基于周期模糊函數(shù)理論的信噪比估計

劉　靜，賁　德，周新剛

(1. 金陵科技學院 網(wǎng)絡(luò)與通信工程學院，　南京 211169)

(2. 通信網(wǎng)絡(luò)技術(shù)管理中心，　南京 210016)

?

基于周期模糊函數(shù)理論的信噪比估計

劉靜1，賁德1，周新剛2

(1. 金陵科技學院 網(wǎng)絡(luò)與通信工程學院，南京 211169)

(2. 通信網(wǎng)絡(luò)技術(shù)管理中心，南京 210016)

摘要：周期模糊函數(shù)表示周期調(diào)制連續(xù)波信號的時延-頻偏平面的相關(guān)，不同的信號具有不同的周期模糊函數(shù)。針對雷達中頻信號的信噪比估計，提出了基于周期模糊函數(shù)理論的信噪比估計方法。根據(jù)信號和噪聲在周期模糊函數(shù)中的不同位置具有不同的表現(xiàn)特征,推導(dǎo)了在高斯白噪聲背景下基于周期模糊函數(shù)的信噪比估計公式，給出了實現(xiàn)算法，同時和其他信噪比估計算法進行了對比仿真分析。結(jié)果表明，基于周期模糊函數(shù)的信噪比估計方法，特別是對低信噪比情況下，估計精度高，算法簡單，易于工程實現(xiàn)。

關(guān)鍵詞：電子偵察；中頻信號；周期模糊函數(shù)；信噪比

0引言

信噪比(SNR)是反映信號質(zhì)量信息的一個重要指標，準確地估計中頻信號的信噪比，為衡量信號的偵察截獲分析[1]、輻射源個體識別及情報處理中的脈內(nèi)特征提取等算法的有效性提供依據(jù)；同時，在雷達抗干擾效果評估和目標提取過程中[2]，對定量地測量雷達信噪比的改善程度及適應(yīng)噪聲能力也不可或缺。

目前，對信噪比估計的研究大多針對通信信號，可以分為盲估計方法和基于數(shù)據(jù)輔助的方法兩大類[3]。盲估計方法有高階累計量[4-6]等方法，這類方法通常算法復(fù)雜度高，運算量大，在工程實現(xiàn)中具有一定的難度；時頻域結(jié)合法[7]屬于基于數(shù)據(jù)輔助方法，這類算法通常針對某種特殊調(diào)制方式的信號，在計算時需要一定的先驗信息。這些算法對雷達對抗中截獲得到的盲信號信噪比估計適應(yīng)性差，特別是低信噪比情況下。針對偵察截獲得到的雷達信號，本文研究基于周期模糊函數(shù)理論[8-10]的信噪比估計方法，根據(jù)信號和噪聲在周期模糊函數(shù)中的不同位置具有不同的表現(xiàn)，建立了信噪比估計數(shù)學模型，給出實現(xiàn)算法，并和其他信噪比估計算法進行對比仿真分析。

1周期模糊函數(shù)理論

周期模糊函數(shù)是研究、分析周期調(diào)制連續(xù)波信號及進行波形設(shè)計的有效數(shù)學工具，它表示時延-頻偏平面的相關(guān)，為相關(guān)域表示。設(shè)周期調(diào)制連續(xù)波信號復(fù)包絡(luò)u(t)是周期為T的周期信號，即

u(t)=u(t+nT),n=0, ±1, ±2, …

(1)

則信號的單周期模糊函數(shù)[8-10]可以表示為

(2)

式中：τ為時延；ξ為頻率偏移；符號“*”表示共軛。可以看出，式(2)可以通過FFT來實現(xiàn)。

若采用的參考信號長度為發(fā)射信號調(diào)制周期的M倍，則在時延為τ、多普勒頻率為ξ時的周期模糊函數(shù)[8-10]為

(3)

由周期模糊函數(shù)和單周期模糊函數(shù)的關(guān)系，式(3)可以表示為

(4)

由此可以看出，周期調(diào)制連續(xù)波信號的模糊函數(shù)|χMT(τ,ξ)|是由其單周期模糊函數(shù)|χT(τ,ξ)|與函數(shù)|sin(πξMT)/Msin(πξT)|的乘積得到，其中M為調(diào)制信號周期數(shù)。

