[发明专利]一种基于短时Renyi熵的人为干扰瞬时频率估计系统及方法

摘要

本发明公开了一种基于短时Renyi熵的人为干扰瞬时频率估计系统及方法，利用短时Renyi熵计算接收信号瞬时分量数目并从中提取干扰信号瞬时频率突变点信息，利用常规时频脊线检测模块得到常规瞬时频率估计值，结合瞬时频率突变点信息和常规瞬时频率估计值得到干扰频率锯齿函数模型参数估计值，以实现精度更高的人为干扰瞬时频率估计。

主权项

1.一种基于短时Renyi熵的人为干扰瞬时频率估计系统，其特征在于，包括时频分析模块、常规瞬时频率估计模块、瞬时分量数目估计模块、干扰频率锯齿函数模型参数估计模块以及改进瞬时频率估计模块；所述时频分析模块用于对接收信号和参考信号进行时频分析，得到接收信号和参考信号的时频分布，并将接收信号的时频分布发送到常规瞬时频率估计模块，将接收信号和参考信号的时频分布发送到瞬时分量数目估计模块；其中，所述参考信号为频谱变化缓慢的信号；常规瞬时频率估计模块对接收到的接收信号时频分布进行检测，获得干扰信号常规瞬时频率估计值，并将干扰信号常规瞬时频率估计值发送到干扰频率锯齿函数模型参数估计模块；瞬时分量数目估计模块根据接收到的接收信号和参考信号的时频分布，通过平移时频屏蔽窗，得到接收信号和参考信号分别对应的在各个时刻下的短时Renyi熵；比较同时刻下接收信号和参考信号的短时Renyi熵，得到该时刻下接收信号的瞬时分量数目估计值；对比各个时刻下接收信号的瞬时分量数目估计值，得到接收信号的瞬时分量数目估计值局部峰值所在的时刻，并按照时间顺序排列，得到局部峰值时刻序列P1,P2…PE‑1,PE，将局部峰值时刻序列P1,P2…PE‑1,PE发送到干扰频率锯齿函数模型参数估计模块；其中，E为局部峰值总数；干扰频率锯齿函数模型参数估计模块根据接收到的干扰信号常规瞬时频率估计值以及局部峰值时刻序列P1,P2…PE‑1,PE，对干扰频率锯齿函数模型进行模型参数估计，并将干扰频率锯齿函数模型的参数估计值发送到改进瞬时频率估计模块；所述干扰频率锯齿函数模型的模型参数包括扫频周期、扫频起始时刻、扫频起始频率和扫频结束频率；所述干扰频率锯齿函数模型参数估计值获得方式为：将局部峰值时刻序列P₁,P₂…P_E‑1,P_E中相邻两时刻的时间间隔的平均值作为扫频周期估计值将E个局部峰值时刻对应的扫频起始时刻的平均值作为扫频起始时刻估计值其中第j个局部峰值时刻P_j对应的扫频起始时刻为j＝1,2,3......E；利用第j个局部峰值时刻P_j对应的区间内的各个常规瞬时频率估计值，拟合获得斜坡上升频率直线f_up[t]，其中D为小于或等于的常量；根据斜坡上升频率直线f_up[t]，获得和f_up[P_j‑1]；即为第j个扫频起始频率f_up[P_j‑1]即为第j个扫频结束频率将E个局部峰值时刻对应的扫频起始频率的平均值作为扫频起始频率估计值将E个局部峰值时刻对应的扫频结束频率的平均值作为扫频结束频率估计值改进瞬时频率估计模块将接收到的干扰频率锯齿函数模型的参数估计值，代入到干扰频率锯齿函数模型中，得到当前时刻的改进的瞬时频率估计值。