对调频信号联合上升权重
Figure BDA00036367626400001211
进行归一化处理，得到归一化联合上升权重M(l)：
Figure BDA00036367626400001212
步骤6、计算归一化联合下降权重：计算调频信号平滑幅度谱变化率
Figure BDA00036367626400001213
与归一化连续下降特征N1(l)的归一化联合下降权重N(l)；
步骤6.1、计算调频信号联合下降权重
Figure BDA00036367626400001214
Figure BDA00036367626400001215
步骤6.2、对调频信号联合下降权重
Figure BDA0003636762640000131
进行归一化处理，得到归一化联合下降权重N(l)：
Figure BDA0003636762640000132
步骤7、估计调频信号频率范围和带宽：分别搜索M(l)的最大值和N(l)的最小值对应的离散频率索引ll和lh，依据ll和lh估计出调频信号频率范围[fl,fh]和带宽Bw，具体包括以下步骤：
步骤7.1、分别搜索归一化联合上升权重M(l)的最大值所对应的离散频率索引ll和归一化联合下降权重N(l)的最小值所对应的离散频率索引lh：
Figure BDA0003636762640000133
其中，
Figure BDA0003636762640000134
为离散频率索引l在Ω1[max(lav-lm,1),max(lav-1,1)]范围内搜索的M(l)最大值对应的离散频率索引，
Figure BDA0003636762640000135
为离散频率索引l在Ω2[min(lav+1,N/2-1),min(lav-lm,N/2-1)]范围内搜索的N(l)最小值对应的离散频率索引，
Figure BDA0003636762640000136
步骤7.2、根据ll和lh估计出调频信号频率范围[fl,fh]和带宽Bw：
Figure BDA0003636762640000137
Bw＝fh-fl
其中，fs为数据序列x(n)的采样频率，fl为调频信号的下限频率，fh为调频信号的上限频率，N为对数据序列x(n)进行离散傅里叶变换的点数。
本发明的实施例中，仿真接收的调频信号类型为线性调频信号(LFM)和双曲调频信号(HFM)。仿真接收的LFM信号模型x1(t)为：
Figure BDA0003636762640000138
仿真接收的HFM信号模型x2(t)为：
Figure BDA0003636762640000141
其中，0≤t≤T，T为信号接收时长，A为信号幅度，τ0为调频信号起始时间，τ为调频信号脉宽，ω(t)为均值为零，方差为σ2的高斯白噪声，方差σ2大小取决于信噪比SNR：SNR＝10log10[A2/2σ2]，f1为信号起始频率，f2为信号终止频率，k0为调频信号周期斜率，定义为：
Figure BDA0003636762640000142
本发明中的调频信号上限频率fh和下限频率fl与所述f1,f2的关系为：
fh＝max[f1,f2]，fl＝min[f1,f2]；
以采样频率fs对上述仿真接收的LFM信号和HFM信号xHFM(t)进行离散采样，得到LFM信号采样数据序列xLFM(n)和HFM信号采样数据序列xHFM(n)分别为：
Figure BDA0003636762640000143
Figure BDA0003636762640000144
其中，n0＝int(τ0fs)，N0＝int(τfs)，离散频率索引n的取值范围为：0≤n≤int(Tfs)。
实施例1：
仿真信号类型为LFM信号，信号参数设置为：信号幅度A＝1，调频信号脉宽τ＝1s，调频信号起始时间τ0＝0.01s，信号接收时长T＝5s，信号起始频率f1＝450Hz，信号终止频率f2＝400Hz，即仿真信号为下调频信号，信号带宽Bw＝50Hz，采样频率fs＝2000Hz，信噪比SNR＝0dB。
下面对仿真调频信号进行带宽估计：
依据步骤1，设置离散傅里叶变换的点数N＝4096，对于所述LFM信号采样数据序列x(n)进行离散傅里叶变换，得到调频信号离散傅里叶变换结果X(l)；依据所述X(l)计算调频信号幅度谱Xa(l)；设置调频信号幅度谱最大平滑迭代次数I＝10，平滑处理窗长L＝5，调频信号幅度谱平滑程度判决门限ξ＝0.01，对Xa(l)进行平滑处理和归一化处理得到调频信号归一化平滑幅度谱Y(l)；运算结果如图2所示，对比Xa(l)与Y(l)所对应的曲线可以看出：经过平滑处理后，信号谱形平滑且频谱瞬变特征更为明显；
