[发明专利]一种基于改进Quinn算法的多普勒频率估计方法

说明书

本发明公开了一种基于改进Quinn算法的多普勒频率估计方法，在利用奎因Quinn算法进行多普勒频率估计前，对信号进行补零的傅里叶变换FFT运算，使得信号频谱主瓣内的谱线增多，进而利用更多的谱线信息，对峰值位置进行修正，能获得更准确的多普勒频率估计值。该方法包括如下步骤：对N点的扩频信号x(n)进行一倍补零，对一倍补零后的信号做点数为2N的FFT运算，得到频域信号X(k)；选取频域信号X(k)幅度的峰值|X(k₀)|，k₀为峰值|X(k₀)|对应的频域位置坐标；采用Quinn算法进行频域插值，判断Quinn算法插值方向r，其中r＝+1表示插值方向向右进行；r＝‑1表示插值方向向左进行；同时计算Quinn算法的谱线插值搬移的移动量计算多普勒频率估计值其中Δf为FFT运算的鉴频间隔。

技术领域

本发明涉及扩频通信技术领域，具体涉及一种基于改进Quinn算法的多普勒频率估计方法。

背景技术

高动态扩频信号的捕获需要完成对多普勒频率的估计，提高多普勒频率估计精度、减小估计误差可以使跟踪单元快速锁定。其估计精度受限于接收信号的信噪比，信噪比越高，多普勒频率估计精度越高。通常会采用延长相关时间的方式来提高信噪比，但是在高动态低载噪比环境下，延长相关处理时间会带来多普勒频率徙动的问题，不仅不能有效提高信噪比而且存在多普勒频率扩散，无法有效提高多普勒频率估计精度。

目前，扩频信号捕获技术中获得高精度多普勒频率估计值的方法主要有精频捕获方法和频域估计方法两种。

精频捕获方法可分为提高傅里叶变换FFT鉴频精度、改进多普勒频率搜索策略两个方面。提高FFT的鉴频精度往往从增加FFT点数和频谱细化入手。增加FFT点数的方法原理简单直观，但会使捕获时间延长、运算量增大。频谱细化的方法主要有Zoom-FFT、线性调频Z变换：Zoom-FFT通过降低采样频率和频率抽取等方式，将目标频段进行局部放大；线性调频Z变换是在Z变换的基础上，在某一频率附近增加谱线密度，这两种方法实现复杂均较高。搜索策略方面主要是缩小步长搜索方法，即通过多轮多普勒频率搜索，每一轮的频率搜索步进在上一次的基础上减半，来达到提高捕获多普勒频率估计精度的目的，但是该方法捕获时间长、效率低下。

频域估计方法在捕获的粗多普勒频率估计值的基础上，通过相位差分、数值逼近或者频域插值等方法，进一步对小范围内的频率进行处理，获得更高的估计精度，在运算复杂度方面优势明显。其中，基于相位差分的频率估计方法利用相位变化信息对频率进行估计，存在相位模糊的问题，影响频率估计准确性。数值逼近法是利用曲线拟合的方式对sinc形鉴频曲线进行还原，其拟合曲线截断长度的选取难以兼顾拟合误差和运算复杂度性能。频域插值方法有Rife、Mife、和奎因Quinn及其衍生算法等，该类方法利用FFT后主瓣和第一旁瓣的谱线的位置、幅值和相位等信息提高频率估计精度。Rife算法利用了主瓣和第一旁瓣的谱线幅值相对关系进行插值，但是在噪声环境下，当实际多普勒频率与估计多普勒频率之间的差值较小时，即实际信号多普勒频率靠近离散频点时，可能会出现插值方向错误，导致频率估计误差较大。M-Rife算法通过频移处理，避免信号落入偏差较大的区域，能够较好地解决Rife算法插值方向错误的问题，但是该算法存在迭代过程，运算复杂度大。常规Quinn算法在Rife算法基础上，通过引入相位信息来判断插值方向，可解决Rife算法的插值方向错误，且运算复杂度低，但是其只使用了主瓣内两根谱线实部的信息，能达到的频率估计精度有限。所以研究具有高估计精度的Quinn算法及其多普频率估计方法具有实际意义。

目前尚未有一种方法能够解决上述问题。

发明内容

有鉴于此，本发明提供了一种基于改进Quinn算法的多普勒频率估计方法，在利用奎因Quinn算法进行多普勒频率估计前，对信号进行补零的FFT运算，使得信号频谱主瓣内的谱线增多，进而利用更多的谱线信息，对峰值位置进行修正，能获得更准确的多普勒频率估计值。

为达到上述目的，本发明的技术方案提供了一种基于改进Quinn算法的多普勒频率估计方法，包括如下步骤：