[发明专利]一种基于延迟相关函数的高动态信号参数估计方法

说明书

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。

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；