一种线性调频干扰的扫频周期估计方法与流程

1.本发明属于信号处理技术领域，尤其涉及一种线性调频干扰的扫频周期估计方法。


背景技术：

2.线性调频信号(liner frequency modulation，lfm)是指频率随着时间线性变化的信号，线性调频干扰信号是一种典型的压制式宽带干扰信号，归于扫频干扰类型。对于传统的线性调频干扰形式，常常采用分数阶傅里叶变换的形式进行干扰的参数估计。但是，线性调频干扰信号并非属于雷达一类的合作信号，抗干扰接收机常常需要对线性调频干扰信号的周期、调频率等参数进行相应的估计。线性调频干扰信号在战场中往往具有一定的扫频周期，以多周期的方式循环进行广播干扰。传统的分数阶傅里叶变换无法将多周期的lfm信号聚集为一个能量脉冲，因为frft的核函数不能很好地匹配周期lfm信号，对其检测不是最优的。
3.因此，在传统的分数阶傅里叶变换抗干扰方法中，对于线性调频干扰信号周期的估计一般采用盲搜索估计的方式，这是一个二维搜索过程。这一方法预先设定相应的搜索范围和搜索步长，每次选定一个周期后对数据进行加窗处理，然后对加窗后的数据根据不同的搜索阶次进行分数阶傅里叶变换的检测，直到调整参数后获得准确的周期和变换阶次，使得在分数阶傅里叶域下信号聚集为一个能量脉冲，从而估计出相关周期，调频率等参数。方法的优点在于易于实现，但缺点在于分数阶傅里叶域的计算复杂度本来就高，因此二维搜索的代价成倍增加，计算量大，耗时长，不适合快速实现。


技术实现要素：

4.本发明的技术解决问题：克服现有技术的不足，提供一种线性调频干扰的扫频周期估计方法，旨在解决现有的盲搜索周期算法存在的检测成功率低且运算量大的问题，本发明所提方法具有较高的周期检测成功率，同时运算量相对较小，具有较好的稳健性。
5.为了解决上述技术问题，本发明公开了一种线性调频干扰的扫频周期估计方法，包括：
6.步骤1，确定分数阶傅里叶变换当前变换阶次所需的三种线性调频信号chirpa
α
[n]、chirpb
α
[n]、chirpc
α
[n]和归一化常量ca；
[0007]
步骤2，基于确定的分数阶傅里叶变换当前变换阶次所需的chirpa
α
[n]、chirpb
α
[n]和chirpc
α
[n]，对输入的线性调频干扰信号进行分数阶傅里叶变换，得到当前变换阶次下的分数阶傅里叶变换结果；
[0008]
步骤3，对当前变换阶次下的分数阶傅里叶变换结果进行峰值搜索，确定当前变换阶次的峰值数量num_peak；
[0009]
步骤4，对当前变换阶次的峰值数量num_peak进行判断；其中，若num_peak＞1，则表示线性调频干扰信号有多个周期，需要进行分割，记录下当前变换阶次下的分数阶傅里
叶变换结果后，计算得到各个峰值之间的间隔δu的平均值δu
avg
，执行步骤5；
[0010]
步骤5，根据当前变换阶次的变换角度α，计算得到线性调频干扰信号的估计调频率
[0011]
步骤6，根据δu
avg
和计算得到线性调频干扰信号的扫频周期
[0012]
步骤7，重复步骤1～6，完成所有变换阶次的计算，得到所有的扫频周期并输出。
[0013]
在上述线性调频干扰的扫频周期估计方法中，α＝(a
×
π)/2；其中，a表示分数阶傅里叶变换搜索过程中的变换阶次，a∈[0,2]。
[0014]
在上述线性调频干扰的扫频周期估计方法中，a在每次循环中的变换阶次依次为：0、δa、2δa、3δa、
···
、2；其中，δa表示步长，δa＝0.01。
[0015]
在上述线性调频干扰的扫频周期估计方法中，chirpa
α
[n]、chirpb
α
[n]和chirpc
α
[n]分别表示如下：
[0016][0017][0018][0019][0020]