2基于周期模糊函數(shù)的SNR估計

2.1高斯噪聲的模糊函數(shù)

噪聲信號的模糊函數(shù)呈“理想”圖釘型[11]。對于噪聲信號n(t)，由于隨機信號樣本的不確定性，其模糊函數(shù)用統(tǒng)計平均模糊函數(shù)表述[11-13]

(5)

式中：τ為時延；ξ為多普勒頻率；w(t)為相關(guān)器的窗函數(shù)，取決于觀測時間T；“*”表示復(fù)數(shù)共軛；E[·]表示求平均。圖1給出了噪聲信號的歸一化模糊函數(shù)圖，仿真時取觀測時間T=50 s，采樣頻率為fs=2 Hz。

圖1　噪聲信號的模糊函數(shù)圖

顯然，噪聲信號的模糊函數(shù)呈“理想”圖釘型，中心尖峰面積約為1/(TB)(T和B分別表示信號的等效時寬和等效帶寬)，尖峰附近有均勻的非零基臺，這些非零基臺值相對于主峰值來講很小，其面積約為TB。

2.2高斯白噪聲背景下SNR估計

在噪聲背景下的信號可以表示為

x(t)=s(t)+n(t)

(6)

式中：n(t)為均值為零、方差為σ2的高斯白噪聲；s(t)為截獲得到的有用信號。則x(t)的時間-頻率復(fù)合自相關(guān)函數(shù)為

(7)

求平均，式(7)可以表示為

(8)

由于s(t)、n(t)相互獨立，且E[n(t)]=0，上式化簡為

χss(τ,ξ)+χnn(τ,ξ)

(9)

式中：χss(τ,ξ)為信號s(t)的時間-頻率復(fù)合自相關(guān)函數(shù)；χnn(τ,ξ)為高斯白噪聲n(t)的時間-頻率復(fù)合自相關(guān)函數(shù)。因此，x(t)的模糊函數(shù)為

|E[χx(τ,ξ)]|=|χss(τ,ξ)+χnn(τ,ξ)|

(10)

即信號x(t)的模糊函數(shù)為有用信號s(t)的模糊函數(shù)與高斯白噪聲n(t)的模糊函數(shù)之和。

令式(10)中τ=0、ξ=0得

|E[χx(0,0)]|=|χss(0,0)+χnn(0,0)|

(11)

由模糊函數(shù)的性質(zhì)[11]知

(12)

而對于周期模糊函數(shù)，則此時對式(10)中Es和N0分別代表信號和噪聲的平均功率，設(shè)T為信號的持續(xù)時間，則當|τ|≤T時，式(10)為

|E[χxMT(τ+nT,ξ)]|=|χsMT(τ+nT,ξ)+

χnn(τ+nT,ξ)|

(13)

式中：n=±1, ±2, …,χsMT(τ,ξ)為有用信號的周期模糊函數(shù)。由周期模糊函數(shù)的性質(zhì)|χMT(τ+nT,ξ)|=|χMT(τ,ξ)|，則有

|χsMT(τ+nT,ξ)|=|χsMT(τ,ξ)|

(14)

對于高斯白噪聲來說，當n≠0時，χnn(τ+nT,ξ)幾乎為零，因此有

|E[χxMT(τ+nT,ξ)]|≈|χsMT(τ,ξ)|

(15)

可以看出，此時信號x(t)的模糊函數(shù)幾乎只是信號s(t)的模糊函數(shù)在時延|τ|≤T范圍內(nèi)的再現(xiàn)。令上式中τ=0,ξ=0，則有

|E[χxMT(nT,0)]|≈|χsMT(0,0)|=Es

(16)

對于式(13)，當τ=0,ξ=0時，有

|E[χsMT(nT,0)]|=|χsMT(0,0)+χnn(nT,0)|

(17)

又因

(18)

式中：Rn(·)為高斯白噪聲的自相關(guān)函數(shù)，當n≠0時，Rn(nT)幾乎為零。由此可以求出的信噪比為

(19)

