基于曲線擬合技術(shù)的分?jǐn)?shù)階Fourier域LFM信號(hào)參數(shù)估計(jì)方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩60頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、線性調(diào)頻信號(hào)(LFM信號(hào))作為一種特殊的非平穩(wěn)信號(hào),廣泛應(yīng)用于通信、雷達(dá)、聲納和地震勘測(cè)等系統(tǒng),而LFM信號(hào)的檢測(cè)與參數(shù)估計(jì)問(wèn)題也成了近年來(lái)普遍研究的熱點(diǎn)。
   分?jǐn)?shù)階Fourier變換(FrFT)作為Fourier變換的廣義形式,可看作時(shí)頻平面的旋轉(zhuǎn)。且FrFT是一維線性變換,在處理多分量問(wèn)題時(shí)不存在交叉性干擾問(wèn)題。但缺點(diǎn)是傳統(tǒng)的二維搜索法計(jì)算量較大,對(duì)旋轉(zhuǎn)角度在幾乎半個(gè)角度平面遍歷的做FrFT,使其實(shí)時(shí)性受到限制。本論文在

2、傳統(tǒng)基于分?jǐn)?shù)階Fourier變換的LFM信號(hào)參數(shù)估計(jì)算法基礎(chǔ)上,結(jié)合曲線擬合技術(shù)提高了參數(shù)估計(jì)性能。論文具體內(nèi)容如下:
   1.介紹了分?jǐn)?shù)階Fourier變換的定義及性質(zhì),并重點(diǎn)介紹了幾種常用的、實(shí)用價(jià)值較高的離散分?jǐn)?shù)階Fourier變換算法。詳細(xì)推導(dǎo)了基于分?jǐn)?shù)階Fourier變換兩種離散算法的LFM信號(hào)參數(shù)估計(jì)理論,分析了分?jǐn)?shù)階Fourier變換在處理LFM信號(hào)中獨(dú)特的優(yōu)勢(shì),同時(shí)提出其發(fā)展中存在的制約性因素。
  

3、2.詳細(xì)分析了二維搜索方法中峰值估計(jì)存在的各種偏差,通過(guò)構(gòu)造FrFT模函數(shù)峰值檢測(cè)向量,提出利用曲線擬合技術(shù)來(lái)擬合FrFT模函數(shù)峰值檢測(cè)向量的方法以減少偏差并提高參數(shù)估計(jì)性能。理論分析與仿真結(jié)果表明該方法在保留分?jǐn)?shù)階域處理優(yōu)點(diǎn)的同時(shí),可明顯減少運(yùn)算量,并達(dá)到較高估計(jì)精度。
   3.對(duì)于多分量LFM信號(hào)參數(shù)估計(jì)問(wèn)題,通過(guò)建立分?jǐn)?shù)階Fourier變換模函數(shù)的高階統(tǒng)計(jì)量來(lái)實(shí)現(xiàn)多信號(hào)的分離,在低信噪比環(huán)境中加強(qiáng)信號(hào)分量。在此基礎(chǔ)上根據(jù)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論