本发明属于信号处理,具体涉及一种基于fastica算法的雷达测距方法。
背景技术:
1、在通信信号处理中,由于复杂密集的电磁环境干扰,信号受到环境中噪声和强信号的影响,给信号的分选带来了极大的困难,弱信号难以被检测出来,进而不能准确的提取出想要的目标信号。盲源分离方法中的独立分量分析技术是基于统计数据中寻找独立因子或成分的方法。fastica算法是盲源分离方法中运行效率较高的一种算法,在变量和混合系统均未知的情况下,通过对观测信号的分解得到隐含在其中的统计独立的若干变量。传统fastica算法是基于二阶牛顿迭代方法进行合理近似的一种算法。为了提高fastica算法的稳定性,减少迭代次数,近年来许多学者提出了改进的fastica算法。其中基三阶牛顿迭代法的改进fastica算法,其收敛速度快于传统算法。
2、当前的fpga实现现有fastica算法的迭代公式时,基本如下问题:1、算法结构复杂,计算过程涉及大量的矩阵处理,计算量巨大,且计算结果需要多次通过ram进行写入和读取,耗费时间;2、算法中矩阵运算中的多项式的实现大都采取分部运算形式,后续计算需要等待前面的计算完成之后才能进行,造成大量等待时间,从而进一步导致实时性不足;3、现有改进fastica算法所需的迭代多项式结构更为复杂,数据量多,运算复杂,以硬件电路形式实现公式计算占用资源较大。
技术实现思路
1、针对现有技术存在的不足,本发明提出了一种基于fastica算法的雷达测距方法,该方法包括:
2、s1:采集多路雷达信号的观测信号数据;
3、s2:对多路观测信号进行预处理,得到白化数据;其中,预处理包括中心化和白化处理;
4、s3:将白化数据输入到改进fastica算法模块中进行处理,得到分离信号;
5、s4:将分离信号输入到lfm雷达信号脉冲压缩系统中进行处理,得到距离信息。
6、优选的,改进fastica算法模块对白化数据进行处理的过程包括:
7、s31:根据传统迭代公式对白化数据进行迭代计算,得到中间变量矩阵和迭代中间参数;
8、s32:根据改进迭代公式对中间变量矩阵和迭代中间参数进行迭代计算,得到初始解混矩阵;
9、s33:对初始解混矩阵进行正交化和单位化处理,得到更新的解混矩阵;
10、s34:判断解混矩阵是否收敛,若收敛,则输出该解混矩阵,否则,返回步骤s31;
11、s35:将解混矩阵与白化数据相乘,得到分离信号。
12、进一步的,根据传统迭代公式对白化数据进行迭代计算的过程包括:
13、将解混矩阵的列向量与白化数据中的每组数据分别相乘,得到多个初始分离信号数据;第一次进行传统迭代公式计算时,解混矩阵为随机生成;
14、将初始分离信号数据、解混矩阵和白化数据代入传统迭代公式中进行计算,得到多个初始中间变量矩阵的列向量;根据多个初始分离信号数据分别计算得到多个初始迭代中间参数;
15、对多个初始中间变量矩阵的列向量和多个初始迭代中间参数分别求平均值,得到更新后的中间变量矩阵和迭代中间参数。
16、进一步的,所述传统迭代公式为:
17、
18、其中,表示第i个中间变量矩阵的列向量,zi表示第i组白化数据,wi表示第i个解混矩阵的列向量,yi表示第i个初始分离信号数据。
19、进一步的,根据初始分离信号数据计算得到初始迭代中间参数的公式为:
20、β=yi4
21、其中,β表示初始迭代中间参数,yi表示第i个初始分离信号数据。
22、进一步的,根据改进迭代公式对中间变量矩阵和迭代中间参数进行迭代计算的过程包括:
23、将多个中间变量矩阵的列向量和白化数据分别相乘,得到多个次级分离信号数据;
24、将次级分离信号数据、中间变量矩阵和白化数据代入改进迭代公式中进行计算,得到多个初始解混矩阵的列向量;
25、对多个初始解混矩阵的列向量对应元素计算平均值,将计算出的列向量组合得到更新的解混矩阵。
26、进一步的,所述改进迭代公式为:
27、
28、其中,wi表示第i个初始解混矩阵的列向量,表示第i个中间变量矩阵的列向量,zi表示第i组白化数据,β表示初始迭代中间参数,yi′表示第i个次级分离信号数据。
29、进一步的,判断解混矩阵是否收敛的过程包括:判断解混矩阵是否收敛的过程包括:设置解混矩阵差阈值和最大迭代次数,当当前解混矩阵与上一次迭代得到的解混矩阵之差的绝对值小于解混矩阵差阈值或迭代次数达到最大迭代次数时,判断解混矩阵收敛,否则,判断解混矩阵不收敛。
30、本发明的有益效果为:本发明可以满足一般混合信号的分离应用的需求,实验验证本发明可达到理想的信号分离效果,能在噪声干扰较强的混合信号中有效分离出源信号,并行化的数据处理结构对数据的处理速率起到加倍的作用,功能模块复用能有效减少了资源的消耗,有利于缩小芯片电路体积,降低制造成本。本发明在工业和军事领域的无线电通信系统、音频与声学和医学信号处理的可移动芯片设备发展和生产中均有着重要的应用潜力。
1.一种基于fastica算法的雷达测距方法,其特征在于,包括:
2.根据权利要求1所述的一种基于fastica算法的雷达测距方法,其特征在于,改进fastica算法模块对白化数据进行处理的过程包括:
3.根据权利要求2所述的一种基于fastica算法的雷达测距方法,其特征在于,根据传统迭代公式对白化数据进行迭代计算的过程包括:
4.根据权利要求3所述的一种基于fastica算法的雷达测距方法,其特征在于,所述传统迭代公式为:
5.根据权利要求3所述的一种基于fastica算法的雷达测距方法,其特征在于,根据初始分离信号数据计算得到初始迭代中间参数的公式为:
6.根据权利要求2所述的一种基于fastica算法的雷达测距方法,其特征在于,根据改进迭代公式对中间变量矩阵和迭代中间参数进行迭代计算的过程包括:
7.根据权利要求6所述的一种基于fastica算法的雷达测距方法,其特征在于,所述改进迭代公式为:
8.根据权利要求2所述的一种基于fastica算法的雷达测距方法,其特征在于,判断解混矩阵是否收敛的过程包括:判断解混矩阵是否收敛的过程包括:设置解混矩阵差阈值和最大迭代次数,当当前解混矩阵与上一次迭代得到的解混矩阵之差的绝对值小于解混矩阵差阈值或迭代次数达到最大迭代次数时,判断解混矩阵收敛,否则,判断解混矩阵不收敛。