申请/专利权人：北京工业大学

申请日：2020-12-19

公开（公告）日：2024-03-15

公开（公告）号：CN112731306B

主分类号：G01S7/36

分类号：G01S7/36;G06F17/14

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2021.05.21#实质审查的生效;2021.04.30#公开

摘要：本发明公开了基于CS和简化FrFT的UWB‑LFM信号参数估计方法，本方法将压缩感知方法引入，首先对超宽带线性调频信号进行稀疏表示、AIC采样；其次建立了离散的简化分数阶傅里叶变换字典作为基字典矩阵进行观测并降低算法复杂度；最后使用改进的CoSaMP重构算法对观测向量进行重构，将传统ROMP重构算法中的正则化与SAMP重构算法中的自适应思想进行结合，改善了实际应用中缺乏先验信号信息和计算量庞大的缺陷，以提升信号的重建精度和抗干扰能力，具有良好的精准性与实时性。

主权项：1.基于CS和简化FrFT的UWB-LFM信号参数估计方法，其特征在于：包括以下步骤：获取包含高斯白噪声的超宽带线性调频信号；构建离散的简化分数阶傅里叶变换字典矩阵超宽带线性调频信号进行稀疏表示；对超宽带线性调频信号进行压缩采样；使用改进的压缩采样匹配追踪算法对系数向量进行重构；根据超宽带线性调频信号在离散分数阶傅里叶变换域中的分布特性来估计出该信号的初始频率和调频斜率；获取包含高斯白噪声的超宽带线性调频信号，信号的模型x表达式如下：x＝s+n；其中，s为超宽带线性调频信号，n为加性高斯白噪声；构建离散的简化分数阶傅里叶变换字典矩阵来对稀疏表示的超宽带线性调频信号进行稀疏表示，以进行压缩采样、选择最佳变换阶数和后续的信号的检测和后续参数估计；按照以下公式计算出离散的简化分数阶傅里叶变换字典矩阵： 其中，Ψ表示离散的简化分数阶傅里叶变换字典矩阵；α表示简化分数阶傅里叶变换的坐标轴旋转角度；n为离散化的连续信号x的采样点数，m为离散化的连续信号x经过CFrFT后的离散点数； ΔT＝Nfs，N为采样点数，fs为采样频率，将此字典矩阵作为观测矩阵，按照以下公式来进行稀疏表示： 其中，x为输入信号，θi为系数向量，Ψ＝{ψ1,ψ2,…,ψi}为稀疏基；对超宽带线性调频信号进行压缩采样，按照以下步骤来实现：压缩采样的实质是通过使用一个与稀疏基Ψ不相关的观测矩阵Φ∈RM×N来对输入信号x进行观测以得到M个观测数据y，其中M＜＜N；针对宽带信号而言，具体的压缩采样一般通过模拟信息转换器AIC来完成。

全文数据：

权利要求：

百度查询： 北京工业大学 基于CS和简化FrFT的UWB-LFM信号参数估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD