本發(fā)明涉及基于匹配自相關(guān)算法的雷達(dá)信號(hào)TOA估計(jì)方法。

背景技術(shù)：

經(jīng)典的信號(hào)TOA估計(jì)算法是基于信號(hào)參數(shù)已知條件下的匹配濾波器，而傳統(tǒng)的匹配濾波器是在信噪比最大準(zhǔn)則下推導(dǎo)出的一種維納濾波器，對(duì)于輸入信號(hào)，與其匹配的最佳濾波器是與其共軛反向并有一定時(shí)間延遲的一個(gè)濾波器。對(duì)于不同類型的輸入信號(hào)，只要知道信號(hào)參數(shù)，便可以設(shè)計(jì)出最佳的匹配濾波器。但是這樣的信號(hào)TOA估計(jì)算法必須建立在信號(hào)參數(shù)已知的條件下，而對(duì)于信號(hào)參數(shù)部分已知的情況則不適用。因此在信號(hào)參數(shù)部分已知條件下，找出一種不完全依賴信號(hào)參數(shù)的方法，在低信噪比條件下估計(jì)信號(hào)的TOA顯得尤為重要。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為了解決現(xiàn)有信號(hào)估計(jì)必須建立在信號(hào)參數(shù)已知的條件下的問題，而提出一種基于匹配自相關(guān)算法的信號(hào)TOA估計(jì)方法。

一種基于匹配自相關(guān)算法的雷達(dá)信號(hào)TOA估計(jì)方法具體過程為：

步驟一、確定雷達(dá)信號(hào)的自相關(guān)函數(shù)和雙檢測門限；通過雙檢測門限檢測得出雷達(dá)信號(hào)起、止時(shí)間的粗估計(jì)；

步驟二、根據(jù)步驟一得出的雷達(dá)信號(hào)起、止時(shí)間的粗估計(jì)值對(duì)雷達(dá)信號(hào)未知的參數(shù)進(jìn)行估計(jì)，得出發(fā)射的雷達(dá)信號(hào)模型；

步驟三、通過發(fā)射的雷達(dá)信號(hào)模型得出匹配濾波的響應(yīng)；

步驟四、根據(jù)步驟三得到的匹配濾波的響應(yīng)對(duì)接收的雷達(dá)信號(hào)進(jìn)行匹配濾波，得到匹配后的雷達(dá)信號(hào)，找到匹配后雷達(dá)信號(hào)的峰值點(diǎn)即為雷達(dá)信號(hào)TOA；

所述TOA為雷達(dá)信號(hào)到達(dá)時(shí)間。

本發(fā)明的有益效果為：

本方法提出一種基于匹配相關(guān)算法的雷達(dá)信號(hào)TOA估計(jì)方法，相比于傳統(tǒng)算法，本算法不需要信號(hào)所有的先驗(yàn)知識(shí)，算法簡單，可實(shí)時(shí)檢測信號(hào)。首先需要做一次自相關(guān)運(yùn)算，并通過采用雙門限檢測，提高檢測概率，同時(shí)粗略估計(jì)出信號(hào)的截止時(shí)間，從而估計(jì)信號(hào)的未知參數(shù)，之后再做一次匹配濾波運(yùn)算，最后便可以精確估計(jì)出信號(hào)的TOA。如圖6可精確得出TOA估計(jì)為7200；如表1可得出在參數(shù)完全未知時(shí)，現(xiàn)有技術(shù)利用自相關(guān)算法估計(jì)信號(hào)TOA測量精度為17.5ns，在參數(shù)部分未知時(shí)，本發(fā)明利用匹配自相關(guān)算法估計(jì)信號(hào)TOA測量精度為0ns。

