【摘 要】
：
针对传统算法对高调频率线性调频(linear frequency modulation,LFM)信号进行参数估计时误差较大的问题,提出了一种基于新型离散分数阶傅里叶变换(discrete fractional Fourier transform,DFrFT)的LFM信号参数估计算法.新型DFrFT在传统离散算法的基础上引入一种新型尺度变换型量纲归一化方法,其归一化因子可随变换阶次的改变自适应变化.基于该新型DFrFT,本文建立了LFM信号参数估计算法的数学模型.首先,通过新型量纲归一化方法对待估计LFM信
【机 构】
：
哈尔滨工程大学 信息与通信工程学院,哈尔滨150001
论文部分内容阅读
针对传统算法对高调频率线性调频(linear frequency modulation,LFM)信号进行参数估计时误差较大的问题,提出了一种基于新型离散分数阶傅里叶变换(discrete fractional Fourier transform,DFrFT)的LFM信号参数估计算法.新型DFrFT在传统离散算法的基础上引入一种新型尺度变换型量纲归一化方法,其归一化因子可随变换阶次的改变自适应变化.基于该新型DFrFT,本文建立了LFM信号参数估计算法的数学模型.首先,通过新型量纲归一化方法对待估计LFM信号进行预处理,将信号由时频域转换至两个无量纲域,再对信号进行DFrFT;然后,利用新型量纲归一化方法的尺度变换特性提升高调频率段的调频率参数估计分辨率,并理论推导了该参数估计算法相较于传统算法调频率的优势区间;最后,在不同调频率与信噪比条件下,对所提算法的有效性进行了仿真验证,并与传统算法进行对比分析.仿真实验结果表明:当待估计LFM信号的调频率较高时,相较于传统算法,新型尺度变换型量纲归一化方法的引入有效提升了本文算法对调频率的估计精度,且在信噪比较高的环境中,其参数估计性能提升更为明显.
其他文献
由于深度卷积网络的参数量及计算量过大,多尺度目标检测网络难以快速高精度地部署在许多资源及功耗受限的平台上.为解决此问题,本文基于Python productivity for ZYNQ(PYNQ)框架实现了无预选框检测模型CTiny的IP核设计及异构系统架构部署.首先,提出在卷积核中分段量化整体缩放系数的方式,使得预训练的高精度算法低损地部署于可编程门阵列(field programmable gate array,FPGA)上;其次,基于PYNQ框架实现了CTiny模型的系统搭建,包含ResNet主干网
目前在基于到达时间差(TDOA)和到达频率差(FDOA)的多站无源定位模型中,噪声的干扰、接收站和目标位置的不合理分布以及接收站的个数均会对定位模型中的系数矩阵造成影响,因此在实际的求解过程中系数矩阵可能会出现病态的问题,这在很大程度上会对定位结果产生影响.为了进一步在系数矩阵出现病态的情况下确保定位精度,提出了一种基于正则化约束总体最小二乘(RCTLS)的闭式解析法.该方法分为两步,第一步针对TDOA/FDOA定位问题建立基于RCTLS思想的定位模型,同时基于最小化均方误差的准则求解正则化参数,之后通过