其中，n表示线性调频干扰信号在时域采样区间中各离散信号点，δx表示线性调频干扰信号在时域上的采样区间。
[0021]
在上述线性调频干扰的扫频周期估计方法中，基于确定的分数阶傅里叶变换当前变换阶次所需的chirpa
α
[n]、chirpb
α
[n]、chirpc
α
[n]和ca，对输入的线性调频干扰信号进行分数阶傅里叶变换，得到当前变换阶次下的分数阶傅里叶变换结果，包括：
[0022]
对线性调频干扰信号进行两倍内插后与当前阶次对应的chirpa
α
[n]相乘，得到第一临时变量值ta[n]：
[0023][0024]
其中，表示对线性调频干扰信号进行两倍内插后的时域离散信号；
[0025]
将ta[n]与当前阶次对应的chirpb
α
[n]作卷积运算，得到第二临时变量值ta[m]：
[0026][0027]
其中，m表示分数阶域中的各离散信号点，m∈[-n,n]，n表示在原信号采样后的总点数；
[0028]
将ta[m]与当前阶次对应的chirpc
α
[n]作乘积运算，得到第三临时变量值fa[m]：
[0029]
fa[m]＝ta[m]
×
chirpc
α
[n]
[0030]
将fa[m]与当前阶次对应的ca作乘积运算，得到第四临时变量值fa[m
′
]：
[0031]
fa[m
′
]＝ca×
fa[m]
[0032]
其中，m
′
表示两倍抽取后的采样点；
[0033]
将fa[m
′
]作为当前变换阶次下的分数阶傅里叶变换结果输出。
[0034]
在上述线性调频干扰的扫频周期估计方法中，的解算公式示如下：
[0035][0036]
其中，fs表示采样率，t
obs
表示本地观测时间。
[0037]
在上述线性调频干扰的扫频周期估计方法中，的解算公式示如下：
[0038][0039]
其中，n
sample
表示线性调频干扰信号的数据长度，n
sample
＝fs×
t
obs
。
[0040]
在上述线性调频干扰的扫频周期估计方法中，还包括：预先存储fs、t
obs
、n
sample
、a、chirpa
α
[n]、chirpb
α
[n]、chirpc
α
[n]和ca，以提高分数阶傅里叶变换的数值计算速度。
[0041]
在上述线性调频干扰的扫频周期估计方法中，在步骤4中，若num_peak＝0，则返回步骤2，进行新一轮变换阶次计算。
[0042]
在上述线性调频干扰的扫频周期估计方法中，在步骤4中，若num_peak＝1，则表示线性调频干扰信号只有一个扫频周期，无需分割，按照步骤5～6，计算得到线性调频干扰信号的扫频周期并输出。
[0043]
本发明具有以下优点：
[0044]
(1)本发明公开了一种线性调频干扰的扫频周期估计方法，将分数阶傅里叶变换和周期估计结合在一起，利用了线性调频干扰信号在分数阶变换域下表现为固定峰值并以特定周期延拓的这一性质来快速估计线性调频干扰信号的干扰周期，将原有的二维搜索过程变成了一次分数阶傅里叶变换最优阶次搜索的一维搜索过程，大大降低了运算复杂度和搜索时间。
[0045]
(2)本发明公开了一种线性调频干扰的扫频周期估计方法，复用分数阶傅里叶变换抗干扰的相关系统架构，易于实现，减少了系统设计的复杂度，节省了硬件空间。
[0046]
(3)本发明公开了一种线性调频干扰的扫频周期估计方法，在使用分数阶傅里叶变换算法时，采用了对输出数据进行变换的方法进行量纲归一化转化，且变换所需要的变量较易得到，对输入数据的兼容性较好，使得系统具有较高的稳健性。
[0047]
(4)本发明公开了一种线性调频干扰的扫频周期估计方法，不需要预先对周期搜索的空间和步长做出假定，而是通过对特定变换域峰值之间的间隔直接计算得到相应的周期长度，相较于盲搜索的估计方法，能够在消耗较少资源的情况下获得更高的周期估计精度。
