基于高階累積量和多相濾波器聯(lián)合處理的PRBC-LFM參數(shù)提取*

朱海寬，喬陸

(1.南昌大學(xué)科學(xué)技術(shù)學(xué)院，江西南昌330029;2.河南職業(yè)技術(shù)學(xué)院信息工程系，河南鄭州450046)

基于高階累積量和多相濾波器聯(lián)合處理的PRBC-LFM參數(shù)提取*

朱海寬1*，喬陸2

(1.南昌大學(xué)科學(xué)技術(shù)學(xué)院，江西南昌330029;2.河南職業(yè)技術(shù)學(xué)院信息工程系，河南鄭州450046)

針對(duì)傳統(tǒng)算法在進(jìn)行偽碼-線性調(diào)頻信號(hào)參數(shù)提取時(shí)存在的條件限制和在低信噪比下提取精度不高的問(wèn)題，提出了一種利用多相濾波器組和高階累積量相結(jié)合進(jìn)行參數(shù)的提取方法，該方法能夠完成偽碼-線性調(diào)頻信號(hào)(PRBC-LFM)參數(shù)在高斯噪聲下的提取。首先通過(guò)多相濾波器組能快速完成信號(hào)在頻域上的均勻劃分，接著對(duì)子帶信號(hào)進(jìn)行三階累積量的短時(shí)估計(jì)，從而達(dá)到了抑制高斯噪聲和實(shí)現(xiàn)在低信噪比下進(jìn)行信號(hào)參數(shù)的提取的目的。測(cè)試結(jié)果表明，在低信噪比下使用該方法進(jìn)行參數(shù)估計(jì)時(shí)精度很高。

信息處理;參數(shù)提取;多相濾波器;三階累積量;線性調(diào)頻;高斯噪聲;低信噪比

偽碼調(diào)相屬于離散編碼脈沖壓縮信號(hào)的范疇，其最大的優(yōu)點(diǎn)就是抗干擾能力很強(qiáng)。線性調(diào)頻信號(hào)自身具有的特點(diǎn)是大時(shí)寬帶寬積和大多普勒容限。如果把兩種信號(hào)進(jìn)行復(fù)合，會(huì)把兩者的優(yōu)點(diǎn)全部體現(xiàn)出來(lái)，同時(shí)還能實(shí)現(xiàn)相補(bǔ)相成。雷達(dá)和微小型探測(cè)器中廣泛的使用著此信號(hào)。但是，最難解決的問(wèn)題是低信噪比條件下信號(hào)的參數(shù)估計(jì)。所以低信噪比下偽碼-線性調(diào)頻信號(hào)的參數(shù)的提取就顯得非常的重要。

傳統(tǒng)的低信噪比下偽碼-線性調(diào)頻信號(hào)的參數(shù)的提取方法有很多，比如SPWVD法［1］、WVD法、SCF法等。但是這些方法的實(shí)現(xiàn)都是有條件限制的，SPWVD法需要知道偽隨機(jī)碼序列或其功率譜，WVD法受時(shí)頻面上的交叉項(xiàng)影響嚴(yán)重［2］，SCF法必須在信噪比較高時(shí)才有較高的估計(jì)精度［3］。

針對(duì)這些問(wèn)題，文章提出了一種新的方法。這種方法可以實(shí)現(xiàn)在高斯噪聲下進(jìn)行偽碼-線性調(diào)頻信號(hào)參數(shù)的提取。此方法的核心思想是，首先使用多相濾波器完成信號(hào)的時(shí)頻描述。通過(guò)對(duì)子帶信號(hào)的三階累積量短時(shí)估計(jì)時(shí)，不但能很好的抑制高斯噪聲，而且能夠?qū)崿F(xiàn)對(duì)信號(hào)在低信噪比下進(jìn)行檢測(cè)識(shí)別與參數(shù)估計(jì)。所以，該方法不需要知道已知信號(hào)參數(shù)方面就可以實(shí)現(xiàn)在低信噪比下進(jìn)行信號(hào)參數(shù)的提取。

1 偽碼－線性調(diào)頻復(fù)合信號(hào)特性

偽碼-線性調(diào)頻復(fù)合信號(hào)的構(gòu)成形式如圖1所示，偽碼調(diào)相連續(xù)波中的每個(gè)碼元都進(jìn)行線性調(diào)頻。

