關(guān)曉謙,劉東平,李東濤
(中國(guó)洛陽(yáng)電子裝備試驗(yàn)中心,河南濟(jì)源454650)
線(xiàn)性調(diào)頻(Linear Frequency Modulation,LFM)信號(hào)是在脈沖持續(xù)期間內(nèi)信號(hào)頻率連續(xù)線(xiàn)性變化的信號(hào),是一類(lèi)非常重要的非平穩(wěn)信號(hào),被廣泛應(yīng)用于雷達(dá)、聲納和通信等信息系統(tǒng)[1-2]。調(diào)頻斜率和起始頻率作為線(xiàn)性調(diào)頻信號(hào)的2個(gè)重要參數(shù),其估計(jì)問(wèn)題一直是LFM信號(hào)處理領(lǐng)域的研究熱點(diǎn)和難點(diǎn)。目前,已經(jīng)出現(xiàn)了很多比較成熟的算法,比如Radon-Wigner變換、分?jǐn)?shù)階傅里葉變換(fractional Fourier transform,F(xiàn)RFT)和最大似然估計(jì)(ML)等方法[3-7]。其中基于 FRFT 的LFM信號(hào)參數(shù)估計(jì)方法最受關(guān)注。但是,該方法每檢測(cè)一個(gè)信號(hào)都要對(duì)信號(hào)分別求所有旋轉(zhuǎn)角α∈[0,π]的 FRFT,再進(jìn)行二維搜索、濾波以及FRFT逆變換,計(jì)算量大。而且對(duì)信號(hào)反復(fù)進(jìn)行FRFT、濾波和FRFT逆變換也會(huì)給弱信號(hào)帶來(lái)誤差。
文獻(xiàn)[8]提出利用LFM信號(hào)能量一定時(shí),在相同的時(shí)寬范圍內(nèi),其頻譜幅度平方與調(diào)頻斜率呈反比的特性,通過(guò)在固定區(qū)間上改變解線(xiàn)調(diào)參考信號(hào)的調(diào)頻斜率,逐步進(jìn)行搜索估計(jì)信號(hào)參數(shù)的算法。該算法在一定程度上解決了分?jǐn)?shù)階Fourier變換法的大運(yùn)算量問(wèn)題,但決定該算法估計(jì)精度的搜索步長(zhǎng)這一參數(shù),卻受算法運(yùn)算量的制約,步長(zhǎng)太大估計(jì)誤差變大,步長(zhǎng)太小則運(yùn)算量急劇上升,算法無(wú)法平衡估計(jì)精度和運(yùn)算量之間的矛盾。針對(duì)此問(wèn)題,本文提出了基于蟻群算法優(yōu)化的參數(shù)估計(jì)算法。
當(dāng)時(shí)寬帶寬積遠(yuǎn)遠(yuǎn)大于1時(shí),LFM信號(hào)的幅譜近似為無(wú)菲涅爾起伏的矩形譜,其頻譜寬度近似等于信號(hào)帶寬B[9]。設(shè)LFM信號(hào)為:
式中:A為信號(hào)幅度;f0為載頻;k為調(diào)頻斜率;n(t)零均值的高斯白噪聲;T為信號(hào)的時(shí)寬。
根據(jù)帕斯瓦爾定理可知,s(t)的功率P可表示為:
式中:S(ω)是信號(hào)s(t)的頻譜。
當(dāng)BT>>1時(shí),式(2)可近似化簡(jiǎn)為:
將調(diào)頻斜率k與帶寬B和時(shí)寬T之間的關(guān)系B=kT代入式(3)可得:
對(duì)于一定時(shí)寬的LFM信號(hào),其信號(hào)能量總是可測(cè)的,即信號(hào)能量是一定的,由式(4)可知,在相同時(shí)寬范圍內(nèi),其頻譜幅度平方與調(diào)頻斜率成反比。調(diào)頻斜率越小,對(duì)應(yīng)的頻譜幅值就越大,其頻譜最大幅值對(duì)應(yīng)譜線(xiàn)處的頻率即為起始頻率的真值。
根據(jù)LFM信號(hào)的以上性質(zhì),對(duì)LFM信號(hào)的調(diào)頻斜率和起始頻率的估計(jì)的步驟如下:
(1)將調(diào)頻斜率的變化范圍[kmin,kmax]以Δk為步長(zhǎng)劃分為一系列離散值,記為ki(i=1,2,…,N),N為離散值的總數(shù)。
(2) 分別用 exp[-jπkit2](i=1,2,…,N)和 s(t)相乘,得到N組解調(diào)后的信號(hào):
(3)分別對(duì)式(5)做傅里葉變換,得到N組頻譜對(duì)應(yīng)的 N 個(gè)最大幅值,記為 A1,A2,…,AN,與此N個(gè)最大幅值對(duì)應(yīng)的頻率值記為f1,f2,…,fN。