式中：n≠0。因此，可以通過在(τ=nT,ξ=0), (n≠0)位置上的模糊函數(shù)值確定有用信號和噪聲的關(guān)系。

根據(jù)上面的分析，基于周期模糊函數(shù)的信噪比估計步驟如下：

第一步，建立待分析中頻數(shù)據(jù)的周期模糊函數(shù)；

第二步，確定周期模糊函數(shù)的中心位置；

第三步，在歸一化的周期模糊函數(shù)下，確定沿時延軸距離中心位置為中頻數(shù)據(jù)長度的周期模糊函數(shù)值；

第四步，根據(jù)式(19)求信噪比。

需要說明的是，周期模糊函數(shù)可以通過快速傅里葉變換方法來實現(xiàn)，這在計算時大大減少了運算量。

3仿真分析

根據(jù)基于周期模糊函數(shù)的信噪比估計方法，通過蒙特卡羅數(shù)字仿真實驗對噪聲環(huán)境下的LFM信號和BPSK信號分別進行信噪比估計仿真。為了方便比較，同時對時頻域結(jié)合法和高階累計量法進行仿真，并給出仿真比較結(jié)果。仿真結(jié)果如圖2和圖3所示，圖中給出了利用三種算法估計得出的信噪比值以及估計值與真實值之間的差值。

圖2　不同算法對LFM信號信噪比估計結(jié)果

圖3　不同算法對BPSK信號信噪比估計結(jié)果

可以看出，時頻域結(jié)合法和高階累計量法對信噪比低于-5 dB下的信號信噪比估計穩(wěn)定性差，特別是時頻域結(jié)合法，在高信噪比時估計精度基本上都大于2 dB，而高階累計量法在高信噪比時估計值和真實值很接近，估計精度高。相比較于時頻域結(jié)合法和高階累計量法，基于周期模糊函數(shù)的信噪比估計方法在整個估計的信噪比范圍內(nèi)都比較穩(wěn)定，估計值和真實值都非常接近，偏差小于2 dB。

4結(jié)束語

周期模糊函數(shù)是研究、分析周期連續(xù)波信號及進行波形設(shè)計的有效數(shù)學工具，它表示時延-頻偏平面的相關(guān)，作為相關(guān)域表示，可以通過快速傅里葉變換的方法快速實現(xiàn)。本文研究基于周期模糊函數(shù)的中頻信號信噪比估計方法，給出了實現(xiàn)算法，并進行了仿真分析。結(jié)果表明，基于周期模糊函數(shù)的信噪比估計法對盲信號信噪比估計在性能上具有明顯的優(yōu)勢，改變了以前算法對低信噪比估計精度不夠、穩(wěn)定度差的狀況；該算法簡單，計算復(fù)雜度小，易于工程實現(xiàn)。

參 考 文 獻

[1]劉靜，趙惠昌，張淑寧. 噪聲對基于PAF的PRBC-CW信號識別的影響[J]. 雷達科學與技術(shù)，2014，12(3): 280-284.

LIU Jing, ZHAO Huichang, ZHANG Shuning. Effect of stationary noise on PRBC-CW signal recognition based on periodic ambiguity function[J]. Radar Science and Technology, 2014,12(3) :280-284.

[2]行正世，謝永亮，劉正奇. 基于小波變換低信噪比下的雷達目標提取[J]. 現(xiàn)代雷達，2015，37(6)：47-49.

XING Zhengshi，XIE Yongliang，LIU Zhengqi. Detection of low signal-noise ratio target based on wavelet transform[J]. Modern Radar, 2015，37(6)：47-49.

[3]岳光榮，田浩，楊霖,等. LTE中一種基于探測參考信號的信噪比估計算法[J]. 電子與信息學報, 2014，36(1)：241-245.

YUE Guangrong, TIAN Hao, YANT Lin, et al. SNR estimation algorithm based on sounding reference signal in LTE[J]. Journal of Electronics & Information Technology, 2014，36(1)：241-245.

[4]陳超，徐長純，王玥. 一種改進的信噪比估計算法[J]. 無線電工程，2012，42(2)：62-64.

CHEN Chao，XU Changchun，WANT Yue. Research on an improved algorithm for SNR estimation[J]. Radio Engineering, 2012，42(2)：62-64.