依据步骤2，对所述调频信号归一化平滑幅度谱Y(l)进行分布统计，得到调频信号平滑幅度谱单调变化的搜索窗长Wlh＝43；
依据步骤3，计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000154
，如图3所示；
依据步骤4，提取调频信号归一化平滑幅度谱Y(l)的归一化连续上升特征M1(l)与归一化连续下降特征N1(l)，如图4所示；
依据步骤5，计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000155
与归一化连续上升特征M1(l)的联合上升权重M(l)，如图5所示；
依据步骤6，计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000156
与归一化连续下降特征N1(l)的联合下降权重N(l)，如图6所示；
依据步骤7，搜索得到M(l)的最大值和N(l)的最小值对应的离散频率索引ll和lh分别为：
ll＝819,lh＝922
如图5，6所示，由此估计出的调频信号上限频率fh，下限频率fl和带宽Bw为：
Figure BDA0003636762640000151
调频信号上限频率fh，下限频率fl和带宽Bw估计的相对误差分别为：
Figure BDA0003636762640000152
Figure BDA0003636762640000153
实施例2：
仿真信号类型为HFM信号，信号参数设置为：信号幅度A＝1，调频信号脉宽τ＝2s，调频信号起始时间τ0＝0.01s，信号接收时长T＝5s，信号起始频率f1＝300Hz，信号终止频率f2＝380Hz，即仿真信号为上调频信号,信号带宽Bw＝80Hz，采样频率fs＝2000Hz，信噪比SNR＝3dB。
下面对仿真调频信号进行带宽估计：
依据步骤1，设置离散傅里叶变换的点数N＝4096，对于所述HFM信号采样数据序列x(n)进行离散傅里叶变换，得到调频信号离散傅里叶变换结果
X(l)；依据所述X(l)计算调频信号幅度谱Xa(l)；设置调频信号幅度谱最大平滑迭代次数I＝10，平滑处理窗长L＝5，调频信号幅度谱平滑程度判决门限ξ＝0.01，对Xa(l)进行平滑处理和归一化处理得到调频信号归一化平滑幅度谱Y(l)；运算结果如图7所示，对比Xa(l)与Y(l)所对应的曲线可以看出：经过平滑处理后，信号谱形平滑且频谱瞬变特征更为明显；
依据步骤2，对所述调频信号归一化平滑幅度谱Y(l)进行分布统计，得到调频信号平滑幅度谱单调变化的搜索窗长Wlh＝49；
依据步骤3，计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000161
如图8所示；
依据步骤4，提取调频信号归一化平滑幅度谱Y(l)的归一化连续上升特征M1(l)与归一化连续下降特征N1(l)，如图9所示；
依据步骤5，计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000162
与归一化连续上升特征M1(l)的联合上升权重M(l)，如图10所示；
依据步骤6，计算调频信号平滑幅度谱变化率
Figure BDA0003636762640000163
与归一化连续下降特征N1(l)的联合下降权重N(l)，如图11所示；
依据步骤7，搜索得到M(l)的最大值和N(l)的最小值对应的离散频率索引ll和lh分别为：
ll＝616,lh＝776
如图10，11所示，由此估计出的调频信号上限频率fh下限频率fl和带宽Bw为：
Figure BDA0003636762640000171
调频信号上限频率fh下限频率fl和带宽Bw估计的相对误差分别为：
Figure BDA0003636762640000172
Figure BDA0003636762640000173
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。

