[发明专利]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

摘要

本发明的目的在于提供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，包括以下步骤：对信号进行多尺度小波包去噪，确定小波包函数和小波包分解层数；计算经小波包去噪后的信号的功率谱熵，并建立不同信噪比条件下，不同调频斜率的线性调频信号的熵特征数据库；对得到的离散熵特征数据进行插值运算；用多项式函数对三次样条函数插值后的曲线拟合，得到不同信噪比下线性调频信号的调频斜率与输入熵特征的关系表达式；利用拟合好的表达式估计接收机接收到的LFM信号的调频斜率。本发明提出的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计算量小，能够在满足参数估计精度要求的前提下，实时地对LFM的调频斜率进行估计。

主权项

1.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，其特征是：(1)线性调频信号即LFM信号为：其中f₀为信号的中心频率，k为信号的调频斜率，x(t)表示LFM信号，在工程的实现中所使用的LFM信号都是有限长的：x(t)=Arect(tT)exp[j(2πf0t+12kt2)]]]>rect(tT)=1,|t|≤T/20,|t|≥T/2,]]>有限长的LFM信号的包络为一矩形函数，A为矩形函数的幅度，矩形函数时宽为T，带宽k＝B/T，B为信号带宽，时宽带宽积D＝kt²，瞬时频率ω(t)与时间呈线性变换关系：ω(t)＝2πf₀+kt，对信号进行多尺度小波包去噪，确定小波包函数和小波包分解层数，得到去噪信号x′(t)：对接收的信号进行小波包分解，小波包分解的层数为j，将原始含噪信号分解为一系列低频分量x₂，x₄，....，x_2n高频分量x₁，x₃，....，x_2n-1，x_2n和表示第n次分解得到的高频分量，x_2n-1表示第n次分解得到的高频分量，xnj(k)=Σmh0(m-2k)x2n(j+1)(m)+Σmh1(m-2k)x2n-1(j+1)(m),]]>h0和h1分别为低通和高通滤波器，m为滤波器系数，表示第j层小波包系数序列，表示第(j+1)层的低频小波系数，为第(j+1)层的高频小波系数，对分解得到的高频小波包系数x_2n-1用经典的硬阈值函数进行处理：x^2n-1=x2n-1,|x2n-1|≥T0,|x2n-1|≥T,]]>T为设定的阈值，为阈值函数处理后的高频小波包系数，对低频分量x_2n进行处理：x·2n=x2n|x2n|≥Tsign(x2n)·|x2n|γTγ-1|x2n|<T,]]>T为设定的阈值，为阈值函数处理后的低频小波包系数，最后对经去噪的系数进行重构：xnj(k)=Σmh0(m-2k)′x·2n(j+1)(m)+Σmh1(m-2k)′x·2n-1(j+1)(m),]]>其中h′₀、h′₁分别是h₀、h₁的对偶滤波器；(2)计算经小波包去噪后的信号的功率谱熵H_f，并建立不同信噪比条件下，不同调频斜率的线性调频信号的熵特征数据库：对于离散信号序列{x_i，i＝1，2，·，N}，其功率谱估计的定义式为：X(ω)为序列x_i的傅里叶变换，需要用FFT实现得到离散傅里叶变换X(j)和功率谱S(j)，j＝1，2，…N，功率谱熵定义为：Hf=-Σj=1Npjlnpj,]]>pj=S(j)Σj=1NS(j)S(j),]]>p_j为第j个功率谱在整个谱中所占的比例份额，H_f表示功率谱熵，通过计算不同信噪比条件下，不同调频斜率的线性调频信号的熵值H_f，得到相应的特征数据库；(3)对得到的离散熵特征数据进行插值运算：经过计算功率谱熵，得到一些列离散点调频斜率的LFM信号的功率谱熵，然后对这些数据点进行拟合，得到输入熵特征值x与调频斜率y对应的关系表达式y＝f(x)；(4)对插值后的曲线拟合，得到不同信噪比下线性调频信号调频斜率与输入熵特征的关系表达式y＝f(x)；(5)利用拟合好的表达式y＝f(x)估计接收机接收到的LFM信号的调频斜率