附圖說明

圖1為本發(fā)明接收雷達(dá)復(fù)數(shù)信號(hào)示意圖；

圖2為本發(fā)明接收雷達(dá)復(fù)數(shù)信號(hào)自相關(guān)處理示意圖；

圖3為本發(fā)明發(fā)射雷達(dá)復(fù)數(shù)信號(hào)頻譜示意圖；

圖4為本發(fā)明接收雷達(dá)復(fù)數(shù)信號(hào)頻譜示意圖；

圖5為本發(fā)明輸出雷達(dá)復(fù)數(shù)信號(hào)頻譜示意圖；

圖6為本發(fā)明輸出雷達(dá)復(fù)數(shù)信號(hào)時(shí)域示意圖。

具體實(shí)施方式

具體實(shí)施方式一：本實(shí)施方式的一種基于匹配自相關(guān)算法的雷達(dá)信號(hào)TOA估計(jì)方法具體過程為：

步驟一、確定雷達(dá)信號(hào)的自相關(guān)函數(shù)和雙檢測門限；通過雙檢測門限檢測得出雷達(dá)信號(hào)起、止時(shí)間的粗估計(jì)；

步驟二、根據(jù)步驟一得出的雷達(dá)信號(hào)起、止時(shí)間的粗估計(jì)值對(duì)雷達(dá)信號(hào)未知的參數(shù)進(jìn)行估計(jì)，得出發(fā)射的雷達(dá)信號(hào)模型；

步驟三、通過發(fā)射的雷達(dá)信號(hào)模型得出匹配濾波的響應(yīng)；

步驟四、根據(jù)步驟三得到的匹配濾波的響應(yīng)對(duì)接收的雷達(dá)信號(hào)進(jìn)行匹配濾波，得到匹配后的雷達(dá)信號(hào)，找到匹配后雷達(dá)信號(hào)的峰值點(diǎn)即為雷達(dá)信號(hào)TOA；

所述TOA為雷達(dá)信號(hào)到達(dá)時(shí)間(B雷達(dá)發(fā)送的信號(hào)到達(dá)C雷達(dá)的時(shí)間點(diǎn))。

具體實(shí)施方式二：本實(shí)施方式與具體實(shí)施方式一不同的是：所述步驟一中確定雷達(dá)信號(hào)的自相關(guān)函數(shù)和雙檢測門限；通過雙檢測門限檢測得出雷達(dá)信號(hào)起、止時(shí)間的粗估計(jì)；具體過程為：

步驟一一、確定雷達(dá)信號(hào)的自相關(guān)函數(shù)，假設(shè)雷達(dá)接收到的信號(hào)為m(t)＝s(t)+n(t)，

其中，m(t)為雷達(dá)接收到的信號(hào)，s(t)為雷達(dá)信號(hào)，n(t)為高斯白噪聲；

采用正交采樣的方法把雷達(dá)接收到的信號(hào)m(t)變成復(fù)數(shù)信號(hào)

其中，A為復(fù)數(shù)信號(hào)幅度，為初始相位，f為載頻，L(i)為復(fù)噪聲，m(i)為復(fù)數(shù)信號(hào)，j為虛數(shù)單位，j²＝-1，i為采樣點(diǎn)個(gè)數(shù)(連續(xù)信號(hào)離散后的點(diǎn))，取值為正整數(shù)，△t為采樣時(shí)間；

自相關(guān)函數(shù)為

將(1)帶入(2)，得出自相關(guān)函數(shù)k(i)＝NA²e^-j2πf△t+L' (3)

其中，N為樣本數(shù)，取值為正整數(shù)，(與雷達(dá)信號(hào)長度有關(guān))，m^*(i+j+1)為m(i+j+1)的共軛函數(shù)，NA²e^-j2πf△t為雷達(dá)復(fù)數(shù)信號(hào)部分，L'為自相關(guān)后的噪聲部分，

其中，L^*(i+j+1)為L(i+j+1)的共軛函數(shù)，L(i+j)為復(fù)噪聲；

步驟一二、將自相關(guān)函數(shù)公式(3)通過滑動(dòng)遞推得出

k(i+1)＝k(i)+m(i+1+N)·m^*(i+2+N)-m(i+1)·m^*(i+2) (5)

從上式可以看出，每計(jì)算一個(gè)新的k(i)僅需要進(jìn)行兩次復(fù)數(shù)乘法和兩次復(fù)數(shù)加法，因此自相關(guān)算法可實(shí)時(shí)檢測信號(hào)。

步驟一三、確定檢測門限，為了提高檢測性能，本文采用雙門限法，第一檢測門限隨噪聲變化而變化。高斯白噪聲的標(biāo)準(zhǔn)差的無偏估計(jì)

