位置:成果数据库 > 期刊 > 期刊详情页
STFT和Zoom-FRFT联合的多分量LFM信号参数估计方法
  • ISSN号:0490-6756
  • 期刊名称:《四川大学学报:自然科学版》
  • 时间:0
  • 分类:TN911.7[电子电信—通信与信息系统;电子电信—信息与通信工程]
  • 作者机构:空军工程大学信息与导航学院,西安710077
  • 相关基金:国家自然科学基金(61202490);航空科学基金项目(2013ZC15008)
中文摘要:

针对传统基于分数阶傅里叶变换(FRFT)的多分量线性调频信号(MLFM)参数估计方法中计算量大,估计精度低等问题,提出了一种短时傅里叶变换(STFT)和Zoom—FRFT联合的参数估计方法.首先,利用STFT得到MLFM信号的短时傅里叶域频谱图,对其进行直线检测得到各个分量参数的粗略估计.然后,利用LFM信号在FRFT域的频谱分布特征和sTFT窗函数的主瓣带宽,计算得到待估计信号在FRFT域变换阶次和频谱的分析范围;最后,在Zoom—FRFT域采用优选法对各个分量进行精估计,得到精确的变换阶次和峰值位置.仿真结果表明,该方法可以有效地对MLFM信号进行参数估计,可以根据实际需要灵活选择窗函数的宽度和细化倍数,与传统方法相比,提高参数估计精度的同时大大减小了计算量.

英文摘要:

Traditional parameter estimation methods of multi-component linear frequency modulation (MLFM) signal based on Fractional Fourier transform (FRFT) could solve neither the satisfactory pre- cision nor the lesser computation cost. A new method, Short time Fourier transform (STFT) and Zoom- FRFT combined, is proposed in this paper. Firstly, the short-time Fourier spectrum of MLFM signal is obtained by using STFT, and the parameters coarse estimation results from the straight line detection of short-time Fourier spectrum. Then, the analysis scope of transform order and Fractional domain spec- trum are calculated with the Fractional domain spectrum distribution characteristics and the main lobe bandwidth of window. Finally, the optimal order and the precise peak position are estimated by using the optimum seeking method in the Zoom-FRFT domain. The simulation results show that, compared with the traditional method, the method can improve both the parameters estimation precision and the computation cost significantly, and can flexibly choose the width of window and the refining ratio.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《四川大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:国家教育部
  • 主办单位:四川大学
  • 主编:刘应明
  • 地址:成都九眼桥望江路29号
  • 邮编:610064
  • 邮箱:
  • 电话:028-85410393 85412393
  • 国际标准刊号:ISSN:0490-6756
  • 国内统一刊号:ISSN:51-1595/N
  • 邮发代号:62-127
  • 获奖情况:
  • 国家“双效”期刊,四川省十佳科技期刊,教育部全国高校优秀学报二等奖(1995,1999),四川省科技优秀期刊一等奖(1996,2000)
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,美国生物科学数据库,英国动物学记录,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:10542