(4)對(duì) A1,A2,…,AN進(jìn)行比較,找出其中的最大值A(chǔ)max,設(shè)Amax=Al,則得到調(diào)頻斜率的估計(jì)值ke=kl,起始頻率的估計(jì)值為fe=fl。
蟻群算法[10](Ant Colony Optimization,ACO)是近年來(lái)才提出的一種基于種群尋優(yōu)的啟發(fā)式搜索算法,由意大利學(xué)者M(jìn).Dorigo等于1991年首先提出。該算法受到自然界中真實(shí)蟻群集體行為的啟發(fā),利用真實(shí)蟻群通過(guò)個(gè)體間的信息傳遞、搜索從蟻穴到食物間的最短路徑的集體尋優(yōu)特征,來(lái)解決一些離散系統(tǒng)中優(yōu)化的困難問(wèn)題。本文將蟻群算法的全局優(yōu)化和啟發(fā)式尋優(yōu)的特點(diǎn)應(yīng)用于LFM信號(hào)參數(shù)估計(jì),將LFM信號(hào)參數(shù)估計(jì)問(wèn)題轉(zhuǎn)化為函數(shù)求極值問(wèn)題,利用蟻群算法對(duì)函數(shù)尋優(yōu),提出了基于蟻群算法的LFM信號(hào)參數(shù)估計(jì)算法,算法步驟如下:
Step 1 初始化變量:設(shè)定調(diào)頻斜率k的變化范圍[kmin,kmax],并以 Δk為步長(zhǎng)對(duì)其離散化,如下式:
令調(diào)頻斜率離散化后各結(jié)點(diǎn)初始信息素為τ1×N=U,螞蟻數(shù)目 M。
Step 2 計(jì)算各結(jié)點(diǎn)的選擇概率:
節(jié)點(diǎn)選擇采用輪盤(pán)賭的算法進(jìn)行選擇,確保信息素濃度高的節(jié)點(diǎn)被選擇的概率高,輪盤(pán)賭算法在實(shí)際應(yīng)用中如式A(n)=表示前 n個(gè)不同節(jié)點(diǎn)的選擇概率和。釋放蟻群中所有的M只螞蟻,同時(shí)在區(qū)間[0,1]上隨機(jī)生成M個(gè)小數(shù),與M只螞蟻一一對(duì)應(yīng),判斷每個(gè)隨機(jī)數(shù)位于區(qū)間[A(n-1),A(n)]時(shí)所對(duì)應(yīng)的n值,則認(rèn)為M個(gè)n值所對(duì)應(yīng)的kn就是被這群螞蟻選擇的調(diào)頻斜率,這樣既保證了信息素濃度高的節(jié)點(diǎn)被選擇的概率高,又避免了每只螞蟻均按照同一概率選擇kn。
Step 3 構(gòu)造目標(biāo)函數(shù):
式中:abs(· )表示對(duì)信號(hào)去模運(yùn)算;fft(· )表示對(duì)信號(hào)進(jìn)行傅里葉變換。
Step 4 設(shè)置算法終止條件:若最近五次迭代搜索到的最優(yōu)值之間相差小于某一設(shè)定值,則認(rèn)為算法已搜索到最優(yōu)值,算法終止;否則,完成所設(shè)定迭代次數(shù),算法終止。
將式(7)選擇的kn代入式(8),計(jì)算目標(biāo)函數(shù)值,若滿(mǎn)足算法終止條件,則算法終止,設(shè)Amax取最大值時(shí)kn=k0,則k0即為信號(hào)調(diào)頻斜率的最優(yōu)估計(jì)值。若不滿(mǎn)足算法終止條件,則更新信息素,并返回Step2,滿(mǎn)足算法終止條件。
Step 5 把kn=k0代入式(5)中,求其傅里葉變換,找出對(duì)應(yīng)于頻譜最大的頻率f,即為起始頻率的最優(yōu)估計(jì)值。
為了驗(yàn)證算法的可靠性,取一個(gè)單分量LFM信號(hào)進(jìn)行仿真驗(yàn)證。設(shè)接收到的LFM信號(hào)模型如式(1)所示,為了便于計(jì)算取幅度值A(chǔ)=1,信號(hào)起始頻率為350 Hz,調(diào)頻斜率k=60 Hz/s,其估計(jì)范圍為[40 Hz/s,80Hz/s],信號(hào)觀測(cè)長(zhǎng)度 T=5 s,采樣頻率為fs=2 kHz,信號(hào)信噪比為-20 dB;螞蟻個(gè)數(shù)為100,初始信息素U=15,信息素的揮發(fā)度為0.1。分別用本文算法、文獻(xiàn)[8]算法和FRFT算法對(duì)此信號(hào)模型參數(shù)進(jìn)行估計(jì),經(jīng)過(guò)14次迭代(更新了14次信息素)得到參數(shù)估計(jì)結(jié)果,估計(jì)結(jié)果見(jiàn)表1。
