本发明属于近场非线性目标谐波雷达探测技术领域，主要涉及一种用于谐波雷达频谱感知与频率选择的方法。
背景技术：
谐波雷达主要通过发射经过特别波形设计的电磁波信号，照射到非线性目标上，然后检测非线性目标经过激励之后的再辐射非线性谐波特征信号，实现对含有半导体节点和金属结点等具有内部非线性特性的目标进行检测和定位。与传统线性雷达相比，具有优良的抗线性杂波性能。可以广泛应用于安检、公安、交通和城建等领域。
谐波雷达的发射和接收频率选择必须以目标响应最大化为基本原则，以二次谐波雷达为例，在同样发射功率条件下，谐波雷达接收信号信噪比与距离的六次方呈反比关系，而线性雷达接收信号信噪比与距离的四次方呈反比关系，因此对工作频点的电磁干扰信号更为敏感。另外，谐波雷达的射频器件对电磁干扰也要求较高，除了要防止器件饱和之外，还必须避免干扰信号激励这些射频器件自身产生非线性串扰信号，降低谐波雷达的灵敏度。因此对于谐波雷达而言，实时选择没有电磁干扰信号和低噪底的工作频点尤其重要。
频谱感知是应用于谐波雷达工作频率选择最为常用的方法，通过对谐波雷达接收频点附近一定带宽内的无线电频谱进行实时监测，分辨出具有最小干扰和噪声水平的频点作为最佳工作频点就可以达到最佳探测性能。
在谐波雷达的频谱感知中，一般采用宽带功率检测技术来判断具有最低噪声和干扰的工作频点，除了满足时效性需求之外，通常在频率搜索和检测时还采用以下判据：
--目标频点功率必须小于一定的门限，这样可以保证该频点干扰信号和噪声较低；
--目标频点附近周围的信号功率也必须小于一定的门限，这样可以预防目标频点附近存在强干扰信号，可能会泄漏进入并对目标频点形成时变干扰。
实现上述判据的关键在于需要对整个监测频段进行足够分辨率的频谱分析、搜索和判决，包括采用很大点数的快速傅里叶变换实现高分辨率频率变换，各个频点功率估计，采用加权函数来组合计算可能为目标频率附近的若干频点功率，以及基于快速二分法的最小功率检测与判决。考虑到谐波雷达比传统线性雷达对无线电电磁波干扰的要求更高，其频谱感知分辨率和时效性也要求更高，这就需要消耗非常大的计算资源，引起设备成本、重量大幅度增加，因此传统频谱感知和频率选择方法在谐波雷达领域可应用性较差。
技术实现要素：
针对现有技术中的缺陷，本发明的目的是提供一种用于谐波雷达频谱感知与频率选择的方法。
根据本发明提供的一种用于谐波雷达频谱感知与频率选择的方法，包括：
步骤1：从感知带宽为b的时域采样数据中取出一段数据进行n1点快速傅里叶变换，并计算出各个频点信号功率，得到粗分辨率功率谱估计；
步骤2：对得到的粗分辨率功率谱进行二元门限判决，频率簇聚合和搜索，得到信号功率最小的频率聚合点以及得到频率聚合点；
步骤3：将时域采样数据按照所述频率聚合点和聚合频段进行数字下变频、多速率滤波以及降采样；
步骤4：对经过降采样的时域数据进行n2点快速傅里叶变换，并计算出各个频点信号功率，得到精细分辨率功率谱估计；
步骤5：将所述频率聚合点作为频率信息，实时报送给谐波雷达发射机，谐波雷达发射机根据所述频率信息实时切换工作频点和信号波形。
优选地，所述步骤1包括如下步骤：
步骤1.1：从时域采样数据中选择n1点数据，
步骤1.2：计算各个频点的信号功率
优选地，所述步骤2包括如下步骤：
步骤2.1：对估计得到功率矢量
其中，γ为判决门限值；
步骤2.2：对
步骤2.3：将所有的高功率频率簇ic进行剔除，剩下的各个全0位置组成另外一个低功率频率簇g＝{g1,...,gw}，其中w为低功率频率簇的个数，gi＝{gi,1,...,gi,z(i)}为z(i)个顺序位置集合；计算各个低功率频率簇的平均功率，为
步骤2.4：从qi中搜索最小功率的频率簇，即选择
作为具有最小干扰功率和最低噪声的频率簇，将
所对应的频率点作为频率聚合点以及z(i)所对应的频率区间
优选地，所述步骤3包括如下步骤：
