基于群智能优化的线性调频信号参数估计

发布时间：2021-08-13 12:40

　　近几十年来,随着对雷达目标特性研究以及宽带微波技术、宽禁带半导体技术、大规模集成电路以及计算机应用技术的突飞猛进,结合模式识别理论、机器视觉等多学科的特点,雷达技术得到了蓬勃的发展,其功能不仅仅包括目标检测与定位,还有目标的跟踪、识别、成像和分类等。在雷达的众多应用领域中,最重要的就是雷达侦察这一环节。利用雷达侦查技术不仅可以捕获、测量、分析、辨识、锁定敌方的雷达信号,还可以获得有用的技术参数、作战部署以及地理坐标等作战情报。但是,在所捕获的雷达信号中常常夹杂着噪声的干扰,因此,在含噪声干扰的背景下,准确、快速、高效地实现线性调频信号的参数估计具有重要的研究意义。此外,在其他的实际应用领域中,线性调频信号的参数估计也有着广泛应用,如地震勘测、脑电图信号、蝙蝠声纳信号等。在处理这些线性调频信号时,观测数据往往也会受到噪声的干扰,因此,附加噪声干扰的线性调频信号参数估计问题是一个比较重要的研究课题。在线性调频信号处理中应用最广泛的是最大似然估计法。最大似然估计方法理论上可以达到Cramer-Rao下界,在参数估计应用中具有最高的估计精度,但由于最大似然估计法存在二维搜索的需求,存储量和计算... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

信噪比SNR=-10dB

1 中的函数被称为压缩概率函数 ( )。从式 2.11 中可以看出，若想要获得参 ]，则需要对这两个参数向量进行多维网格搜索。图 2.1 信噪比 SNR=-10dB

反而会降低搜索效率。实际应用可以取到 100 到 200[35]。子迭代搜索时的邻域大小，参数利于收敛到最优解的位置，参数需要设定。最大似然估计优化的全局模式应用于对 LFM 信号参数估计中 M函数属于 4 维函数的优化。特点在于采用了星型结构的邻域搜的程度，更有利于整个群体朝着其邻域结构方式如下图 3.1 所示

【参考文献】：
期刊论文
[1]一种基于新误差标准的ANF线性调频信号参数估计方法[J]. 赵红梅,崔艳.  山西师范大学学报(自然科学版). 2019(01)
[2]一种有效的CFCR域LFM信号分析方法[J]. 荆福龙,张春杰,司伟建,王宇,焦淑红.  西安电子科技大学学报. 2019(03)
[3]三角波调频信号参数快速精确估计方法[J]. 燕天,邹金龙.  探测与控制学报. 2018(02)
[4]多分量线性调频信号的Wigner-Ville分布交叉项去除[J]. 李秀坤,吴玉双.  电子学报. 2017(02)
[5]带自适应精英扰动及惯性权重的反向粒子群优化算法[J]. 董文永,康岚兰,刘宇航,李康顺.  通信学报. 2016(12)
[6]基于人工蜂群算法的边坡地震可靠度分析[J]. 胡仁杰,程涛,许万辉,罗显枫.  武汉大学学报(工学版). 2016(05)
[7]基于人工蜂群算法的无人直升机LQG/LTR控制律优化设计[J]. 马瑞,吴洪涛,丁力.  控制与决策. 2016(12)
[8]基于禁忌搜索的人工蜂群算法[J]. 李艳娟,陈阿慧.  计算机工程与应用. 2017(04)
[9]一种邻域搜索的人工蜂群算法[J]. 周新宇,吴志健,邓长寿,彭虎.  中南大学学报(自然科学版). 2015(02)
[10]基于禁忌搜索的人工蜂群算法及其应用[J]. 刘蓓蕾,江铭炎,张振月.  计算机应用研究. 2015(07)



本文编号：3340446