基于频率拼接的异步跳频信号参数盲估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105337636A(43)申请公布日2016.02.17(21)申请号201510664633.7(22)申请日2015.10.08(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人付卫红田德艳王璐刘乃安李晓辉黑永强韦娟(74)专利代理机构陕西电子工业专利中心61205代理人田文英王品华(51)Int.Cl.H04B1/713(2011.01)权利要求书5页说明书12页附图3页(54)发明名称基于频率拼接的异步跳频信号参数盲估计方法(57)摘要本发明公开了一种基于频率拼接的异步跳频信号参数盲估计方法。具体步骤包括：1、接收信号，2、采样信号，3、短时傅里叶变换，4、提取序号，5、计算频率，6、聚类频率，7、分析频率集合，8、初步估计跳周期，9、检测碰撞频率，10、分解碰撞频率，11、构造矩阵，12、拼接频率，13、精确估计跳周期，14、估计跳变时刻，15、估计频率。本发明解决了异步非正交网络中的频率碰撞情景下跳频信号参数盲估计的问题，提高了跳频信号参数估计方法对噪声的适应能力。CN105337636ACN105337636A权利要求书1/5页1.基于频率拼接的异步跳频信号参数盲估计方法，包括如下步骤：(1)接收信号：雷达天线接收任意一段模拟信号；(2)信号采样：对雷达天线接收的任意一段模拟信号，以采样频率fs进行采样，得到离散信号；(3)对离散信号进行短时傅里叶变换，得到时频域信号：(4)提取序号：(4a)提取时频域信号中高能量信号对应的频域采样点序号和时域窗序号；(4b)将高能量信号对应的频域采样点序号和时域窗序号组成序号集合；(5)计算每一个频域采样点序号对应的频率值：(6)聚类频率：(6a)采用K均值聚类算法，分别对每一个时域窗对应的所有频域采样点序号l0对应的频率值f(l0)进行聚类，得到第q0个时域窗中第c个聚类中心其中，l0表示时频域信号中高能量信号对应的频域采样点序号，l0＝1,2,…,L，L表示短时傅里叶变换窗长，f(l0)表示第q0个时域窗对应的频域采样点序号l0对应的频率值，q0表示时频域信号中高能量信号对应的时域窗序号，q0＝1,2,…,Q，Q表示短时傅里叶变换所需的总窗数，表示第q0个时域窗中第c个聚类中心，c表示聚类中心的序号，表示聚类中心的个数；(6b)将第q0个时域窗中第c个聚类中心组成频率集合其中，q0表示时频域信号中高能量信号对应的时域窗序号，q0＝1,2,…,Q，Q表示短时傅里叶变换所需的总窗数，表示第q0个时域窗中第c个聚类中心，c表示聚类中心的序号，表示表示聚类中心的个数；(7)分析频率集合：(7a)从聚类中心组成的频率集合中提取出所有不同的频率值fd，其中，d表示不同的频率点序号，d＝1,2,…,No，No表示估计的不同频率的个数，q0表示时频域信号中高能量信号对应的时域窗序号，q0＝1,2,…,Q，Q表示短时傅里叶变换所需的总窗数，表示第q0个时域窗中第c个聚类中心，c表示聚类中心的序号，表示表示聚类中心的个数；(7b)统计每个频率fd的起始窗序号终止窗序号以及持续窗数其中，fd表示提取出的频率，d表示不同的频率点序号，d＝1,2,…,No，No表示估计的不同频率的个数，频率fd、起始窗序号终止窗序号以及持续窗数组成向量Td，(0)(0)(7c)提取向量Td中起始窗序号为1的向量Tj，逐行存入矩阵F，其中，d表示不同(0)的频率点序号，d＝1,2,…,No，No表示估计的不同频率的个数，j表示矩阵F的行序号，j＝1,2,…,r(0)，r(0)表示矩阵F(0)的行数；2CN105337636A权利要求书2/5页(2)(2)(7d)提取向量Td中终止窗序号为Q的向量Tg，逐行存入矩阵F，其中，d表示不同(2)的频率点序号，d＝1,2,…,No，No表示估计的不同频率的个数，g表示矩阵F的行序号，g＝1,2,…,r(2)，r(2)表示矩阵F(2)的行数，Q表示短时傅里叶变换所需的总窗数；(1)(7e)提取向量Td中起始窗序号不为1且终止窗序号不为Q的向量Ti，逐行存入矩阵(1)F，其中，d表示不同的频率点序号，d＝1,2,…,No，No表示估计的不同频率的个数，i表示矩阵F(1)的行序号，i＝1,2,…,r(1)，r(1)表示矩阵F(1)的行数，Q表示短时傅里叶变换所需的总窗数；(7f)将矩阵F(0)的行序号j初始化为1；(0)(0)(1)(7g)将矩阵F第j行的向量Tj对应的终止窗序号依次与矩阵F的每一行的向量(1)(0)Ti对应的起始窗序号相减，将差值依次放入集合Ψ中，其中，j表示矩阵F的行序号，i表示矩阵F(1)的行序号，i＝1,2,…,r(1)，r(1)表示矩阵F(1)