Claims (9)

1.一种基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，包括以下步骤：
步骤1、由待处理的调频信号采样数据序列x(n)，n＝0,1...,N/2-1，提取调频信号归一化平滑幅度谱Y(l),l＝0,1...,N/2-1，N为对数据序列x(n)进行离散傅里叶变换的点数；
步骤2、对所述调频信号归一化平滑幅度谱Y(l)进行分布统计，得到调频信号平滑幅度谱单调变化的搜索窗长Wlh；
步骤3、计算调频信号平滑幅度谱变化率
Figure FDA0003636762630000011
步骤4、提取调频信号归一化平滑幅度谱Y(l)的归一化连续上升特征M1(l)与归一化连续下降特征N1(l)；
步骤5、计算调频信号平滑幅度谱变化率
Figure FDA0003636762630000012
与归一化连续上升特征M1(l)的归一化联合上升权重M(l)；
步骤6、计算调频信号平滑幅度谱变化率
Figure FDA0003636762630000013
与归一化连续下降特征N1(l)的归一化联合下降权重N(l)；
步骤7、依据所述归一化联合上升权重M(l)和归一化联合下降权重N(l)估计出调频信号频率范围[fl,fh]和带宽Bw。
2.根据权利要求1所述的基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，步骤1中，采用如下方法获取调频信号归一化平滑幅度谱Y(l)：依次对待处理的数据序列x(n)做离散傅里叶变换，幅度谱计算，幅度谱平滑处理，归一化处理；具体包括以下步骤：
步骤1.1、对数据序列x(n)，n＝0,1...,N/2-1做离散傅里叶变换，得到调频信号离散傅里叶变换结果X(l)为：
Figure FDA0003636762630000014
其中，N为对数据序列x(n)进行离散傅里叶变换的点数，取值为N＝22a，a为整数，其中a≥3，l为离散频率索引，j为虚数单位，即
Figure FDA0003636762630000015
步骤1.2、计算调频信号离散傅里叶变换结果X(l)的模值，得到调频信号幅度谱Xa(l)：
Xa(l)＝|X(l)|,l＝0,1...,N/2-1
其中，||表示取模运算；
步骤1.3、对调频信号幅度谱各平滑参数进行初始化，具体包括以下参数的初始化：
调频信号幅度谱最大平滑迭代次数I初始化为：I＞1的整数；
平滑处理窗长L初始化为：3≤L≤N/4-3的奇数；
调频信号幅度谱平滑程度判决门限ξ初始化为：0＜ξ＜1的实数；
调频信号幅度谱平滑迭代次数m初始化为:m＝0；
第0次平滑处理的调频信号平滑幅度谱S0(l)初始化为：
S0(l)＝Xa(l)，l＝1,2,…N/2-1；
第0次平滑处理的调频信号幅度谱平滑误差P(0)初始化为：P(0)＝0；
步骤1.4、令m＝m+1，对调频信号幅度谱Xa(l)进行平滑处理，得到第m次平滑处理后的调频信号平滑幅度谱Sm(l)为：
Figure FDA0003636762630000021
其中，ks为第l个频率点对应的平滑窗口内的离散频率索引，L为平滑处理的窗长；
步骤1.5、更新第m次平滑处理后的调频信号幅度谱平滑误差P(m)：
Figure FDA0003636762630000022
步骤1.6、判断是否满足以下条件：
Figure FDA0003636762630000031
若条件成立则转入步骤1.7，否则返回步骤1.4；
步骤1.7、对调频信号平滑幅度谱Sm(l)进行归一化处理得到调频信号归一化平滑幅度谱Y(l)：
Figure FDA0003636762630000032
其中，max[Sm(l)]为Sm(l)的频率索引l满足
Figure FDA0003636762630000033
范围内的最大值。
3.根据权利要求1所述的基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，步骤2中，采用如下方法获取调频信号幅度谱单调变化的搜索窗长Wlh，具体包括以下步骤：
步骤2.1、对所述调频信号归一化平滑幅度谱Y(l)的分布情况进行分布统计，具体方法为：将区间[0,1]等分为10个子区间，记为：0≤W1＜0.1，0.1≤W2＜0.2，…，0.8≤W9＜0.9，0.9≤W10≤1，分别统计调频信号归一化平滑幅度谱Y(l)的值落在各子区间W1,W2,...,W9,W10内的频点数w1,w2,...,w9,w10；
步骤2.2、搜索调频信号归一化平滑幅度谱Y(l)落在最大值区间W10对应的离散频率索引
Figure FDA0003636762630000034
计算落入所述区间W10内的w10个频率索引的均值lav：
Figure FDA0003636762630000035
其中，int()代表四舍五入取整运算；
步骤2.3、依据Y(l)落在最大值区间W10内的频点数w10和所述频率索引均值lav估计调频信号频带范围内包含的频点数Wcl：
Wcl＝max[w10,int(lav*0.1)]
Wcl＝max[Wcl,3]
其中max[]代表取两者中较大的一个；
步骤2.4、根据所述频点数Wcl，得到调频信号平滑幅度谱单调变化的搜索窗长Wlh：
Figure FDA0003636762630000041
4.根据权利要求1所述的基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，步骤3中采用如下方法得到调频信号平滑幅度谱变化率
Figure FDA0003636762630000042
具体包括如下步骤：
步骤3.1、计算调频信号归一化平滑幅度谱Y(l)的差值序列σ(l)：
Figure FDA0003636762630000043
步骤3.2、对差值序列σ(l)进行归一化处理，得到调频信号平滑幅度谱变化率
Figure FDA0003636762630000044
Figure FDA0003636762630000045