附图说明
[0048]
图1是本发明实施例中一种线性调频干扰的扫频周期估计方法的流程示意图；
[0049]
图2是本发明实施例中又一种线性调频干扰的扫频周期估计方法的流程示意图。
具体实施方式
[0050]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明公开的实施方式作进一步详细描述。
[0051]
本发明的核心思想之一在于：针对现有的盲搜索估计方法存在的不足，本发明提出了一种基于分数阶傅里叶变换的线性调频干扰的扫频周期估计方法，该方法利用了周期线性调频干扰信号在经过特定阶次的分数阶傅里叶变换后，在分数阶变换域中表现为多个能量脉冲，且间距固定的性质，间距间隔与调频率和周期相关，而又因为调频率与当前的特定阶次相关，于是能够利用这一特性估计出当前线性调频干扰信号的周期参数。
[0052]
在本实施例中，如图1，该线性调频干扰的扫频周期估计方法，包括：
[0053]
步骤1，确定分数阶傅里叶变换当前变换阶次所需的三种线性调频信号chirpa
α
[n]、chirpb
α
[n]、chirpc
α
[n]和归一化常量ca。
[0054]
在本实施例中，可提前设定分数阶傅里叶变换搜索过程中的变换阶次a的范围为a∈[0,2]；a在每次循环中的变换阶次依次为：0、δa、2δa、3δa、
···
、2，即可根据一定的步长δa设定每次循环中的变换阶次，δa＝0.01。根据每次循环中的变换阶次可快速确定三种线性调频信号chirpa
α
[n]、chirpb
α
[n]、chirpc
α
[n]和归一化常量ca：
[0055][0056][0057][0058][0059]
其中，α表示变换角度，α＝(a
×
π)/2；n表示线性调频干扰信号在时域采样区间中各离散信号点，δx表示线性调频干扰信号在时域上的采样区间。
[0060]
步骤2，基于确定的分数阶傅里叶变换当前变换阶次所需的chirpa
α
[n]、chirpb
α
[n]和chirpc
α
[n]，对输入的线性调频干扰信号进行分数阶傅里叶变换，得到当前变换阶次下的分数阶傅里叶变换结果。
[0061]
在本实施例中，对输入的线性调频干扰信号进行分数阶傅里叶变换的具体实现流程如下：
[0062]
对线性调频干扰信号进行两倍内插后与当前阶次对应的chirpa
α
[n]相乘，得到第一临时变量值ta[n]：
[0063][0064]
其中，表示对线性调频干扰信号进行两倍内插后的时域离散信号。
[0065]
将ta[n]与当前阶次对应的chirpb
α
[n]作卷积运算，这里可使用两次快速傅里叶变换加一次逆变换进行快速运算，得到第二临时变量值ta[m]：
[0066][0067]
其中，m表示分数阶域中的各离散信号点，m∈[-n,n]，n表示在原信号采样后的总点数。
[0068]
将ta[m]与当前阶次对应的chirpc
α
[n]作乘积运算，得到第三临时变量值fa[m]：
[0069]
fa[m]＝ta[m]
×
chirpc
α
[n]
[0070]
将fa[m]与当前阶次对应的ca作乘积运算，得到第四临时变量值fa[m
′
]：
[0071]
fa[m
′
]＝ca×
fa[m]
[0072]
其中，m
′
表示两倍抽取后的采样点；
[0073]
将fa[m
′
]作为当前变换阶次下的分数阶傅里叶变换结果输出。
[0074]
步骤3，对当前变换阶次下的分数阶傅里叶变换结果进行峰值搜索，确定当前变换阶次的峰值数量num_peak。
[0075]
步骤4，对当前变换阶次的峰值数量num_peak进行判断。
[0076]
