一种基于延迟相关函数的高动态信号参数估计方法

摘要

本发明的目的在于提出一种基于延迟相关函数的参数估计方法，该方法利用KT变换消除延迟相关后的残留距离徙动；迭代过程中利用高阶动态参数估计结果，通过频域补偿的方式，同时补偿高阶动态造成的距离徙动和多普勒频率徙动；通过设计延迟相关的延迟变量，提高参数估计精度。本发明适合雷达信号的动态参数估计。

说明书

技术领域

本发明涉及一种动态信号的参数估计方法，特别适用于低载噪比、高动态环境下的信号参数估计，属于雷达信号处理领域。

背景技术

运动目标的动态参数估计精度影响着雷达动目标检测和高分辨率雷达成像的效果。为提高目标的参数估计精度，通常通过相参积累的方式提高信噪比。相参积累时间内，目标运动的高动态会造成雷达回波信号距离徙动和多普勒频率徙动，从而造成严重的信噪比损失，影响参数估计性能。

基于广义Radon傅里叶变换(GRFT)的参数估计方法可以通过参数多维联合搜索消除距离徙动和多普勒频率徙动的影响，但计算量过大，不适用于多阶动态模型下的参数估计；多项式相位变换(PPT)，积分广义模糊函数(IGAF)等方法通过迭代延迟相关处理，将参数多维联合搜索转化为多个一维搜索，运算量大大降低，但该类方法仅对多普勒频率徙动进行校正，不能修正距离徙动的影响，因此需要和距离徙动校正方法一起使用。Keystone变换(Keystone变换)利用变采样率的方式可实现距离徙动的盲校正，但仅能校正某一阶动态影响，对多阶动态模型则不再适用。在2014年IEEE Signal Processing Letters第22卷第3期第270页至274页由Xiaolong Li等人发表的“A FastManeuvering TargetMotionParameters EstimationAlgorithm Based onACCF”一文中，提出了基于相邻延迟相关函数(ACCF)的参数估计方法。该方法通过延迟相关处理，实现距离维和频率维动态的联合降阶，无需进行参数的多维联合搜索。但该方法在估计动态参数时，没有对延迟相关后的残留距离徙动进行补偿；且在利用递推方式估计低阶动态参数时，仅利用高阶动态参数估计结果修正了高阶动态的多普勒频率徙动，而没有修正高阶动态的距离徙动。

上述方法处理中不考虑延迟相关后残留距离徙动的影响，因此对动态参数的大小存在约束。且该方法采用相邻延迟相关的处理方式，延迟时间短，动态参数估计精度较低。因此，为消除对动态参数的约束，同时提高ACCF的估计精度，还需要对该方法进行改进，就本发明的内容而言，国内外尚未见报道。

发明内容

本发明的目的在于提供一种基于延迟相关函数的高动态信号参数估计方法,该方法利用Keystone变换消除延迟相关后的残留距离徙动；迭代过程中利用高阶动态参数估计结果，通过频域补偿的方式，同时补偿高阶动态造成的距离徙动和多普勒频率徙动；通过设计延迟相关的延迟变量，提高参数估计精度。适合雷达信号的动态参数估计。

本发明通过以下技术方案实现：

一种基于延迟相关函数的高动态信号参数估计方法，包括以下步骤：

(1)逻辑控制模块设置动态阶次k初值为N-1，其中N为最高阶动态阶次，补偿函数构建模块设置补偿函数初值为1；

(2)对接收信号进行采样，构建接收信号矩阵；

(3)延迟相关模块接收到接收信号矩阵后，计算各阶延迟相关函数，并将该延迟相关函数输出给快时间维傅里叶变换模块；

(4)快时间维傅里叶变换模块接收延迟相关函数，对其进行快时间维傅里叶变换，得到快时间维频域值矩阵，并将该矩阵输出给频域值矩阵存储模块，频域值矩阵存储模块存储各阶延迟相关函数快时间维频域值矩阵；

(5)逻辑控制模块将动态阶次k输出给频域值矩阵存储模块和补偿函数构建模块；

(6)频域值矩阵存储模块按照逻辑控制模块输出的动态阶次k，输出k阶延迟相关函数给动态补偿模块；

(7)补偿函数构建模块输出补偿函数给动态补偿模块；

(8)动态补偿模块接收所述的补偿函数和k阶延迟相关函数，将两矩阵对应元素相乘得到修正后的频域值矩阵，输出给Keystone变换模块；

(9)Keystone变换模块接收所述修正后的频域值矩阵，在每一个频域变量f_τ的取值下进行Keystone变换，得到修正后的相邻互相关函数快时间维频域矩阵，并输出给快时间维逆傅里叶变换模块；