表1 信號(hào)參數(shù)估計(jì)結(jié)果Tab.1 Result of signal parameter estimate
分析參數(shù)估計(jì)結(jié)果可知:首先,由于算法參數(shù)都是在低信噪比條件先得到的,因此這三種算法都能較好地估計(jì)出信號(hào)的參數(shù),且本文算法的參數(shù)估計(jì)精度高于文獻(xiàn)[8]算法和FRFT算法;其次,起始頻率的估計(jì)精度低于調(diào)頻斜率的估計(jì)精度,且文獻(xiàn)[8]算法和FRFT算法更差,其主要原因是:首先對(duì)信號(hào)調(diào)頻斜率進(jìn)行估計(jì),然后利用估計(jì)結(jié)果進(jìn)而估計(jì)出起始頻率,導(dǎo)致了誤差的積累和放大,尤其是文獻(xiàn)[8]算法和FRFT算法要經(jīng)過(guò)多次變換和逆變換,所以對(duì)信號(hào)的起始頻率估計(jì)精度就更差。
在信號(hào)參數(shù)不變的情況下,改變?cè)肼暤膹?qiáng)度,分別采用本文算法、文獻(xiàn)[8]算法和FRFT算法進(jìn)行參數(shù)估計(jì)。重復(fù)進(jìn)行30次Monte-Carle仿真,計(jì)算參數(shù)估計(jì)的均方誤差(Mean Square Error,MSE),圖1和圖2分別給出了調(diào)頻斜率和起始頻率的參數(shù)估計(jì)均方誤差隨信噪比(SNR)的變化曲線(xiàn)。
圖1 調(diào)頻斜率MSE隨信噪比變化曲線(xiàn)Fig.1 Changing curve of chirp rate MSE followed with the SNR
圖2 起始頻率MSE隨信噪比變化曲線(xiàn)Fig.2 Changing curve of origination frequency MSE followed with the SNR
圖1 和圖2進(jìn)一步表明:調(diào)頻斜率的估計(jì)精度高于起始頻率的估計(jì)精度,此外,隨著信噪比的增加,信號(hào)參數(shù)估計(jì)誤差呈不斷下降的趨勢(shì)。
本文蟻群算法中螞蟻個(gè)數(shù)選為100,迭代次數(shù)選為50,則蟻群算法對(duì)調(diào)頻斜率的估計(jì)過(guò)程如圖3所示。
由圖3可知,當(dāng)算法迭代到第14次的時(shí)候達(dá)到了算法終止條件要求的估計(jì)精度。FFT計(jì)算的復(fù)雜度為o( M ×log M)[11],其中 M 為采樣點(diǎn)數(shù),則本文算法復(fù)雜度為:
o(14×100×M×log M)=o(1 400×M×log M)
文獻(xiàn)[6]算法的復(fù)雜度為:
圖3 蟻群算法對(duì)調(diào)頻斜率估計(jì)過(guò)程Fig.3 Estimate process of chirp rate with ACO
若信號(hào)采樣點(diǎn)數(shù)為M,掃描點(diǎn)數(shù)為 m,則FRFT算法的復(fù)雜度為o( m×M×log M),掃描點(diǎn)數(shù)m由α的步長(zhǎng)和范圍確定,其中α的步長(zhǎng)取值為0.008[12],范圍為 10π,則 FRFT 算法的復(fù)雜度為:通過(guò)上述分析,利用蟻群算法對(duì)LFM參數(shù)進(jìn)行估計(jì),能夠在保證估計(jì)精度的情況下有效減少計(jì)算量,很好地提高了參數(shù)估計(jì)的效率和質(zhì)量。
本文在文獻(xiàn)[8]的基礎(chǔ)上,將LFM信號(hào)參數(shù)估計(jì)問(wèn)題轉(zhuǎn)化為函數(shù)求極值問(wèn)題,利用蟻群算法全局優(yōu)化和啟發(fā)式尋優(yōu)的特點(diǎn),提出了基于蟻群算法的LFM信號(hào)參數(shù)估計(jì)算法。該方法運(yùn)算量小、參數(shù)估計(jì)精度高,有效克服了原算法運(yùn)算量大、不易工程實(shí)踐的缺點(diǎn)。
[1] 王小謨,張光義.雷達(dá)與探測(cè)[M].第2版.北京:國(guó)防工業(yè)出版社,2008.WANG Xiaomo,ZHANG Guangyi.Radar and detection[M].2nd ed.Beijing:National Defense Industry Press,2008.