5.根据权利要求1所述的基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，步骤4中，采用如下方法提取调频信号归一化平滑谱Y(l)的归一化连续上升特征M1(l)和归一化连续下降特征N1(l)，具体包括以下步骤：
步骤4.1、调频信号归一化平滑谱连续上升特征、连续下降特征及各子参数初始化，具体包括以下参数的初始化：
平滑谱连续上升特征
Figure FDA0003636762630000046
始化为：
Figure FDA0003636762630000047
平滑谱连续下降特征
Figure FDA0003636762630000048
初始化为：
Figure FDA0003636762630000049
计算沿特征离散频率索引l初始化为：l＝Wlh；
步骤4.2、令l＝l+1，计算第l个频率点对应的滑动窗口内的归一化调频信号平滑幅度谱差值序列σl(kd)：
σl(kd+1)＝Y(kd+1)-Y(kd)，l-Wlh<kd≤l+Wlh
其中，kd为第l个频率点对应的滑动窗口内的离散频率索引，取值为
l-Wlh<kd≤l+Wlh范围内的所有整数；
步骤4.3、计算平滑谱连续上升特征
Figure FDA0003636762630000051
与连续下降特征
Figure FDA0003636762630000052
Figure FDA0003636762630000053
Figure FDA0003636762630000054
其中，Cr为σl(kd)中频率索引kd满足范围l-Wlh＜kd≤l+Wlh内的所有大于0的离散频点数，Cf为σl(kd)中频率索引kd满足范围l-Wlh＜kd≤l+Wlh内所有小于0的离散频点数；
步骤4.4、判断l＜N/2-Wlh-1是否成立，若成立返回步骤4.2，否则进入步骤4.5；
步骤4.5、对所述
Figure FDA0003636762630000055
和
Figure FDA0003636762630000056
进行归一化处理，得到归一化连续上升特征M1(l)与归一化连续下降特征N1(l)：
Figure FDA0003636762630000057
Figure FDA0003636762630000058
6.根据权利要求1所述的基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，步骤5中，采用如下方法计算归一化联合上升权重M(l)：
步骤5.1、计算调频信号联合上升权重
Figure FDA0003636762630000059
Figure FDA00036367626300000510
步骤5.2、对调频信号联合上升权重
Figure FDA00036367626300000511
进行归一化处理，得到归一化联合上升权重M(l)：
Figure FDA00036367626300000512
7.根据权利要求1所述的基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，步骤6中，采用如下方法计算归一化联合下降权重N(l)：
步骤6.1、计算调频信号联合下降权重
Figure FDA0003636762630000061
Figure FDA0003636762630000062
步骤6.2、对调频信号联合下降权重
Figure FDA0003636762630000063
进行归一化处理，得到归一化联合下降权重N(l)：
Figure FDA0003636762630000064
8.根据权利要求3所述的基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，步骤7中，采用如下方法估计出调频信号的频率范围和带宽，具体包括以下步骤：
步骤7.1、分别搜索归一化联合上升权重M(l)的最大值所对应的离散频率索引ll和归一化联合下降权重N(l)的最小值所对应的离散频率索引lh：
Figure FDA0003636762630000065
其中，
Figure FDA0003636762630000066
为离散频率索引l在Ω1[max(lav-lm,1),max(lav-1,1)]范围内搜索的M(l)最大值对应的离散频率索引，
Figure FDA0003636762630000067
为离散频率索引l在Ω2[min(lav+1,N/2-1),min(lav-lm,N/2-1)]范围内搜索的N(l)最小值对应的离散频率索引，
Figure FDA0003636762630000068
步骤7.2、根据ll和lh估计出调频信号频率范围[fl,fh]和带宽Bw：
Figure FDA0003636762630000069
Bw＝fh-fl
其中，fs为数据序列x(n)的采样频率，fl为调频信号的下限频率，fh为调频信号的上限频率，N为对数据序列x(n)进行离散傅里叶变换的点数。
9.根据权利要求1所述的基于谱特征提取的调频信号频率范围与带宽估计方法，其特征在于，所述步骤2对调频信号归一化平滑幅度谱Y(l)进行分布统计采用直方图统计。
CN202210507834.6A 2022-05-10 2022-05-10 一种基于谱特征提取的调频信号频率范围与带宽估计方法 Pending CN114896554A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210507834.6A CN114896554A (zh) 2022-05-10 2022-05-10 一种基于谱特征提取的调频信号频率范围与带宽估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210507834.6A CN114896554A (zh) 2022-05-10 2022-05-10 一种基于谱特征提取的调频信号频率范围与带宽估计方法