在本实施例中，若num_peak＞1，则表示线性调频干扰信号有多个周期，需要进行分割，记录下当前变换阶次下的分数阶傅里叶变换结果后，计算得到各个峰值之间的间隔δu的平均值δu
avg
，执行步骤5。若num_peak＝0，则返回步骤2，进行新一轮变换阶次计算。若num_peak＝1，则表示线性调频干扰信号只有一个扫频周期，无需分割，按照步骤5～6，计算得到线性调频干扰信号的扫频周期并输出。
[0077]
步骤5，根据当前变换阶次的变换角度α，计算得到线性调频干扰信号的估计调频率
[0078]
在本实施例中，的解算公式示如下：
[0079][0080]
其中，fs表示采样率，t
obs
表示本地观测时间。
[0081]
步骤6，根据δu
avg
和计算得到线性调频干扰信号的扫频周期
[0082]
在本实施例中，的解算公式示如下：
[0083][0084]
其中，n
sample
表示线性调频干扰信号的数据长度，n
sample
＝fs×
t
obs
。
[0085]
步骤7，重复步骤1～6，完成所有变换阶次的计算，得到所有的扫频周期并输出。
[0086]
需要说明的是，本实施例中所使用到的fs、t
obs
、n
sample
、a、chirpa
α
[n]、chirpb
α
[n]、chirpc
α
[n]和ca等参数可预先存储，以提高分数阶傅里叶变换的数值计算速度。
[0087]
综上所述，本发明公开了一种线性调频干扰的扫频周期估计方法，在干扰参数估计的时候，将原来的扫频周期与分数阶傅里叶变换最优阶次这两个参数的二维搜索过程，变成了一次分数阶傅里叶变换最优阶次搜索的一维搜索过程，大大降低了运算复杂度和搜索时间；其次，对于周期参数的估算，与抗干扰所需的分数阶傅里叶计算的架构一致，不需要额外的硬件面积，节省了硬件资源；另外，在进行分数阶傅里叶变换之前不需要对数据进行预处理，在处理完之后进行量纲归一化转化的计算，使得系统兼容性更佳；最后，无需对周期进行固定长度的搜索，而是采用特定变换域峰值之间的间隔进行估计，减少了计算量的同时增加了估计精度。
[0088]
在上述实施例的基础上，下面结合一个具体实例进行说明。
[0089]
如图2，该线性调频干扰的扫频周期估计方法的具体实现流程如下：
[0090]
步骤a，提前设定分数阶傅里叶变换搜索过程中的变换阶次a的范围：a∈[0,2]；设定的a改变的步长为δa＝0.01，且a从0开始，直到2结束，每次循环中的变换阶次称为ai。
[0091]
步骤b，预先设定如下计算参数：本地观测时间t
obs
，本地采样间隔1/2δx，采样率fs；因此，输入的线性调频干扰信号的数据长度n
sample
为n
sample
＝fs×
t
obs
。
[0092]
步骤c，根据步骤a确定的每次循环中的变换阶次快速生成分数阶傅里叶变换所需的chirpa
α
[n]、chirpb
α
[n]、chirpc
α
[n]和归一化常量ca：
[0093][0094][0095][0096]
因为在a∈(0.5,1).范围中sgn(sin(α))＝1，所以归一化常量可写为
[0097]
为了加速计算过程，可以提前根据步骤a中的δa将上述相关的常数参数提前存储以加快分数阶傅里叶变换的数值计算速度。本发明方法提前设定大步长的搜索阶次，因此可以提前计算各阶次分数阶傅里叶变换的常数参数，从而加速计算过程。
[0098]
步骤d，利用步骤a的δa步长得到的不同变换阶次与步骤c提前存储的计算常量，在每个阶次下进行分数阶傅里叶计算，具体分为四个子步骤：
[0099]
子步骤d1，对线性调频干扰信号进行两倍内插后与当前阶次对应的chirpa
α
[n]相乘，得到第一临时变量值ta[n]：
[0100][0101]
子步骤d2，将ta[n]与当前阶次对应的chirpb
α