[2] Pace P E,Burton G D.Anit-ship cruise missiles:technology,simulation and ship self-defense[J].Journal of Electron Defense,1998,21(11):51- 55.
[3] Djuric P M,Kay S M.Parameter estimation of chirp signals[J].IEEE Trans on Acoustics,Speech,and Signal Processing,1990,38(12):2118-2126.
[4] 陳文武,蔡征宇,陳如山,等.脈沖噪聲下基于Robust STFT的LFM信號(hào)檢測(cè)與參數(shù)估計(jì)[J].南京理工大學(xué)學(xué)報(bào),2012,12(2):312-329.CHEN Wenwu,CAI Zhengyu,CHEN Rushan,et al.Robust STFT-based detection and parameter estimation of LFM signal in impulsive noise[J].Journal of Nanjing University of Science and Technology,2012,12(2):312-329.
[5] Li Yan, Fu Hua, Kam Pooi-Yuen. Improved,approximate,time-domain ML estimators of chirp signal parameters and their performance analysis[J].IEEE Trans on Signal Processing,2009,57(4):1260-1272.
[6] Ijima H,Ohsumi A,Djurovic I.Parameter estimation of chirp signals in random noise using wigner distribution[C]∥Proc of the 47th Midwest Symposium on Circuits and Systems.Hiroshima,Japan:[s.n.],2004:177-180.
[7] 徐會(huì)法,劉鋒,張?chǎng)危謹(jǐn)?shù)階Fourier域強(qiáng)弱LFM信號(hào)檢測(cè)與參數(shù)估計(jì)[J].信號(hào)處理,2011,27(7):1063-1068.XU Huifa,LIU Feng,ZHANG Xin.Detection and parameter estimation of strong and weak LFM signals in the fractional Fourier domain[J].Signal Proceessing,2011,27(7):1063-1068.
[8] 韓孟飛,王永慶,吳嗣亮,等.一種低信噪比下LFM信號(hào)參數(shù)快速估計(jì)算法[J].北京理工大學(xué)學(xué)報(bào),2009,29(2):147-151.HAN Mengfei,WANGYongqing,WU Siliang,et al.A fast algorithm on parameter estimation of LFM signals under low SNR [J].Transactions of Beijing Institute of Technology,2009,29(2):147-151.
[9] 朱曉華.雷達(dá)信號(hào)分析與處理[M].北京:國(guó)防工業(yè)出版社,2011.ZHU Xiaohua.Radar signal analysis and processing[M].Beijing:National Defence Industry Press,2011.
[10] 楊淑瑩.模式識(shí)別與智能計(jì)算——MATLAB技術(shù)實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2008.YANG Shuying.Pattern recognition and intelligentize count—technology implement of MATLAB[M].Beijing:Publishing House of Electronics Industry,2008.
[11] 孫志國(guó),陳晶,申麗然,等.基于TSLPFT1-FFT的線(xiàn)性調(diào)頻信號(hào)參數(shù)估計(jì)方法[J].電路與系統(tǒng)學(xué)報(bào),2011,16(5):24-29.SUN Zhiguo,CHEN Jing,SHEN Liran,et al.Parameters estimation of linear frequency modulation signal based on TSLPFT1- FFT[J].Journal of Circuits and Systems,2011,16(5):24-29.
[12] 宋軍,劉渝,朱霞.LFM信號(hào)參數(shù)估計(jì)的插值FRFT算法[J].系統(tǒng)工程與電子技術(shù),2011,33(10):2189-2194.SONG Jun,LIU Yu,ZHU Xia.Parameters estimation of LFM signals by interpolation based on FRFT[J].Systems Engineering and Electronics,2011,33(10):2189-2194.