[发明专利]基于综合算法的多分量线性调频信号参数估计方法及系统

说明书

本发明公开一种基于STFT、神经网络和Radon变换的多分量线性调频信号参数估计方法，首先求多分量LFM信号的短时傅里叶变换(STFT)；用神经网络判断LFM信号分量数量；然后通过统一频率峰值高度消除信号强度影响；最后通过逐次消去法估计每个LFM分量的起始频率和调频斜率(用到Radon变换)；估计LFM信号的幅度。本发明通过神经网络判断LFM信号分量数量以及通过统一频率峰值高度消除信号强度影响，可以直接从STFT图判断LFM信号分量数量，而不是从Radon平面判断LFM信号分量数量，判断更为准确；不会受到交叉项影响，也不会受到不同信号分量幅度不同或同一信号分量幅度随时间变化的影响。

技术领域

本发明涉及多分量线性调频信号技术领域，特别是一种基于综合算法的多分量线性调频信号参数估计方法及系统。

背景技术

对于瞬时频率变化的、含有多个分量的线性调频(LFM)信号，以往的参数估计多利用Wigner-Hough变换(先求信号的Wigner-Ville分布，再做Hough变换)或Radon-Wigner变换(先求信号的Wigner-Ville分布，再做Radon变换)，然后设定一个阈值，根据Radon-Wigner平面上大于阈值的极值坐标确定LFM信号各分量的参数(初始频率和调频斜率)，或者逐个确定强LFM信号分量的参数并采用解线调和滤波逐个消去强LFM信号分量。

已有的方法先求信号的短时傅里叶变换(STFT)，再做Radon变换，然后设定一个阈值，根据STFT-Radon平面上大于阈值的极值坐标确定LFM信号各分量的参数(初始频率和调频斜率)，或者逐个确定强LFM信号分量的参数并采用解线调和滤波逐个消去强LFM信号分量。

由于Wigner-Ville分布(WVD)存在交叉项，交叉项会使Radon-Wigner平面出现不必要的尖峰，虽然通过解线调和滤波逐个消去强LFM信号分量在一定程度上能避免出现这些不必要的尖峰，但是交叉项强度大时它在Radon-Wigner平面上的尖峰甚至高于信号项的尖峰，这时逐个消去法会误把交叉项当成信号项，从而消去错误的LFM信号分量。如图1a所示，调频斜率接近或相等的两个LFM信号分量会使WVD有一个强烈的交叉项，而它的Radon变换的尖峰会高于信号项的尖峰，如图1b和图1c所示。

如果信号幅度是随时间变化的，STFT的Radon变换还会出现对应直线之外的尖峰。如图2a中有两条分别对应两个LFM信号分量的直线，当Radon变换的积分直线与这两条直线重合时(标号为1和2的方向)Radon变换值有尖峰，但是当Radon变换的积分直线穿过两个LFM信号分量的直线的幅度大的部分时(标号为3的方向)Radon变换值有也有尖峰，如图2b所示，而且这个尖峰高度甚至可能大于信号项的尖峰，逐个消去法也会失效。

由于上述缺点，以及信号噪声的影响，Radon平面上的尖峰个数往往大于实际LFM信号分量个数，所以不能通过Radon变换准确判断LFM信号分量的数量。

发明内容

有鉴于此，本发明的目的在于提供一种综合算法的多分量线性调频信号参数估计方法。

为达到上述目的，本发明提供如下技术方案：

本发明提供的基于综合算法的多分量线性调频信号参数估计方法，包括以下步骤：

获取多分量LFM信号；

对多分量LFM信号进行短时傅里叶变换；

通过神经网络算法判断LFM信号分量数量；

使得经过处理的LFM信号分量的频率峰值统一；

通过逐次消去法估计每个多分量LFM信号的起始频率和调频斜率；

计算多分量LFM信号的幅度。

进一步，所述多分量LFM信号的短时傅里叶变换STFT，按照以下公式进行：