(10)快时间维逆傅里叶变换模块接收修正后的相邻互相关函数快时间维频域矩阵，并对该矩阵进行快时间维逆傅里叶变换，输出残留距离徙动校正后的时域值矩阵；

(11)慢时间维傅里叶变换模块接收残留距离徙动校正后的时域值矩阵，对该矩阵进行慢时间维傅里叶变换，输出修正后的相邻互相关函数慢时间维频域矩阵给参数估计模块；

(12)参数估计模块接收修正后的相邻互相关函数慢时间维频域矩阵，选取该矩阵绝对值最大值所在的位置，计算其对应的快时间延迟和慢时间频域值，得到为k阶相关函数第0，1个动态参数的估计值，并根据该估计值和一轮迭代获得的b_k,2，b_k,3，…，b_k,N-k的估计值，求得b_k-1,2，b_k-1,3，…，b_k-1,N-k+1；在完成参数估计后，参数估计模块发出触发脉冲信号，并将触发脉冲信号输出给逻辑控制模块，将参数估计结果输出给补偿函数构建模块；

(13)逻辑控制模块检测到触发脉冲信号后，令k＝k-1，并对k的值进行判断，若k＝0，跳至步骤(15)；否则将k输出给频域值矩阵存储模块和补偿函数构建模块；

(14)补偿函数构建模块接收参数估计结果后，重新构建补偿函数，并跳转至步骤(5)；

(15)逻辑控制模块输出估计参数结果，结束参数估计。

本发明提出的低信噪比、高动态场景下雷达信号参数估计方法的有益效果如下：

1、本发明基于延迟相关的雷达信号参数估计方法，不用通过多维参数搜索即可解决高阶距离维徙动问题，所以相对GRFT等方法，本方法运算量低、存储量小、实时性高。

2、本发明借鉴ACCF方法，进行延迟相关处理，相比PPT和IGAF等方法，可实现距离维和频率维动态徙动的联合校正。

3、本发明在ACCF方法的基础上进行改进：利用Keystone变换，消除延迟相关后残留距离徙动；迭代过程中利用高阶动态参数估计结果，通过频域补偿的方式，同时补偿高阶动态造成的距离徙动和多普勒频率徙动；通过设计延迟相关的延迟变量，提高参数估计精度。经过上述处理，消除了ACCF方法方法中对限制了高阶动态造成的距离徙量参数的限制，提高了动态参数估计分辨率。

4、本发明与ACCF的方法相比，距离维聚焦性能更好，具有更好的抗噪声性能，更加适用于低信噪比、高动态场景下雷达信号的参数估计。

附图说明

图1为本发明基于延迟相关函数的高动态信号参数估计方法框图；

具体实施方式

首先，本发明的基于延迟相关函数的参数估计方法原理如下：

在多阶动态下，不考虑噪声干扰，接收到的基带信号可表示为

其中，T_p为脉冲宽度，f_c为载波频率，γ是调频率，T_r为脉冲重复间隔，t_m＝mT_r为慢时间，t_s＝t-t_m为快时间，N为最高阶动态阶次。距离R(T_k)为：

其中，a₀为雷达和目标之间的初始距离，a₁，a₂，…，a_N分别各阶目标动态参数。

计算接收信号一阶延迟相关函数R₁

其中，

τ₁为快时间维延迟变量，q₁为慢时间维延迟变量。

k阶延迟相关函数R_k(τ_k,t_m；q_k)可由R_k-1(τ_k-1,t_m；q_k-1)得到

其中，τ_k为k阶快时间维延迟变量，q_k为k阶慢时间维延迟变量。b_k,i为k阶相关函数第i个动态参数，且有

则第N-1阶延迟相关函数为

通过Keystone变换消除R_N-1(τ_N-1,t_m；q_N-1)残留的距离徙动

其中，KT表示Keystone变换，FT表示傅里叶变换。

可见Keystone变换后包络峰值位置为τ_N-1＝-2b_N-1,0/c与t_m'无关，即Keystone变换消除了延迟相关后残留距离徙动的影响。

进一步地，在慢时间维对R_N-1(τ_N-1,t_m'；q_N-1)进行傅里叶变换得到

包络峰值位置为(τ_N-1,f_m')＝(-2b_N-1,0/c,-2f_cb_N-1,1/c)，即通过峰值搜索可获得估计值和通过式(6)可进一步得到估计值和

利用估计值构建补偿函数

其中，f_τ为快时间维频域值。

将N-2阶延迟相关函数R_N-2(τ_N-2,t_m')进行快时间维傅里叶变换，与补偿函数H(f_τ,t_m)相乘后，进行快时间维逆傅里叶变换运算，得修正后的相邻互相关函数