圖1 偽碼－線性調(diào)頻復(fù)合信號(hào)構(gòu)造形式

偽碼-線性調(diào)頻復(fù)合信號(hào)的時(shí)域可表示為:

式中，*是卷積，p、T、cn分別是偽碼序列的長(zhǎng)度、碼元寬度和系數(shù)，μ是調(diào)頻斜率。

2 多相濾波器組與高階累積量估計(jì)

實(shí)現(xiàn)信號(hào)在頻域上的快速劃分只需要一個(gè)低通原型濾波器，這是因?yàn)槎嘞酁V波器組有結(jié)構(gòu)簡(jiǎn)單、計(jì)算效率高的特點(diǎn)。低通原型濾波器的轉(zhuǎn)移函數(shù)可表示為:

式中，h(n)、N分別是濾波器的沖擊響應(yīng)和長(zhǎng)度，L是抽取率，如果Q=N/L為整數(shù)，H(z)可以轉(zhuǎn)化成:

式中，

式(5)是H(z)的多相分量。假設(shè):

此信號(hào)在ρ路輸入此時(shí)多相濾波器組的第ρ路輸出是:

充分利用IDET運(yùn)算原理，可以實(shí)現(xiàn)把此信號(hào)在頻域上分成相同的幾部分，則第i個(gè)輸出頻帶的時(shí)域是:

式(8)中，W=e-j2π/L，*表示共軛。綜上所述，在頻域上進(jìn)行信號(hào)快速均的勻劃分可以通過(guò)多相濾波器組實(shí)現(xiàn)。高階累積量包含的相位信息非常多，抑制高斯噪聲的能力也很強(qiáng)，這就需要首先把信號(hào)分解為子帶信號(hào)，這個(gè)過(guò)程可以通過(guò)多相濾波器組實(shí)現(xiàn)。然后為了更好的抑制高斯噪聲，還要把每個(gè)子帶信號(hào)進(jìn)行三階累積量短時(shí)估計(jì)的處理。設(shè)z(n)是其中的一個(gè)零均值信號(hào)，對(duì)其進(jìn)行三階累積量短時(shí)估計(jì)為:

式(9)中，

w(n)是窗函數(shù)，此函數(shù)的長(zhǎng)度為2K+1，K值不能太大，誤差的產(chǎn)生隨著K值得增大而增減，相反如果K值太小，抑制高斯噪聲的能力會(huì)大大降低。所以，文章中選用K=2的布萊克曼窗。

為了檢測(cè)LPI雷達(dá)信號(hào)的特征信息，需要把每個(gè)子帶信號(hào)都構(gòu)造成一維非線性函數(shù)，這是因?yàn)橐痪S非線性函數(shù)不但能很好的反映出相應(yīng)點(diǎn)能量的大小，而且能很好的消去累積量計(jì)算中三階諧波的影響［5］。此函數(shù)可表示為:

式中，i是濾波器序號(hào)，k是濾波器序號(hào)對(duì)應(yīng)的窗。

此時(shí)的信號(hào)主要由正交和同相兩個(gè)分量組成的，經(jīng)過(guò)正交濾波器的子帶信號(hào)是:

經(jīng)過(guò)同相濾波器第i個(gè)子帶信號(hào)可表示成:

經(jīng)過(guò)推到可得:

由式(13)可得，階諧波分量并不存在檢測(cè)函數(shù)中，這說(shuō)明各頻帶之間基本不會(huì)出現(xiàn)相互影響的情況［6］。

3 時(shí)頻圖像的信號(hào)參數(shù)

時(shí)頻矩陣可表示為:

式中，L是濾波器組數(shù)，Q是數(shù)據(jù)長(zhǎng)度。如果要把把幾何形狀從圖像中識(shí)別出來(lái)必須要通過(guò)Radon變換才能實(shí)現(xiàn)。主要利用的是點(diǎn)與線的對(duì)偶性，可以把圖像空間的直線變?yōu)橐粋€(gè)點(diǎn)。所以通過(guò)尋找參數(shù)空間中的峰值就能檢測(cè)到直線［7］。設(shè)ρ=x cosθ+y sinθ是直線的參數(shù)方程，f(x，y)是一幅二維圖像，此圖像的Radon變換可表示為:

式中，s和ρ是相互垂直的，s=y cosθ-x sinθ。θ值可以通過(guò)搜索R(ρ，θ)的峰值得到。設(shè)θs=arg(ρ，θ)max(R (ρ，θ))，則一維切片為Rθs(ρ)，通過(guò)自適應(yīng)維納濾波就可以實(shí)現(xiàn)去除在θs角度處噪聲的干擾，自適應(yīng)維納濾波可表示為:式中，μ是局部均值，δ2和ν2分別是方差估計(jì)和噪聲方差估計(jì)。要實(shí)現(xiàn)除掉雜散點(diǎn)干擾的同時(shí)保證Rθs(ρ)含有完整的碼元，就必須把Rθs(ρ)中的某些值進(jìn)行置零，這些值都具有一個(gè)共同的特點(diǎn)那就是小于最大值一半［8］。經(jīng)過(guò)處理后的Rθs(ρ)如圖2所示。

圖2 Rθs(ρ)在θs處的一維切片

設(shè)N是偽碼數(shù)量，d是相鄰直線之間距離，這兩個(gè)參數(shù)都可以通過(guò)對(duì)Rθs(ρ)一維搜索得到。把θs進(jìn)行Radon變換，設(shè)T是碼元寬度，B是帶寬，μ是調(diào)頻斜率，則前兩個(gè)個(gè)參數(shù)和θs以及直線間的距離d可用圖3表示出來(lái)。

圖3 復(fù)合信號(hào)時(shí)頻圖

通過(guò)對(duì)圖3的分析可以得到，

式中，fs是采樣頻率。

頻率曲線φ3(f)可以通過(guò)把φ3的積分投影到頻率軸上獲得，通過(guò)另外一種方式可以得到信號(hào)載頻估計(jì)fc=argfmax(φ3(f))，這種方式就是搜索最大值。同時(shí)還必須把φ3(f)中小于最大值一半的點(diǎn)置零［9］。如圖4所示。

信號(hào)起始頻率fl可以通過(guò)搜索φ3(f)起點(diǎn)獲得，同樣道理，截止頻率fh可以通過(guò)搜索φ3(f)終點(diǎn)獲得。

圖4 時(shí)頻矩陣積分投影后的頻率曲線

4 測(cè)試結(jié)果和結(jié)論

4.1 測(cè)試結(jié)果

文章通過(guò)使用歸一化均方根誤差作為衡量標(biāo)準(zhǔn)來(lái)驗(yàn)證本算法的效果。設(shè)向量x=(x1，x2，…，xn)是x的N各估計(jì)值，x的歸一化均方根誤差可表示成:

設(shè)載波頻率為1 500 Hz，采樣頻率為9 000 Hz，帶寬為1 500 Hz，起始頻率和截止頻率分別為600 Hz和1 800 Hz。通過(guò)組數(shù)是64的多相濾波器組，抽取比為64的低通原型濾波器進(jìn)行仿真測(cè)試。并和SCF法、SPWVD法、WVD法進(jìn)行了比較，在測(cè)試過(guò)程中加入了零均值加性高斯白噪聲。具體的仿真結(jié)果如圖5和圖6所示。

圖5 參數(shù)調(diào)頻斜率和載頻測(cè)試結(jié)果

通過(guò)圖5(a)可以看出，對(duì)參數(shù)μ估計(jì)時(shí)，信噪比越低，和其他方法相比本文算法的估計(jì)精度越高。通過(guò)圖5(b)可以看出，對(duì)參數(shù)fc估計(jì)時(shí)，當(dāng)信噪比低于-4 dB時(shí)，和其他方法相比本文算法的估計(jì)精度更高。通過(guò)圖6(a)可以看出，對(duì)參數(shù)T估計(jì)時(shí)，當(dāng)信噪比低于0 dB時(shí)，本文算法的估計(jì)精度也是最高的。通過(guò)圖6(b)可以看出，和其他方法相比本文算法，當(dāng)信噪比大于-11 dB時(shí)，估計(jì)精度較高。

圖6 其他參數(shù)的估計(jì)

4.2 結(jié)論

文章中使用的多相濾波器具有容易實(shí)現(xiàn)和運(yùn)算效率高的優(yōu)點(diǎn)。高階累積量和多相濾波器的綜合應(yīng)用，在實(shí)現(xiàn)信號(hào)在頻域上的劃分的同時(shí)還改善信噪比。從而獲得了信號(hào)完整的時(shí)頻矩陣，實(shí)現(xiàn)了偽碼-線性調(diào)頻信號(hào)參數(shù)在高斯噪聲下的提取。文章還給出了μ、fc、T、B、N、fl、fh的估計(jì)方法。測(cè)試結(jié)果表明，此方法的最大優(yōu)點(diǎn)是估計(jì)精度較高。

［1］張福洪，朱芳英.基于多智能體粒子群算法的盲均衡技術(shù)研究［J］.電子器件，2010，33(1):121-124.