[5]陳衛(wèi)東，楊紹全，周希元. 未知調(diào)制階數(shù)的MPSK信號信噪比估計算法[J]. 系統(tǒng)工程與電子技術(shù)，2002，24(9)：97-99.

CHEN Weidong, YANG Shaoquan, ZHOU Xiyuan. SNR estimation algorithm for MPSK signals with unknown modulation orders[J]. Systems Engineering and Electronics, 2002，24(9)：97-99.

[6]韓博，吳杰，許華, 等. 基于相關(guān)向量機的信噪比估計算法[J]. 通信學報，2013，34(4)：201-206.

HAN Bo, WU Jie, XU Hua, et al. New SNR estimation algorithm based on relevance vector machine[J]. Journal on Communications, 2013，34(4)：201-206.

[7]林文長，趙維維. 一種新的擴頻信號信噪比估計算法[J]. 無線電工程，2012，42(1)：21-23.

LIN Wenchang，ZHAO Weiwei. A new spread spectrum signal SNR estimation algorithm[J]. Radio Engineering, 2012，42(1)：21-23.

[8]LEVANON N, FREEDOM A. Periodic ambiguity function of CW signals with perfect periodic autocorrelation[J]. IEEE Transactions on Aerospace and Electronic Systems, 1992, 28(2): 387-395.

[9]LEVANON N. The periodic ambiguity function-ts validity and value[C]// 2010 IEEE Radar Conference. Washington DC, USA: IEEE Press, 2010: 204-208.

[10]PACE P E. Detecting and classifying low probability of interface radar[M]. 2nd ed. Norwood, MA, USA: Artech House. 2009.

[11]林茂庸，柯有安．雷達信號理論[M]．北京：國防工業(yè)出版社，1984.

LIN Maoyong, KE Youan. The theory of radar signal[M]. Beijing: National Defense Industry Press, 1984.

[12]劉國歲，顧紅，蘇衛(wèi)民. 隨機信號雷達[M]. 北京：國防工業(yè)出版社，2005.

LIU Guosui, GU Hong, SU Weimin. Random signal radar[M]. Beijing: National Defense Industry Press, 2005.

[13]DAWOOD M, NARAYANAN R M. Generalised wideband ambiguity function of a coherent ultrawideband random noise radar[J]. IEE Proceedings of Radar, Sonar and Navigation, 1994,150 (5): 379- 386.

劉靜女，1983年生，博士，講師。研究方向為信號處理、雷達/通信對抗技術(shù)。

賁德男，1938年生，中國工程院院士，雷達專家。研究方向為雷達技術(shù)。

周新剛男，1981年生，博士，工程師。研究方向為電子對抗、雷達信號處理。

SNR Estimation Based on the Periodic Ambiguity Function Theory

LIU Jing1，BEN De1，ZHOU Xingang2

(1. School of Networks and Telecommunications Engineering,

Jinling Institute of Technology,Nanjing 211169, China)

(2. Center of Communication Networks Technology Management,Nanjing 210016, China)

Abstract：Periodic ambiguity function is related to the time delay and frequency offset plane of a periodic modulation continuous wave, and different signals have different periodic ambiguity functions. To estimate the signal to noise ratio (SNR) of intermediate frequency signal, a method based on periodic ambiguity function was proposed. According to the different ambiguity function performance of signal and noise, the SNR estimation formula based on the periodic ambiguity function on the condition of Gauss white noise was derived, and the algorithm was given. In the end, the simulation was analyzed to compare with other methods. The results show that the accuracy of SNR estimation method based on the periodic ambiguity function is very high, especially for the condition of low SNR, and the algorithm is simple and easy to carry out.

Key words：electronic reconnaissance; intermediate frequency signal; periodic ambiguity function; signal to noise ratio

DOI：·信號/數(shù)據(jù)處理· 10.16592/ j.cnki.1004-7859.2015.12.006

收稿日期：2015-07-20

修訂日期：2015-09-22

通信作者：劉靜Email：liuj608@jit.edu.cn

基金項目：金陵科技學院激勵項目(jit-n-201527)

中圖分類號：TN971.1

文獻標志碼：A

文章編號：1004-7859(2015)12-0025-04