步骤3.1：数字下变频，根据步骤2所得到的频率聚合点c按照下面方式来进行数字下变频：
xddc＝xcos(2πcn)(5)
其中，xddc为下变频前信号，x为下变频前信号，n为正整数；
步骤3.2：对xddc进行d倍降采样；
步骤3.3：对多路延时降采样后的数据进行多相滤波，滤波器的带宽为步骤2中所得到的聚合带宽
hi＝h(i×d+j),j＝1,...,d(6)
将各路多相滤波后的数据进行相加合并运算。
优选地，所述步骤4包括如下步骤：
步骤4.1：从多速率滤波之后的数据中选择n2点数据，计算得到与频率
步骤4.2：计算各个频点的信号功率
优选地，所述步骤5包括如下步骤：
步骤5.1：将门限γ更改为
步骤5.2：将所有的高功率频率簇
作为具有最小干扰功率、最低噪声和具有最大安全带宽的频率簇，将
所对应的频率点作为频率聚合点以及
步骤5.3：将
优选地，在步骤2中，所述频率聚合点是指干扰和底噪功率最小、带宽最大的频率聚合点。
与现有技术相比，本发明具有如下的有益效果：
1)采用多级分辨率细化和多速率降采样技术,解决了谐波雷达频谱感知的高分辨率频率分析和计算复杂度高的问题；
2)使用多级频率簇聚合搜索替代传统频谱感知频率搜索中的快速二分搜索，大幅度提高频率搜索效率和频率感知时效性、实时性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为系统框图。
图2为频域功率二元判决示意图。
图3为高低功率频率簇分簇示意图。
图4为数字下变频和多速率滤波。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的用于谐波雷达频谱感知与频率选择的方法，包括如下步骤：
步骤1：从感知带宽为b的时域采样数据中取出一段数据进行n1点低分辨率快速傅里叶变换，并计算出各个频点信号功率，得到粗分辨率功率谱估计；
步骤2：对得到的粗分辨率功率谱进行二元门限判决，频率簇聚合和搜索，得到信号功率最小的频率聚合点以及得到干扰和底噪功率最小、带宽最大的频率聚合点；
步骤3：将时域采样数据按照所述频率聚合点和聚合频段进行数字下变频、多速率滤波以及降采样；
步骤4：对经过降采样的时域数据进行n2点低分辨率快速傅里叶变换，并计算出各个频点信号功率，得到精细分辨率功率谱估计；
步骤5：将所述干扰和底噪功率最小、带宽最大的频率聚合点作为频率信息，实时报送给谐波雷达发射机，谐波雷达发射机根据所述频率信息实时切换工作频点和信号波形。
所述步骤1包括如下步骤：
步骤1.1：从时域采样数据中选择n1点数据，
步骤1.2：计算各个频点的信号功率
所述步骤2包括如下步骤：
步骤2.1：对估计得到功率矢量
其中，γ为判决门限值，γ的计算主要取决于与n1点快速傅里叶变换相对应的噪声功率；
步骤2.2：对
步骤2.3：将所有的高功率频率簇ic进行剔除，剩下的各个全0位置组成另外一个低功率频率簇g＝{g1,...,gw}，其中w为低功率频率簇的个数，gi＝{gi,1,...,gi,z(i)}为z(i)个顺序位置集合；计算各个低功率频率簇的平均功率，为
步骤2.4：从qi中搜索最小功率的频率簇，即选择
作为具有最小干扰功率和最低噪声的频率簇，将
所对应的频率点作为频率聚合点以及z(i)所对应的频率区间
所述步骤3包括如下步骤：
步骤3.1：数字下变频，根据步骤2所得到的频率聚合点c按照下面方式来进行数字下变频：
xddc＝xcos(2πcn)(5)
其中，xddc为下变频前信号，x为下变频前信号，n为正整数；
步骤3.2：对xddc进行d倍降采样；d的选择取决于谐波雷达频谱感知所需的分辨率、工作波形带宽和计算复杂度等因素。
步骤3.3：对多路延时降采样后的数据进行多相滤波，滤波器的带宽为步骤2中所得到的聚合带宽b，系数为h，各路延时降采样滤波器系数为
hi＝h(i×d+j),j＝1,...,d(6)