[n]作卷积运算，得到第二临时变量值ta[m]：
[0102][0103]
子步骤d3，将ta[m]与当前阶次对应的chirpc
α
[n]作乘积运算，得到第三临时变量值fa[m]：
[0104]
fa[m]＝ta[m]
×
chirpc
α
[n]
[0105]
子步骤d4，将fa[m]进行两倍抽取并与当前阶次对应的ca作乘积运算，得到第四临时变量值fa[m
′
]：
[0106]
fa[m
′
]＝ca×
fa[m]
[0107]
步骤e，对当前变换阶次下的分数阶傅里叶变换结果进行峰值搜索，确定当前变换阶次的峰值数量num_peak。
[0108]
在本实施例中，因为周期线性调频干扰在分数阶傅里叶域上会产生周期变化的峰值，且峰值临近的谱线存在多条次峰，所以设计了一种适合本方法的多峰探测方式如下：设定检测相关系数，次峰检测范围subpeaks_range＝0.33，值越大检测真峰值可能性越大，但是过大会导致峰值减少，值越小可能导致判定次峰失败。噪声检测范围noise_range＝0.1，该系数乘以最大信号值为判断是否为噪声的阈值。可能的峰值判定范围peaks_range＝0.8，是后续步骤计算的峰值评价值的阈值，这些选出的峰值将会进行是否为次峰的判断，最终选定各个峰值。遍历计算结果一遍，寻找最大峰值max_signal。再次遍历计算结果，计算噪声平均值noise_avg：首先将噪声平均值初值设为0，遍历过程中若是当前信号值符合signal(i)＜max_signal
×
nosie_avg，将其算作噪声，并使用递增的方式更新噪声平均值noise_avg。计算峰值评价值peak_evaluation(i)，计算前步骤中非噪声点的值，对其成为峰值的可能性进行评估，评估的计算公式如下：
[0109]
peak_evaluation(i)＝abs(signal(i)-noise_avg)/(max_signal-noise_avg)
[0110]
进行次峰检测：遍历每一个选取的峰值，根据设定的峰值检索范围判断当前是否
为主峰值。遍历完成后便得到所有的主峰值位置和峰值大小。
[0111]
这一实施方式相对于普通的硬门限选取方法增加了更多的自由度，在保证计算复杂度适当的前提条件下，能够选出分数阶域中周期线性调频信号产生的各个主峰的位置，并且屏蔽周边的次峰影响。同时采用求解平均值的方法，减少误检对后续周期估计带来的影响。
[0112]
步骤f，对当前变换阶次的峰值数量num_peak进行判断。其中，若num_peak＝0，则跳转到步骤d，进行新一轮阶次计算。若num_peak＝1，说明输入的线性调频干扰信号只有一个扫频周期，无需分割，记录下当前阶次用于后续抗干扰处理即可，跳转到步骤d进行新一轮阶次计算。若num_peak＞1，说明当前输入的线性调频干扰信号有多个扫频周期，需要进行分割，记录下当前的变换阶次后，计算各个峰值之间的间隔的平均值记为δu
avg
进入步骤g。
[0113]
步骤g，根据当前变换阶次的变换角度α，计算得到线性调频干扰信号的估计调频率率
[0114]
步骤h，根据步骤b中的n
sample
，步骤e中的当前变换阶次、步骤f中的峰值之间的间隔δu
avg
、步骤g7中的估计调频率计算扫频周期计算扫频周期
[0115]
此时估计了一个分量的线性调频干扰信号的周期，若步骤d中的阶次没有搜索完成，则跳转至步骤d进行其他分量的搜索，若是完成了则输出所有的周期结果。
[0116]
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
[0117]
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。