［2］楊清玉，于寧，王霄，等.無(wú)線傳感器網(wǎng)絡(luò)線性調(diào)頻擴(kuò)頻測(cè)距方法研究［J］.傳感技術(shù)學(xué)報(bào)，2010，23(12):1761-1765.

［3］朱雙兵，楊維明，吳恙，等.基于CORDIC算法的線性調(diào)頻信號(hào)產(chǎn)生［J］.電子器件，2013，36(4):497-501.

［4］夏少峰，黃世震.基于System Generator的CORDIC算法DDS的FPGA實(shí)現(xiàn)［J］.電子器件，2010，33(1):128-131.

［5］王文生，齊廣學(xué)，溫淑慧，等.一種高精度超聲測(cè)距方法的研究［J］.傳感技術(shù)學(xué)報(bào)，2002，9(3):219-221.

［6］王文才，陳昌明，黃剛.PLL驅(qū)動(dòng)DDS的低相噪小步進(jìn)LFM信號(hào)源設(shè)計(jì)［J］.電子器件，2015，38(2):348-351.

［7］張福洪，張振強(qiáng)，馬佳佳.基于ADS的平行耦合微帶線帶通濾波器的設(shè)計(jì)及優(yōu)化［J］.電子器件，2010，33(4):433-437.

［8］石為人，賈傳江，梁煥煥.一種改進(jìn)的無(wú)線傳感器網(wǎng)絡(luò)DV-Hop定位算法［J］.傳感技術(shù)學(xué)報(bào)，2011，24(1):83-87.

［9］何國(guó)鋼，鄧平.一種高斯噪聲下基于最大分散度的WSN半定規(guī)劃定位算法［J］.傳感技術(shù)學(xué)報(bào)，2012，25(8):1116-1120.

朱海寬(1979-)，男，漢，江西南昌人，南昌大學(xué)科學(xué)技術(shù)學(xué)院工作，講師，碩士(南昌大學(xué))，研究方向?yàn)殡娮酉到y(tǒng)設(shè)計(jì)及信號(hào)處理，ncdxzhk@sina.com;

喬陸(1979-)，男，漢，河南省鄭州市人，河南職業(yè)技術(shù)學(xué)院工作，講師，碩士(華中科技大學(xué))，研究方向?yàn)榍度胧较到y(tǒng)及信號(hào)處理，shuimuxintaizi@ 163.com。

The PRBC-LFM Parameter Extraction on the Joint Treatment of High Order Accumulation and Ploy-Phase Filter*

ZHU Haikuan1*，QIAO Lu2

(1.College of Science and Technology，Nanchang University，Nanchang He’nan 330029，China; 2.Department of Information Engineering，Henan Polytechnic College，Zhengzhou 450046，China)

During the pseudo-code for the traditional algorithm-linear FM(Frequency Modulation)signal parameter extraction conditions and extraction accuracy is not high in the low signal-to-noise ratio，a pseudo-code-LFM Signal in Gaussian noise to extract new methods is proposed.Themethod utilizes a polyphase filter bank and the higherorder cumulants combination of the parameters of the extraction，first polyphase filter bank can quickly complete the uniform division of the signal in the frequency domain，followed by a sub-band signal to conduct a third-order cumulant of the short-term estimates，so as to achieve the purpose of suppression of Gaussian noise and low signal-tonoise ratio of signal parameters extracted.The test results show that the high precision when using thismethod to estimate the parameters in the low signal-to-noise ratio.

information processing;Parameter extraction;poly-phase filter;third-order accumulation;linear frequency modulation(LFM);Gaussian noise;low signal to noise ratio

C:6140

10.3969/j.issn.1005－9490.2017.01.021

TN911.4

:A

:1005－9490(2017)01－0108－05

項(xiàng)目來(lái)源:江西省教育廳科技計(jì)劃項(xiàng)目(GJJ14869)

2016-02-04修改日期:2016-03-31