经过上述处理，利用高阶动态估计结果构建补偿函数，对低阶延迟相关函数进行补偿，可降低低阶延迟相关函数的动态阶次。进而对补偿后结果进行Keystone变换和傅里叶变换运算(参考公式(8)～(9))，可实现能量在距离维和多普勒维联合聚焦，获得N-2阶参数估计结果。

经过N-1次上述递推处理，可实现由高阶到低阶动态参数的估计。

需要注意的是，慢时间维延迟变量q_k≥1，若固定采样信号样本长度，q_k越大相关后的样本点数越小；若采样信号样本长度不限，q_k越大所需的采样信号样本长度越长，总计算量越大，因此需要折衷选取q_k的值。

本发明结构框图如图1所示，包括接收信号矩阵模块、延迟相关模块、快时间维傅里叶变换模块、频域值矩阵存储模块、逻辑控制模块、补偿函数构建模块、动态补偿模块、Keystone变换模块、快时间维傅里叶变换模块、慢时间维傅里叶变换和参数估计模块。

下面举例描述本发明的具体步骤如下：

(1)逻辑控制模块设置动态阶次k初值为N-1，补偿函数构建模块设置补偿函数初值为H(f_τ,t_m)＝1。

(2)对接收信号进行采样，构建接收信号矩阵。

(3)延迟相关模块接收到接收信号矩阵后，根据公式(3)和公式(5)计算各阶延迟相关函数R₁(τ₁,t_m；q₁)、R₂(τ₂,t_m；q₂)、…、R_N-1(τ_N-1,t_m；q_N-1)，输出给快时间维傅里叶变换模块。

(4)快时间维傅里叶变换模块接收延迟相关函数，对其进行快时间维傅里叶变换，得到R₁(f_τ,t_m)、R₂(f_τ,t_m)，…、R_N-1(f_τ,t_m)，输出给频域值矩阵存储模块。

(5)频域值矩阵存储模块存储各阶延迟相关函数快时间维频域值矩阵。

(6)逻辑控制模块将动态阶次k输出给频域值矩阵存储模块和补偿函数构建模块。

(7)频域值矩阵存储模块按照逻辑控制模块输出的动态阶次k，输出k阶延迟相关函数R_k(f_τ,t_m)给动态补偿模块。

(8)补偿函数构建模块输出补偿函数H(f_τ,t_m)给动态补偿模块。

(9)动态补偿模块接收H(f_τ,t_m)和R_k(f_τ,t_m)，将两矩阵对应元素相乘得到修正后的频域值矩阵输出给Keystone变换模块。

(10)Keystone变换模块接收矩阵在每一个f_τ的取值下进行Keystone变换，得到矩阵输出给快时间维逆傅里叶变换模块。

(11)快时间维逆傅里叶变换模块接收矩阵对该矩阵快时间维进行逆傅里叶变换，输出残留距离徙动校正后的时域值矩阵

(12)慢时间维傅里叶变换模块接收矩阵对该矩阵慢时间维进行傅里叶变换，输出矩阵给参数估计模块。

(13)参数估计模块接收矩阵选取最大值所在的位置(X_index，Y_index)，计算其对应的快时间延迟τ_k和慢时间频域值f_m'，得到b_k,0，b_k,1的估计值，计算公式为

(τ_k,f_m')＝(-2b_k,0/c,-2f_cb_k,1/c)>

利用此处获得的b_k,0，b_k,1的估计值，和上一轮迭代获得的b_k,2，b_k,3，…，b_k,N-k的估计值，根据公式(6)进一步求得b_k-1,2，b_k-1,3，…，b_k-1,N-k+1，||表示取模运算。在完成参数估计后，参数估计模块发出触发脉冲信号flagk。参数估计模块将触发脉冲信号输出给逻辑控制模块，将参数估计结果输出给补偿函数构建模块。

(14)逻辑控制模块检测到触发脉冲信号flagk后，令k＝k-1，并对k的值进行判断，若k＝0，跳至步骤(16)；否则将k输出给频域值矩阵存储模块和补偿函数构建模块。

(15)补偿函数构建模块接收参数估计结果后，重新构建补偿函数H(f_τ,t_m)。H(f_τ,t_m)可表示为

跳转至步骤(6)。

(16)逻辑控制模块输出估计参数结果，结束参数估计。