其中，n_i為復(fù)變換前第i時(shí)刻的噪聲值，自相關(guān)運(yùn)算后雷達(dá)復(fù)數(shù)信號(hào)服從N(0,4Nσ⁴)分布，自相關(guān)運(yùn)算后雷達(dá)復(fù)數(shù)信號(hào)模值服從均值為μ，方差為的瑞利分布，并且實(shí)際中σ由確定。在一定的虛警概率的前提下，可由高斯白噪聲的瑞利分布確定第一檢測門限為：

其中，a為檢測門限系數(shù)。

根據(jù)前面估計(jì)的第一檢測門限，將大于第一檢測門限的自相關(guān)函數(shù)k(i)判斷為有雷達(dá)復(fù)數(shù)信號(hào)，反之，則判斷為無雷達(dá)復(fù)數(shù)信號(hào)；

由于噪聲是隨機(jī)的，它可能大于門限，為了提高檢測性能，在第一檢測門限的基礎(chǔ)上進(jìn)行第二檢測門限，即在連續(xù)l個(gè)數(shù)據(jù)中有a個(gè)超過第一檢測門限時(shí)，則認(rèn)為有雷達(dá)復(fù)數(shù)信號(hào)；其起點(diǎn)為這l個(gè)數(shù)據(jù)中第一次連續(xù)有b個(gè)點(diǎn)超過第一檢測門限的時(shí)刻。反之，在連續(xù)l個(gè)數(shù)據(jù)中有a個(gè)未超過第一檢測門限時(shí)，則認(rèn)為沒有雷達(dá)復(fù)數(shù)信號(hào)；其終止點(diǎn)為這l個(gè)數(shù)據(jù)中第一次連續(xù)有b個(gè)點(diǎn)未超過第一檢測門限的時(shí)刻；a、b為正整數(shù)，且a大于b；

信號(hào)TOA粗估計(jì)的修改，由于粗估計(jì)是在相關(guān)累加之后進(jìn)行的，因此需要對(duì)粗估計(jì)的到達(dá)時(shí)間進(jìn)行修改。并且這一修改值與信噪比有關(guān)，當(dāng)k(i)首次大于第一檢測門限時(shí)，并不意味雷達(dá)復(fù)數(shù)信號(hào)就在i時(shí)刻到達(dá)。從自相關(guān)公式(2)看出，k(i)利用了從i時(shí)刻到i+N時(shí)刻的所有樣本，并且k(i)大于第一檢測門限時(shí)，并不要求所有被利用的樣本均含有雷達(dá)復(fù)數(shù)信號(hào)。當(dāng)信噪比較低時(shí)，需要較多的樣本含有雷達(dá)復(fù)數(shù)信號(hào)才能使k(i)大于第一檢測門限，因此雷達(dá)復(fù)數(shù)信號(hào)的起始時(shí)刻接近i，反之，雷達(dá)復(fù)數(shù)信號(hào)的起始時(shí)刻則接近i+N。因此需要根據(jù)信號(hào)的信噪比對(duì)信號(hào)估計(jì)的到達(dá)時(shí)間進(jìn)行修正。

其它步驟及參數(shù)與具體實(shí)施方式一相同。

具體實(shí)施方式三：本實(shí)施方式與具體實(shí)施方式一或二不同的是：所述檢測門限系數(shù)a由要求的虛警概率確定，一般情況下，a的取值為2-10。

其它步驟及參數(shù)與具體實(shí)施方式一或二相同。

具體實(shí)施方式四：本實(shí)施方式與具體實(shí)施方式一至三之一不同的是：所述步驟三中通過發(fā)射的雷達(dá)信號(hào)模型得出匹配濾波的響應(yīng)；具體過程為：

匹配濾波是信號(hào)檢測算法中的傳統(tǒng)方法，通常根據(jù)信號(hào)的先驗(yàn)知識(shí)，在信噪比最大準(zhǔn)則下得出。對(duì)于輸入信號(hào)，與其匹配的最佳濾波器是與其共軛反向并有一定時(shí)間延遲的濾波器。具體步驟如下：

