劉歌，張旭洲，汪洪艷

(空軍航空大學(xué) 信息對(duì)抗系，吉林 長(zhǎng)春 130022)

0 引言

在現(xiàn)代電子戰(zhàn)爭(zhēng)中，為了提高雷達(dá)的生存能力，越來(lái)越多的雷達(dá)系統(tǒng)采用低截獲概率(LPI,low probability of intercept)信號(hào)。在低截獲概率雷達(dá)信號(hào)中，多相碼信號(hào)由于兼具相位編碼和頻率調(diào)制的優(yōu)良特性[1]，而得到廣泛的應(yīng)用。因此如何對(duì)多相碼信號(hào)進(jìn)行有效的參數(shù)估計(jì)成為研究的重點(diǎn)。

由于多相碼信號(hào)由線性調(diào)頻信號(hào)(LFM,linear frequency modulation)衍生而來(lái)，有著與LFM相似的時(shí)頻特征，且LFM信號(hào)在時(shí)頻域已有較為成熟的分析方法，因此對(duì)多相碼信號(hào)參數(shù)估計(jì)常用的方法一般是基于信號(hào)的時(shí)頻特征。文獻(xiàn)[2-3]提出基于RWT的多相碼信號(hào)檢測(cè)和參數(shù)估計(jì)方法；文獻(xiàn)[4-6]利用RAT及其改進(jìn)算法實(shí)現(xiàn)了多相碼信號(hào)的檢測(cè)與參數(shù)估計(jì)。但是這2種方法將信號(hào)的能量分散在時(shí)頻平面的各個(gè)峰值上，導(dǎo)致估計(jì)精度降低，且計(jì)算量較大，Radon變換的存在使信號(hào)的估計(jì)精度受旋轉(zhuǎn)角度分辨率的影響。

為了解決上述問(wèn)題，本文提出了基于積分二次相位函數(shù)(IQPF)和分?jǐn)?shù)階傅里葉變換(FrFT)的聯(lián)合參數(shù)估計(jì)算法對(duì)多相碼信號(hào)進(jìn)行參數(shù)估計(jì)。首先通過(guò)公式推導(dǎo)在理論上證明了IQPF具有將多相碼信號(hào)的多條脊線累積為一個(gè)峰值的優(yōu)良性能，通過(guò)峰值將多相碼信號(hào)的調(diào)頻率估計(jì)出來(lái)，然后利用估計(jì)出的調(diào)頻率計(jì)算FrFT的最佳旋轉(zhuǎn)階次，將多相碼信號(hào)的FrFT分布由二維搜索轉(zhuǎn)換為一維搜索，實(shí)現(xiàn)其他參數(shù)的估計(jì)。仿真實(shí)驗(yàn)驗(yàn)證了公式推導(dǎo)結(jié)果，并且證明了該方法的有效性。

1 信號(hào)模型

多相碼信號(hào)的表達(dá)式[7]為

s(n) =Aej(2πf0n+φk),0≤n≤N-1，

(1)

式中：A為信號(hào)幅度；f0為信號(hào)載頻；N為采樣點(diǎn)數(shù)；φk為隨時(shí)間變化的相位碼序列，不同的序列代表不同的多相碼信號(hào)類型。多相碼信號(hào)主要包括Frank，P1，P2，P3，P4碼，具體表達(dá)式參見(jiàn)表1[1]。

表1 多相碼信號(hào)的相位調(diào)制

圖1是對(duì)多相碼信號(hào)的進(jìn)行WVD變換的時(shí)頻圖(以P4碼為例，其他碼型時(shí)頻圖類似)。從圖中可以看出，多相碼信號(hào)在時(shí)頻平面上表現(xiàn)為多條平行的脊線，并且這些脊線的能量呈現(xiàn)出從主脊線向副脊線逐漸減小的趨勢(shì)。

多相碼信號(hào)調(diào)制參數(shù)包括：調(diào)頻率k，信號(hào)的碼元寬度Tc，信號(hào)帶寬B，它們可以通過(guò)圖中脊線與時(shí)間軸的夾角α0，脊線間隔為d以及脊線與頻率軸的截距fd計(jì)算出來(lái)：

(2)

2 算法原理

2.1 IQPF原理

信號(hào)s(t)的IQPF是對(duì)傳統(tǒng)二次相位函數(shù)模值平方的積分，其表達(dá)式[8]為

(3)

式中:l=min(n,N-1-n)。

由圖1中分析可知，多相碼信號(hào)在時(shí)頻平面內(nèi)可以簡(jiǎn)單地看作是由數(shù)條平行的線性調(diào)頻(LFM)信號(hào)組成，且多相碼信號(hào)很難用一個(gè)確定的公式表達(dá)[9]，因此為了更加直觀地通過(guò)公式推導(dǎo)從理論上證明IQPF的性能，本文在公式推導(dǎo)中采用多條調(diào)頻率相同、起始頻率不同的線性調(diào)頻信號(hào)進(jìn)行代替。

單分量LFM信號(hào)的解析表達(dá)式[10]為

(4)

式中：ω為角頻率；k為調(diào)頻率。

所以，多分量LFM信號(hào)的表達(dá)式為

(5)

式中：z為多分量LFM信號(hào)的分量數(shù)。

不失一般性，先對(duì)兩分量LFM信號(hào)進(jìn)行分析，將其表達(dá)式代入式(3)中可以得到

s2(n+m)][s1(n-m)+

(6)

式中:

(7)

(8)

將式(7)和式(8)代入式(6)中展開(kāi)計(jì)算，得到結(jié)果如下:

(9)

式中:

(10)

(11)

(12)

W=ej[(ω1-ω2)+(k1-k2)n]m+e-j[(ω1-ω2)+(k1-k2)n]m.

(13)

由于多相碼信號(hào)各脊線的調(diào)頻率相同，因此將上述兩分量的LFM信號(hào)的調(diào)頻率設(shè)置為相等，即k1=k2=k，所以式(9)可以進(jìn)一步簡(jiǎn)化為

(14)

式中:H=G(ej(ω1-ω2)m+e-j(ω1-ω2)m)。

對(duì)式(14)進(jìn)行分析，當(dāng)滿足u=k時(shí)，兩分量LFM信號(hào)的IQPFx(u)達(dá)到最大值。u≠k的其他點(diǎn)處IQPFx(u)的值都比較小，此時(shí)IQPF平面上在點(diǎn)u=k處出現(xiàn)一個(gè)峰值，如圖2所示，其中一分量LFM的歸一化起始頻率為0.1，終止頻率為0.2，另一分量LFM的起始頻率為0.2，終止頻率為0.3，采樣點(diǎn)數(shù)為1 024。

當(dāng)信號(hào)由多個(gè)調(diào)頻率相同的LFM分量構(gòu)成時(shí)，同樣可以通過(guò)理論推導(dǎo)得出相同的結(jié)論。類比多相碼信號(hào)，IQPF同樣也可以將多相碼信號(hào)的多條脊線能量累積到一個(gè)峰值上，如圖3所示。峰值的累積能夠產(chǎn)生抑制噪聲的效果，且通過(guò)搜索該峰值的位置，可以有效地將LFM信號(hào)的調(diào)頻率估計(jì)出來(lái)。其中，仿真信號(hào)是P1碼，歸一化載頻為0.25，采樣點(diǎn)數(shù)為1 024，碼元寬度為64。

2.2 FrFT原理

FrFT可以看作時(shí)頻平面的旋轉(zhuǎn)算子，因此它適合于處理LFM類信號(hào)。作為廣義的傅里葉變換的一種形式，信號(hào)s(t)的FrFT可以表示為[11]

(15)

Kp(t,u)=

(16)

式中:Kp(t,u)為變換核函數(shù)，p為變換階數(shù)；α為旋轉(zhuǎn)角度，且滿足α=pπ/2。

FrFT一般被應(yīng)用到處理LFM信號(hào)及類似LFM的信號(hào)(如多相碼信號(hào)、線性調(diào)頻連續(xù)波信號(hào)等)一類信號(hào)中[12]，是因?yàn)檫@些類似LFM信號(hào)的FrFT分布旋轉(zhuǎn)到一定角度時(shí)會(huì)在相應(yīng)的投影平面呈現(xiàn)出沖擊峰值。

多相碼信號(hào)的時(shí)頻圖是數(shù)條調(diào)頻率相同的平行直線，所以多相碼信號(hào)的FrFT分布在最佳旋轉(zhuǎn)角處對(duì)應(yīng)的投影平面上會(huì)出現(xiàn)多個(gè)沖擊峰值，且各峰值之間的橫坐標(biāo)間隔相同[13]。如圖4所示，由于多相碼信號(hào)碼型存在差異，多相碼信號(hào)的FrFT需要分2種情況進(jìn)行討論：一種是P1/P2/P4碼只有一條主脊線，在FrFT投影平面上只有一個(gè)最大峰值；另一種是Frank/P3碼有2條主脊線，在FrFT投影平面上有2個(gè)近似相等的峰值。

搜索主脊線的位置可以估計(jì)出多相碼信號(hào)的載頻，利用圖中的脊線間隔可以通過(guò)公式變換將剩余的參數(shù)估計(jì)出來(lái)。為了實(shí)現(xiàn)參數(shù)的快速估計(jì)，本文采用文獻(xiàn)[14]中的分解型快速算法計(jì)算FrFT。

3 基于IQPF和FrFT的多相碼參數(shù)估計(jì)算法

綜上分析，本文提出利用IQPF和FrFT聯(lián)合算法對(duì)多相碼信號(hào)進(jìn)行參數(shù)估計(jì)。具體算法步驟如下：

(17)

式中：α為最佳旋轉(zhuǎn)角。

(3) 計(jì)算出信號(hào)最佳旋轉(zhuǎn)階次p下的FrFT分布，搜索平面內(nèi)的最大值h1和次大值h2，求出它們的比值λ1=h1/h2，并記錄它們對(duì)應(yīng)的橫坐標(biāo)a1和a2。若λ1>0.5，說(shuō)明此時(shí)多相碼信號(hào)只有一條主脊線，即信號(hào)載頻對(duì)應(yīng)的橫坐標(biāo)a0=a1；若λ1<0.5，說(shuō)明此時(shí)多相碼信號(hào)有2條主脊線，即信號(hào)載頻對(duì)應(yīng)的橫坐標(biāo)a0=(a1+a2)/2。根據(jù)式(18)可以估計(jì)出多相碼信號(hào)的載頻為

(18)

(19)

式中:ΔF和ΔT分別為頻率軸和時(shí)間軸的量化單位，且ΔF=fs/N,ΔT=1/fs(fs為采樣頻率，N為采樣點(diǎn)數(shù))。

4 性能分析及仿真實(shí)驗(yàn)

4.1 性能分析

(1) 對(duì)比分析

以RWT為例，RAT與之情況類似，如圖5所示，RWT，RAT 2種方法在處理多相碼信號(hào)，會(huì)產(chǎn)生多個(gè)峰值，使信號(hào)的能量分散到各個(gè)峰值上，在信噪比為10 dB時(shí)，各峰值明顯，參數(shù)估計(jì)可以正常進(jìn)行；但是在信噪比為-5 dB，RWT,RAT都產(chǎn)生一個(gè)較高的噪聲基底，將較小的峰值淹沒(méi)，無(wú)法準(zhǔn)確地估計(jì)出多相碼信號(hào)的參數(shù)。

如圖6所示(以RWT為例，RAT與之情況類似)，6a)中采用的角度分辨率為1/180 πrad，6b)采用的角度分辨率為1/18 πrad。從圖中可以看出，由于采用Radon變換，因此這2種方法參數(shù)估計(jì)的精度還會(huì)受到旋轉(zhuǎn)角分辨率的影響。角度分辨率越高，估計(jì)精度越高，但計(jì)算量會(huì)增大；雖然角度分辨率降低，計(jì)算量會(huì)降低，但時(shí)頻平面中的尖峰會(huì)變得模糊，導(dǎo)致估計(jì)值不準(zhǔn)確；這個(gè)問(wèn)題在IQPF方法中是不存在的。因此，IQPF在估計(jì)多相碼信號(hào)的調(diào)頻率問(wèn)題上具有優(yōu)良的性能。

(2) 計(jì)算量分析

當(dāng)信號(hào)點(diǎn)數(shù)為N，旋轉(zhuǎn)角度的個(gè)數(shù)為M時(shí)，采用RWT和RAT實(shí)現(xiàn)參數(shù)估計(jì)總體需要的運(yùn)算量均為O(N2M)[15]。若只估計(jì)信號(hào)的調(diào)頻率，RAT只對(duì)過(guò)原點(diǎn)的脊線進(jìn)行積分即可，使得RAT比RWT計(jì)算量小，但是因?yàn)橐獙?duì)多相碼信號(hào)的其他參數(shù)(如脊線間隔)進(jìn)行估計(jì)，就必須對(duì)其他脊線也進(jìn)行積分，所以兩者的計(jì)算量相當(dāng)。

本文算法是在IQPF之后進(jìn)行一次已知旋轉(zhuǎn)階次的FrFT。由文獻(xiàn)[3]可知，IQPF的計(jì)算公式比WVD和AF的計(jì)算公式多N次加法和乘法，這幾種方法實(shí)質(zhì)上都可以看作自相關(guān)之后進(jìn)行傅里葉變換，計(jì)算量為O(N2lbN)，而已知旋轉(zhuǎn)階次的FrFT的計(jì)算量?jī)H相當(dāng)于一次N點(diǎn)的FFT，計(jì)算量為O(NlbN)，所以本文算法計(jì)算量小于RWT和RAT。

4.2 仿真實(shí)驗(yàn)

為了驗(yàn)證本文參數(shù)估計(jì)算法的有效性，對(duì)5種碼型的多相碼信號(hào)進(jìn)行仿真實(shí)驗(yàn)。仿真信號(hào)的參數(shù)設(shè)置如下：

碼元寬度tb為0.1 μs，重復(fù)周期T為6.4 μs，編碼位數(shù)Nc為64，信號(hào)載頻fc=25 MHz，采樣頻率fs=100 MHz。RWT和RAT的角度分辨率取為1/180 πrad。噪聲采用高斯白噪聲，且信噪比范圍設(shè)置為-15～6 dB，每2 dB的信噪比作100次Monte Carlo仿真實(shí)驗(yàn)。

(1) 不同方法參數(shù)估計(jì)性能比較

以P4碼為例，分別利用本文方法、RWT和RAT 3種方法估計(jì)出調(diào)頻率k、碼元寬度tb和重復(fù)周期T，并作3種方法估計(jì)參數(shù)的均方根誤差(RMSE)與信噪比之間的關(guān)系圖，如圖7～9所示。

由圖7～9分析可知，本文使用的參數(shù)估計(jì)方法在低信噪比的條件下較RWT和RAT參數(shù)估計(jì)方法的性能高。這是因?yàn)楸疚乃惴ㄖ械腎QPF可以將多相碼信號(hào)的所有脊線累積到一個(gè)峰值上，從而達(dá)到累積信號(hào)能量、抑制噪聲和提高調(diào)頻率估計(jì)精度的效果，而RWT和RAT2種方法不能將脊線累積到一個(gè)峰值上，導(dǎo)致信號(hào)能量分散，低信噪比的條件下平面內(nèi)的峰值容易被噪聲淹沒(méi)，降低了估計(jì)精度，影響了算法的整體性能。而且本文方法不需要進(jìn)行坐標(biāo)變換，僅需進(jìn)行一維搜索。所以本文的方法不僅具有較好的估計(jì)性能且在計(jì)算量方面存在優(yōu)勢(shì)。

(2) 不同碼型的多相碼信號(hào)間的性能比較

利用本文方法對(duì)不同碼型的多相碼信號(hào)估計(jì)載頻、碼元寬度和重復(fù)周期的RMSE與SNR的關(guān)系如圖10～12所示。

從圖10中可以看出，5種碼型的多相碼信號(hào)的載頻估計(jì)的RMSE可以達(dá)到-55 dB以下；具體來(lái)看，在信噪比為-10～0 dB時(shí)，F(xiàn)rank/P3碼的載頻估計(jì)的RMSE比另外3種碼型高約5～10 dB，這是因?yàn)镕rank/P3碼經(jīng)過(guò)FrFT之后產(chǎn)生2個(gè)近似相等的最大值和次大值，導(dǎo)致單個(gè)峰值的幅度下降，從而使其抗噪性變差。

圖11和圖12是對(duì)5種碼型的多相碼信號(hào)的碼元寬度和重復(fù)周期的估計(jì)性能進(jìn)行比較。整體來(lái)看，5種碼型的的碼元寬度和重復(fù)周期估計(jì)性能相差不大；具體來(lái)看，在信噪比大于-10 dB小于0 dB時(shí)，F(xiàn)rank/P3碼的參數(shù)估計(jì)的RMSE比另3種碼型低約5～10 dB，這是因?yàn)檫@2種碼型的多相碼信號(hào)經(jīng)過(guò)FrFT之后的次大值比其他3種碼型得到的次大值要大得多，低信噪比下不易被噪聲淹沒(méi)，能夠更好的估計(jì)脊線間隔，從而得到高精度的碼元寬度和重復(fù)周期。

5 結(jié)束語(yǔ)

本文利用多相碼信號(hào)與LFM信號(hào)具有類似時(shí)頻特征的特點(diǎn)，提出基于IQPF和FrFT的多相碼信號(hào)聯(lián)合參數(shù)估計(jì)方法。理論上證明了IQPF可以將多相碼信號(hào)的多條脊線累積為一個(gè)峰值，并利用IQPF估計(jì)信號(hào)的調(diào)頻率，將FrFT的二維搜索中轉(zhuǎn)化為一維搜索，估計(jì)信號(hào)的其他參數(shù)。聯(lián)合參數(shù)估計(jì)方法的抗噪性能較強(qiáng)，且計(jì)算復(fù)雜度較低，估計(jì)精度不受角度分辨率的影響，克服了傳統(tǒng)方法本身固有的缺陷。仿真實(shí)驗(yàn)表明，在低信噪比的條件下，聯(lián)合參數(shù)估計(jì)方法的估計(jì)性能優(yōu)于RAT和RWT 2種傳統(tǒng)方法。為低信噪比下對(duì)多相碼信號(hào)的參數(shù)估計(jì)提供了一種可靠的方法。

參考文獻(xiàn)：

[1] PACE P E.Detecting and Classifying Low Probability of Intercept Radar[M].Norwood,MA:Artech House,2004:113-116.

[2] LI Ying-xiang,TANG Wei-wen,KUANG Yu-jun.A New Polynomial Phase Signal Detection Algorithm Based on the Combination of Filter Bank and Short-Time Radon-Wigner Transform[C]∥2010 IEEE International Conference on Communications and Mobile Computing.Shenzhen,2010,2:515-519.

[3] DENG H.Polyphase Code Design for Orthogonal Netted Radar Systems[J].IEEE Transactions on Signal Processing,2004,52(11):3126-3135.

[4] 徐海源,黃知濤,周一宇.基于Radon變換的具有線性調(diào)頻特性的多相編碼信號(hào)參數(shù)估計(jì)[J].信號(hào)處理,2008,24(2):172-176.

XU Hai-yuan,HUANG Zhi-tao,ZHOU Yi-yu.Parameter Estimation Methods for Poly-Phase Codes Derived from LFM Waveforms Using the Radon Transform[J].Signal Processing,2008,24(2):172-176.

[5] 洪先成,張國(guó)毅.多相編碼雷達(dá)信號(hào)參數(shù)快速估計(jì)方法[J].火控雷達(dá)技術(shù),2010,39(3):28-32.

HONG Xian-cheng,ZHANG Guo-yi.Fast Parameters Estimation Approach of Poly-Phase Coded Signal[J].Fire Control Radar Technology,2010,39(3):28-32.

[6] JENNISON B K.Detection of Polyphase Pulse Compression Waveforms Using the Radon-Ambiguity Transform[J].IEEE Trans.on Aerospace and Electronic Systems,2003,39(1):335-343.

[7] 李宏,秦玉亮,李彥鵬,等.基于AF的多相編碼脈沖脈內(nèi)調(diào)制參數(shù)估計(jì)[J].系統(tǒng)工程與電子技術(shù),2010,32(9):1823-1827.

LI Hong,QIN Yu-liang,LI Yan-peng,et al.Parameter Estimation of Intro Pulse on for Poll Phase Coded Pulse Based on AF[J].Systems Engineering and Electronics,2010,32(9):1823-1827.

[8] 李建,張國(guó)毅,張旭洲.一種改進(jìn)的多相碼信號(hào)參數(shù)估計(jì)法[J].現(xiàn)代防御技術(shù),2013,41(4):88-93.

LI Jian,ZHANG Guo-yi,ZHANG Xu-zhou.Parameter Estimation Method for Poly-Phase Coded Signal Based on the Modified FrFT[J].Modern Defence Technology,2013,41(4):88-93.

[9] 唐鵬飛,林錢(qián)強(qiáng),袁斌,等.基于積分二次相位函數(shù)和分?jǐn)?shù)階Fourier變換的多分量LFM信號(hào)參數(shù)估計(jì)[J].信號(hào)處理,2012,28(7):926-931.

TANG Peng-fei,LIN Qian-qiang,YUAN Bin,et al.Parameter Estimation of Multi-Component LFM Signals Using Integrated Quadratic Phase Function and Fractional Fourier Transform[J].Signal Processing,2012,28(7):926-931.

[10] 王勇,姜義成.一種新的LFM信號(hào)參數(shù)估計(jì)算法[J].信號(hào)處理,2008,24(1):132-134.

WANG Yong,JIANG Yi-cheng.A New Parameter Estimation Algorithm for LFM Signals[J].Signal Processing,2008,24(1):132-134.

[11] 齊林，陶然.基于分?jǐn)?shù)階Fourier變換的多分量LFM信號(hào)的檢測(cè)和參數(shù)估計(jì)[J].中國(guó)科學(xué):E輯,2003(12) :749-759.

QI Lin,TAO Ran.Multi Component LFM Signal Detection and Parameter Estimation Based on Fractional Fourier Transform[J].Science in China：Series E,2003(12) :749-759.

[12] 史文國(guó),徐向輝.基于分?jǐn)?shù)階傅里葉變換的多分量線性調(diào)頻信號(hào)檢測(cè)和參數(shù)估計(jì)的快速自適應(yīng)方法[J].科學(xué)技術(shù)與工程,2012,20(7):1517-1521.

SHI Wen-guo,XU Xiang-hui.Fast Adaptive Method of the Multi-LFM Signal Detection and Parameter Estimation Based on Fractional Fourier Transform[J].Science Technology and Engineering,2012,20(7):1517-1521.

[13] Haldun M Ozatkas,Orhan Arikan,Alper Kutay M.Digital Computation of the Fractional Fourier Transform[J].IEEE Trans.on Signal Processing,1996,44(9):2141-2150.

[14] Steven M Kay,羅鵬飛.統(tǒng)計(jì)信號(hào)處理基礎(chǔ)—估計(jì)與檢測(cè)理論[M].北京:電子工業(yè)出版社,2011:44 -49.

Steven M Kay,LUO Peng-fei.Statistical Signal Processing-Estimation and Detection Theory[M].Beijing:Electronic Industry Press,2011:44 -49.

[15] 張賢達(dá),保錚.非平穩(wěn)信號(hào)分析與處理[M].北京:國(guó)防工業(yè)出版社,1998.

ZHANG Xian-da,BAO Zheng.Non-Stationary Signals Analyzing and Processing[M].Beijing:National Defence Industry Press,1998.