论文部分内容阅读
线性调频(chirp)信号广泛地应用于雷达、声纳、通信、地震学、医学成像等领域,因而研究chirp信号参数估计具有重要的理论意义和实用价值。本论文在最大似然估计的框架下研究高斯白噪声中单分量和多分量chirp信号参数估计新算法,并将新算法应用到合成孔径雷达(Synthetic Aperture Radar, SAR)成像当中。论文工作的主要成果和创新点如下:将马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)方法应用到单分量chirp信号参数估计,并逐渐加以改进,提高算法效率,提出三种基于MCMC的实现单分量chirp信号最大似然参数估计的新方法。这些方法计算量适中,联合估计各参数,无误差传递效应,可适用于小样本数量的参数估计,具有较宽的参数估计范围。仿真实验表明三种方法的估计性能在较低信噪比时达到Cramer-Rao界(CRB)。定义平均第一阶效率来衡量MCMC算法的效率,并利用平均第一阶效率通过仿真实验验证了Metropolis-Adjusted-Langevin’s (MAL)算法比随机移动Metropolis-Hastings算法效率更高,即收敛速度更快。提出一种基于MCMC的实现多分量chirp信号最大似然参数估计的新方法,该方法采用基于模拟退火的单元素随机移动Metropolis-Hastings算法。它解决了多分量估计中的交叉量问题,联合估计各参数,无误差传递效应,具有较宽的参数估计范围,可适用于小样本数量的参数估计,并且计算量适中。仿真实验表明其估计性能可在较低信噪比下达到CRB,信噪比门限比基于重要采样的多分量chirp信号参数估计算法低2dB。将基于MCMC的chirp信号参数估计新算法分别应用到SAR对静止点目标和动目标成像上,在成像过程中用来估计目标的多普勒参数,以<WP=4>形成聚焦函数,进行方位向聚焦。利用参数估计新算法,对静止点目标和动目标的实际数据分别进行成像实验,获得一定的成像效果。