三角波调频信号参数快速精确估计方法
燕天;邹金龙
【摘 要】Aiming at the problem that Radon-Ambiguity transform,relieving linear frequency,maximum likelihood estimation,short time Fourier transform and some other algorithms can not estimate the STLFM-CW parameters accurately in a low calculation,an algorithm using signal-dependent best Gauss-Window STFT and segmented correlation demodulation was proposed.The algorithm got the signal's center frequency and modulation bandwidth through the signal-dependent best Gauss-Window STFT and got the signal's mod-ulation period through the segmented correlation demodulation.The analysis and simulation indicated that the algorithm could improve the STLFMCW parameters estimation precision dramatically in a low calcula-tion.%针对 Radon-Ambiguity变换、解线性调频、最大似然估计以及短时傅里叶变换等三角波调频信号参数估计方法均无法兼顾运算量小和估计精度高的问题,提出了基于信号特征的最佳高斯窗短时傅里叶变换与分段相关解调相结合的参数估计方法.该方法根据信号特征求得最佳高斯窗进行短时傅里叶变换,估计出信号的中心频率和调
制带宽;再使用分段相关解调确定信号的严格线性调频段,进而估计出信号的调制周期.理论分析和仿真表明,本文方法以较小的运算量大幅提升了三角波调频信号的参数估计精度,实现了三角波调频信号参数的快速精确估计.
【期刊名称】《探测与控制学报》
【年(卷),期】2018(040)002
【总页数】6页(P65-70)
【关键词】三角波调频信号;参数估计;最佳高斯窗;短时傅里叶变换;分段相关解调
【作 者】燕天;邹金龙
【作者单位】机电动态控制重点实验室,陕西 西安710065;机电动态控制重点实验室,陕西 西安710065
【正文语种】中 文
【中图分类】TN957
0 引言短时傅里叶变换matlab程序
近年来，国内外学者针对三角波调频信号的参数估计问题进行了大量的研究。文献[1]和文献[2]提出一种基于 Radon-Ambiguity (RAT)变换与分数阶傅里叶变换相结合的参数估计方法，该方法相比于采用二维搜索的Radon-Wigner变换，以较小的运算量实现了对信号初始频率的估计，但利用RAT变换估计信号调频斜率的运算量非常大。文献[3]和文献[4]采用高阶累积量与多相滤波器组相结合的方法实现对信号的参数估计，该方法无需先验知识且能较好地抑制高斯噪声，然而该方法的估计精度会随着多相滤波器组数的增加而下降。文献[5]提出一种分数阶傅里叶变换与聚类分析相结合的参数估计方法，该方法克服了信号尖峰必须高于噪声幅度的限制，可以实现低信噪比条件下信号的检测与参数估计，但该方法要求截获信号的起点位于调制周期的起点，因此不适合无先验知识的信号参数估计。文献[6]提出一种基于短时傅里叶变换，解线性调频和最大似然估计相结合的参数估计方法，估计精度高，但引入最大似然估计校正精度，运算量非常大。文献[7]和文献[8]提出了基于最佳频率分辨率窗宽的高斯窗短时傅里叶变换与相关解调相结合的参数估计方法，该方法实时性强，但并未使用最佳高斯窗进行短时傅里叶变换，且在进行相关解调时粗估了信号线性调频段的起点和终点，导致该方法参数估计精度不足。本文针对Radon-Ambiguity变换、解线性调频、最大似然估计及
短时傅里叶变换等三角波调频信号参数估计方法均无法兼顾运算量小和估计精度高的问题，提出了基于信号特征的最佳高斯窗短时傅里叶变换与分段相关解调相结合的参数估计方法。
1 三角波调频信号参数估计方法
1.1 基于短时傅里叶变换与最大似然估计的三角波调频信号参数估计方法
对于三角波调频信号的参数估计问题，文献[6]提出了基于短时傅里叶变换和最大似然估计的参数估计方法，该方法首先对信号解线性调频并做短时傅里叶变换，求出中心频率，调制带宽和调制周期的粗略估计值，最后在时频平面进行最大似然搜索，求出上述参数的精确估计值。方法流程如图1所示。
图1 基于解线性调频、短时傅里叶变换和最大似然估计的参数估计方法Fig.1 Parameters estimation algorithm based on relieving linear frequency, STFT and MLE
1.2 基于短时傅里叶变换与相关解调的三角波调频信号参数估计方法
对于三角波调频信号的参数估计问题，文献[7]提出了基于最佳频率分辨率窗宽的高斯窗短时
傅里叶变换与相关解调相结合的参数估计方法，该方法首先根据时频分析的目的，选择高斯窗作为短时傅里叶变换的窗函数，其次使用基于瞬时频率的窗宽倍增搜索方法求出最佳频率分辨率窗宽，然后对三角波调频信号进行短时傅里叶变换，求得信号的中心频率和调制带宽，再使用相关解调求得信号的调制周期。方法流程如图2所示。
高斯窗gs(t)的定义如下：
(1)
图2 基于短时傅里叶变换与相关解调的参数估计方法Fig.2 Parameters estimation algorithm based on STFT and correlation demodulation
式(1)中，σ为高斯窗的标准差，σ的取值将对高斯窗的时频分辨率产生影响。由Heisenberg不确定性原理可知，提高高斯窗的时频分辨率，可以减小信号的参数估计误差。1.2节方法虽然求得了最佳高斯窗宽，但在对算法进行Matlab仿真时选择了Matlab自带的高斯窗函数，该函数使用固定的标准差σ1=2.5进行短时傅里叶变换，并未考虑信号波形特性与高斯窗标准差的关系，因此选择固定标准差σ1=2.5的高斯窗短时傅里叶变换并不能使窗内信号的时频聚集
性达到最佳，这将导致参数估计精度不足。所以选择固定标准差σ1=2.5的高斯窗并非最佳高斯窗，要想使用最佳高斯窗，不仅需要求得最佳高斯窗宽，还需要根据信号波形特性求出高斯窗最佳时频聚集性标准差。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。