步驟三一、確定雷達(dá)接收的信號(hào)能量，設(shè)輸入雷達(dá)信號(hào)為s_i(t)，其頻譜為

則雷達(dá)接收信號(hào)頻譜的傅里葉反變換表述為

其中，H(w)是雷達(dá)接收信號(hào)的匹配濾波器的頻率響應(yīng)，雷達(dá)接收信號(hào)的能量為|s₀(t)|²，w為頻率，t為時(shí)間；

步驟三二、確定雷達(dá)接收信號(hào)的噪聲功率，設(shè)雷達(dá)接收信號(hào)的匹配濾波器輸入信號(hào)的實(shí)高斯白噪聲功率譜密度為N₀/2，則雷達(dá)接收信號(hào)的匹配濾波器輸出的平均功率為

其中，N₀為復(fù)高斯白噪聲功率譜密度；

步驟三三、計(jì)算雷達(dá)接收信號(hào)的匹配濾波器的頻域響應(yīng)，雷達(dá)接收信號(hào)的匹配濾波器的輸出信噪比t_d時(shí)刻為

在最大輸出信噪比準(zhǔn)則下，得出雷達(dá)接收信號(hào)的匹配濾波器的頻域響應(yīng)為

其中F^*(w)為F(w)的共軛函數(shù)，K為系數(shù)，取值為正整數(shù)。由此便可以根據(jù)信號(hào)的先驗(yàn)知識(shí)設(shè)計(jì)出匹配濾波器。

其它步驟及參數(shù)與具體實(shí)施方式一至三之一相同。

具體實(shí)施方式五：本實(shí)施方式與具體實(shí)施方式一至四之一不同的是：所述步驟四中根據(jù)步驟三得到的匹配濾波的響應(yīng)對(duì)接收的雷達(dá)信號(hào)進(jìn)行匹配濾波，得到匹配后的雷達(dá)信號(hào)，找到匹配后雷達(dá)信號(hào)的峰值點(diǎn)即為雷達(dá)信號(hào)TOA；具體過程為：

將公式(12)和公式(8)相乘G＝H(w)×F(w)，對(duì)G進(jìn)行傅里葉反變換，得出峰值點(diǎn)即為雷達(dá)信號(hào)TOA。

其它步驟及參數(shù)與具體實(shí)施方式一至四之一相同。

采用以下實(shí)施例驗(yàn)證本發(fā)明的有益效果：

實(shí)施例一：

本實(shí)施例一種基于匹配相關(guān)算法的雷達(dá)信號(hào)TOA估計(jì)方法具體是按照以下步驟制備的：

實(shí)驗(yàn)采用載頻已知、調(diào)頻斜率未知的線性調(diào)頻信號(hào)，仿真環(huán)境：信號(hào)的采樣頻率2.4GHz，調(diào)制帶寬100GHz，輸入信噪比為-3dB，載頻100MHz；脈寬3μs,上升沿下降沿脈寬300ns。

可以得出圖1-圖6的結(jié)果。

從仿真結(jié)果可以看出，在低信噪比下，接收信號(hào)淹沒在在噪聲中，經(jīng)過自相關(guān)運(yùn)算，信號(hào)從輸出波形凸現(xiàn)出來，由此便可以粗略估計(jì)信號(hào)的起、止時(shí)間。通過構(gòu)造匹配濾波器，接收信號(hào)經(jīng)匹配濾波器，信號(hào)在輸出波形中呈現(xiàn)一個(gè)尖峰，以此便可以更加精確的估計(jì)信號(hào)的TOA。

在上述仿真環(huán)境下，分別用匹配自相關(guān)算法和自相關(guān)算法對(duì)其蒙特卡羅仿真，比較估計(jì)性能，仿真結(jié)果如表1所示：

表1兩種TOA估計(jì)方法結(jié)果的對(duì)比表

仿真分析：經(jīng)過1000次蒙特卡洛仿真結(jié)果可知，在低信噪比條件下，匹配自相關(guān)算法的測量精度明顯優(yōu)于自相關(guān)算法，證明了該發(fā)明方法的優(yōu)越性。因此對(duì)信號(hào)參數(shù)部分已知的線性調(diào)頻信號(hào)采用匹配自相關(guān)算法更優(yōu)。

本發(fā)明還可有其它多種實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。