基于FRFT的雷达信号chirp基稀疏特征提取及分选

《基于FRFT的雷达信号chirp基稀疏特征提取及分选》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报ActaAeronauticaetAstronauticaSinicaFeb．252013V01．34No．2393—400ISSN1000—6893ON11．1929／Vhttp：dhkxb．buaa．edu．C13hkxb@buaaedu．cadoi：10。7527／SlOOO一6893．2013．0045基于FRFT的雷达信号chirp基稀疏特征提取及分选黄宇，刘锋*，王泽众，向崇文海军航空工程学院电子信息工程系，山东烟台264001摘要：特征分析是雷达信号分选识别的基础，利用稀疏分解思想对新体制雷达信号进行特

2、征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数，将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取，推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式，然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列，将雷达信号脉冲分成5大类进行分选和识别，仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为一3dB，采样频率为500MHz，观测时间为2扯s，调频率不超过100MHz／ps时，仍然具有95％的

3、正确分选概率。关键词：分数阶Fourier变换；稀疏分解；信号分选；chirp基；特征提取中图分类号：V433+．2；TN971；TN974文献标识码：A文章编号：1000—6893(2013)02—0393—08雷达信号从传统的频率和时间调制发展到时频联合调制，已经不能简单地利用频域或时域参数全面描述其特征，尤其是复杂调制雷达信号，例如线性调频、非线性调频和相位编码等，对这类信号的分选识别已经成为热点和难点问题[1]。目前，对雷达信号的时频特征分析出现了许多方法，并取得了不少成果，但是这些方法都具有较大的局限性，特别是在非

4、合作条件下对多种类型的雷达信号的分选识别问题仍然没有得到很好解决‘2

5、。信号的稀疏分解(SD)是近年来的研究热点，它在超完备库上根据信号本身的特点，自适应地选择基函数对信号进行投影分解，得到信号的稀疏表示[3。6]。雷达信号的时频特征具有很强的规律性，绝大部分雷达信号的时频特征以线性或曲线形式存在。由于chirp信号在时频面上的能量聚集为一条直线，如果以chirp信号作为基函数，对于具有时频曲线特征的雷达信号，可以利用稀疏分解的思想将信号分解成能量最大的chirp基函数线性组合[7{]，根据稀疏分解得到的参数特征实现信号的分

6、选识别。目前，采用chirplet字典作为超完备库的稀疏分解算法凹。妇虽然可以将信号分解成chirplet函数的线性组合，碍到信号的chirp基特征，但是字典维数较大，稀疏分量存在4个变量参数，计算量大。而分数阶Fourier变换(FRFT)，可以很好的提取雷达信号的chirp基函数特征，运算速度快，检测概率和参数估计精度高，但由于是对信号的chirp基正交分解，具有大量的基函数冗余[12

7、。本文结合FRFT和稀疏分解思想，取长补短，以FRFT的核函数作为稀疏分解基函数，利用具有相近特征参数的chirp基构成基函数族，收稿日

8、期：2012—02-24；退修日期：2012-04—13；录用日期：2012-07-26；网络出版时间：2012．08．2811：16网络出版地址：wwW．cnki．net／kcms／detail／11．1929．V．20120828．1116．003html基金项目：国家自然科学基金(60902054)；中国博士后科学基金(20090460114。201003758)*通讯作者．Tel．：0535—6635821E-mail：fengliuhy@163．com戮愚罄武tHuangy，LklF，WangZZ，etal．Chi

9、rpfunctionsparsefeatureextractionandsortingofradarsignalsbasedonFRFT．ActaAero—nauticaetAstronauticaS加ica，2013，34(2)：393—400．黄字，超锋，I泽众，等．基于FRFT的霉达信号chirp基稀疏特征提取及分选．航空学撮，2013，34(2)：393-400．航空学报采用基函数族进行信号分解和分量提取，推导了在分数阶Fourier域(FRFD)中的稀疏分解公式。基于FRFT的稀疏分解将chirp基的调频率和初始频

10、率参数分别转化为分数阶旋转角和分数阶Fourier域值，采用FRFT快速算法进行计算，提高了分解效率。最后，依据chirp基稀疏分量特征将雷达信号脉冲分为5大类，并在此基础上提出了一种雷达信号分选方法。仿真结果表明，在低信噪比条件下对于具有线性或曲线时频特征的雷达信号仍然具有较高的正确分选