将各路多相滤波后的数据进行相加合并运算。
所述步骤4包括如下步骤：
步骤4.1：从多速率滤波之后的数据中选择n2点数据，按照与步骤1.1相同的方式计算得到与频率
步骤4.2：计算各个频点的信号功率
其中，所述步骤5包括如下步骤：
步骤5.1：将门限γ更改为
步骤5.2：将所有的高功率频率簇
作为具有最小干扰功率、最低噪声和具有最大安全带宽的频率簇，将
所对应的频率点作为频率聚合点以及
步骤5.3：将
下面对本发明的优选的实施例进行更为具体的说明。
实施举例1：
如图1所示，本发明主要用来给谐波雷达实时提供工作带宽内频谱感知与频率选择信息，以便快速完成发射机最佳工作频率和最优波形选择。本发明的核心内容主要为频率感知和频率搜索方法。该方法主要包括宽带接收和采样、快速傅里叶变换和功率谱估计模块m1、频率聚合与搜索模块m2、多速率滤波与降采样、快速傅里叶变换与功率谱估计模块m3以及频率聚合与搜索模块m4等模块。
宽带接收和采样主要完成感知带宽为b的接收信号采集。
快速傅里叶变换和功率谱估计模块m1主要完成从感知带宽为b的时域采样数据中取出一段数据进行n1点低分辨率快速傅里叶变换，并计算出各个频点信号功率，得到粗分辨率功率谱估计。具体来说，主要采用以下步骤：
步骤1：从时域采样数据中选择n1点数据，
步骤2：计算各个频点的信号功率
频率聚合与搜索模块m2模块对得到的粗分辨率功率谱进行二元门限判决，频率簇聚合和搜索，得到信号功率最小的频率聚合点和聚合频段，具体来说，包括以下步骤：
步骤1：对估计得到功率矢量
其中，γ为判决门限值，γ的计算主要取决于与n1点快速傅里叶变换相对应的噪声功率，一个n1/2＝50点的频率分量二元判决效果如图2所示；
步骤2：对
步骤3：将所有的高功率频率簇ic进行剔除，剩下的各个全0位置组成另外一个低功率频率簇g＝{g1,...,gw}，其中w为低功率频率簇的个数，gi＝{gi,1,...,gi,z(i)}为z(i)个顺序位置集合。图3标识出了与图2相对应的ε＝2时低功率频率簇聚合结果，可以看到，经过频率聚合之后，一共有6个低功率频率聚合簇。
计算各个低功率频率簇的平均功率，为
步骤4：从qi中搜索最小功率的频率簇，即选择
作为具有最小干扰功率和最低噪声的频率簇，将
所对应的频率点作为频率聚合点以及z(i)所对应的频率区间
多速率滤波与降采样将时域采样数据按照步骤二中所得到的频率聚合点和聚合频段进行数字下变频，多速率滤波和降采样。主要包括以下步骤：
步骤1：数字下变频，根据频率聚合点c按照下面方式来进行数字下变频：
xddc＝xcos(2πcn)(5)
步骤2：对xddc进行d倍降采样，d的选择取决于谐波雷达频谱感知所需的分辨率、工作波形带宽和计算复杂度等因素。
步骤3：对多路延时降采样后的数据进行多相滤波，滤波器的带宽为步骤2中所得到的聚合带宽
hi＝h(i×d+j),j＝1,...,d(6)
将各路多相滤波后的数据进行相加合并运算。
快速傅里叶变换和功率谱估计(二)对经过降采样的时域数据进行n2点低分辨率快速傅里叶变换，并计算出各个频点信号功率，得到精细分辨率功率谱估计。主要包括以下步骤：
步骤1：从多速率滤波之后的数据中选择n2点数据，按照与快速傅里叶变换和功率谱估计模块m1模块中步骤1相同的方式计算得到与频率
步骤2：计算各个频点的信号功率
频率聚合与搜索模块m4主要进行搜索得到干扰和底噪功率最小，带宽最大的频率聚合点，并将该频率信息实时报送给谐波雷达发射机，谐波雷达发射机根据所提供的频率信息实时切换工作频点和信号波形。主要包括以下步骤：
步骤1：将门限γ更改为
步骤2：将所有的高功率频率簇
作为具有最小干扰功率、最低噪声和具有最大安全带宽的频率簇，将
所对应的频率点作为频率聚合点以及
步骤3：将
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。