Publications (1)

Publication Number Publication Date
CN114896554A true CN114896554A (zh) 2022-08-12

Family

ID=82721561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210507834.6A Pending CN114896554A (zh) 2022-05-10 2022-05-10 一种基于谱特征提取的调频信号频率范围与带宽估计方法

Country Status (1)

Country Link
CN (1) CN114896554A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659162A (zh) * 2022-09-15 2023-01-31 云南财经大学 雷达辐射源信号脉内特征提取方法、系统及设备
CN116962123A (zh) * 2023-09-20 2023-10-27 大尧信息科技(湖南)有限公司 软件定义框架的升余弦成型滤波带宽估计方法与系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659162A (zh) * 2022-09-15 2023-01-31 云南财经大学 雷达辐射源信号脉内特征提取方法、系统及设备
CN115659162B (zh) * 2022-09-15 2023-10-03 云南财经大学 雷达辐射源信号脉内特征提取方法、系统及设备
CN116962123A (zh) * 2023-09-20 2023-10-27 大尧信息科技(湖南)有限公司 软件定义框架的升余弦成型滤波带宽估计方法与系统
CN116962123B (zh) * 2023-09-20 2023-11-24 大尧信息科技(湖南)有限公司 软件定义框架的升余弦成型滤波带宽估计方法与系统

Similar Documents

Publication Publication Date Title
CN114896554A (zh) 一种基于谱特征提取的调频信号频率范围与带宽估计方法
CN109297550B (zh) 基于互相关函数包络特征点的超声波渡越时间计算方法
CN108469602B (zh) 一种基于谱特征提取的脉冲信号类型自动判别方法
CN106597408B (zh) 基于时频分析和瞬时频率曲线拟合的高阶pps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
CN111310833B (zh) 一种基于贝叶斯神经网络的出行方式识别方法
CN109285561B (zh) 一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法
CN105429719B (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
CN105785324B (zh) 基于mgcstft的线性调频信号参数估计方法
CN110133632B (zh) 一种基于cwd时频分析的复合调制信号识别方法
CN104901909B (zh) 一种α非高斯噪声下chirp信号的参数估计方法
CN111680737B (zh) 差异性信噪比条件下的雷达辐射源个体识别方法
CN109490862B (zh) 一种基于相位差分统计谱的载频估计方法
CN111175718A (zh) 联合时频域的地面雷达自动目标识别方法及系统
CN110133598A (zh) 基于FrFT的线性调频信号参数快速估计方法
CN112034434B (zh) 基于稀疏时频检测卷积神经网络的雷达辐射源识别方法
CN114897023A (zh) 一种基于水声目标敏感差异特征提取的水声目标辨识方法
CN107329115B (zh) 基于gcrbf网络的lfm信号参数估计方法
CN106772271A (zh) 一种基于匹配自相关算法的雷达信号toa估计方法
CN110048741A (zh) 一种基于短时分数阶傅里叶变换的跳频信号的参数估计方法
CN110275150B (zh) 基于经验模式分解和迭代端点拟合的变加速运动目标相参积累方法
CN115905919A (zh) 基于afgan的雷达信号样本数据处理方法、目标识别方法及系统
CN114674410A (zh) 一种分量数时变的水声信号瞬时频率估计方法
CN115345216A (zh) 一种融合先验信息的fmcw雷达干扰消除方法
CN112083448B (zh) 面向卫星导航系统的干扰信号分类识别特征提取方法及系统

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