利用Radon-Wigner变换的LFM信号检测性能分析
2013-10-09许建忠孙红伟孙业岐段平光陈刚
许建忠,孙红伟,孙业岐,段平光,陈刚
(1.河北大学物理科学与技术学院,河北保定 071002;2.河北大学工商学院,河北保定 071002;3.北华航天工业学院,河北廊坊 065000)
线性调频(linear frequency modulation,LFM)信号是一种重要的信号形式,在雷达、通信和地震勘测等系统中都有着广泛的应用,对LFM信号的检测和参数估计一直是研究的重点和难点.国内外学者对LFM信号的检测已经提出了很多有效的方法,如基于最大似然的方法[1],基于STFT 及其他时频分析的检测方法等[2].Wigner-Ville分布(Wigner-Ville distribution,WVD)是最早用于对LFM信号进行时频分析的方法之一,Simon[3]在强杂波背景下应用WVD检测雷达目标,优于普通的恒虚警检测方法,Frazer[4]将WVD应用于HF超视距雷达,提高了HF超视距雷达的检测性能.但是当用WVD分析多分量LFM信号时,由于WVD存在固有的交叉项,对检测结果造成影响[5].LFM信号在分数阶Fourier变换(Fractional Fourier transform,FRFT)域有良好的能量聚集性,因此在FRFT域处理LFM信号的检测与估计问题有很大的优势.但在低信噪比时,FRFT对噪声的抑制作用有限,检测性能降低,并且多分量LFM信号的FRFT谱存在相互遮蔽问题[6],影响了对弱信号的检测.
LFM信号经过Wigner-Ville变换后在时频平面内表现为冲激线谱,因此在Wigner-Ville变换的基础上应用Radon变换,形成Radon-Wigner变换(Radon-Wigner transform,RWT),可以利用信号项的能量聚集,有效实现对信号的检测.本文分析了采用RWT进行LFM信号检测的方法和性能,给出了检测的信噪比和检测概率.仿真实验验证了该方法的有效性.
1 Radon-Wigner变换
连续解析信号x(t)的WVD为[7]
WVD对线性调频信号具有很好的时频聚集性,但在分析多个信号时,在信号之间、噪声之间、信号和噪声之间存在着严重的交叉项,影响了对有用信号的检测.RWT是对信号的WVD进行直线积分投影的Radon变换,通过Radon变换对WVD平面进行积分可以实现对信号项的聚集和对交叉项的平滑,在一定程度上能够抑制交叉项的影响.
将时频平面坐标逆时针旋转α角得到新的坐标(u,v),以不同的u值平行于v轴积分,即得到Radon变换,如图1所示为RWT的几何示意图,坐标间的变换关系为
若将时频平面代之以信号x(t)的WVD,即得到x(t)的RWT
式中R[·]表示Radon变换.
图1 Radon变换几何示意Fig.1 Geometric forms of Radon transformation
在WVD时频平面中,若用f轴的f0和斜率β为参数来表示直线,则当沿f=f0+βt作直线积分时,可将图1中的积分路径参数(u,α)替换为(f0,β),根据图中2对参数之间的关系,可以得到用(f0,β)表示的RWT
上式表明,若x(t)是起始频率为f0和调频斜率为β的LFM信号,则积分值最大;而当参数偏离f0,β时积分值迅速减小;因而对一定的LFM信号其RWT会在对应的参数(f0,β)处呈现尖峰.由此,在RWT域中可容易地将信号与交叉项区分开.
2 基于Radon-Wigner变换的检测分析
由RWT的定义可知,RWT是通过对信号WVD平面(t,f)应用Radon变换进行投影积分,利用LFM信号在时频平面上的能量聚集特征,以实现信号的检测.
2.1 检测信噪比
对于回波信号
其中s(t)为真实的目标回波信号成分,w(t)为噪声或杂波干扰.假设LFM信号的离散化表达式为
其中Ts为采样周期,N为采样个数,φ0为初始相位.
若只有信号s(n)而不存在噪声时,则R(u,α)在(u,α)参数空间内呈现为一尖峰,其峰值位于参数(f0,β)对应的(u0,α0)处,峰值为N2A2/2,而对于有噪声的观测信号x(n)则在(u0,α0)处会发生随机起伏,并有一定的起伏方差var{R(u,α)},Barbarossa[8]提出把二维变换域上的信号峰值平方作为信号功率,该处的噪声方差作为噪声功率,因此可以得到基于RWT的信噪比
分母项var{R(u,α)}的计算可分2步进行[7],首先计算其数学期望
这里假设了杂噪信号的自相关函数Rw(k)=,然后计算含杂噪信号RWT的二阶矩
因此,由式(8),(9)可以得到含杂噪信号的方差
综合式(7),(10),最终可得含杂噪信号的RWT输出信噪比为
其中SNRin=为输入信噪比,并由式可见增大数据长度N是改善信噪比的一个有效手段.
2.2 检测概率分析
对目标检测,构造二元假设检验[9]
式中x(t),s(t,ρ),w(t)分别代表接收信号、目标回波信号、噪声和杂波干扰等.ρ为目标中的未知参数,对于LFM信号来说,ρ=[f0β].
在u,α参数空间内,设Xu,α为接收信号经RWT后在(u,α)点的值,若检测门限为λ,则其虚警概率为
同样有其检测概率
式中∃(u,α)表示存在(u,α)点,∀(u,α)表示对任意存在的(u,α)点.
假设经RWT后信号中的噪声为高斯白噪声,则由式(8),(10)可知在无目标信号时的噪声概率密度函数为
同理,可以得到有目标信号时的噪声概率密度函数
因此,由式(15)可以得到虚警概率为
式中φ(x)称为概率积分函数,其定义为
由式(16)可以得到目标的检测概率
这样,通过式(17)可以得到给定虚警概率Pf情况下的门限值λ,由式(19)就可以得到在一定门限下的检测概率Pd.
3 仿真结果与分析
3.1 噪声干扰下的检测
假设LFM信号的起始频率为f0=10MHz,调频率为β=10×106MHz/s,采样率为80MHz,采样快拍数为200,噪声为零均值的高斯白噪声.从图2中可以看出,对于较大的信噪比如图2a所示,基于RWT的信号检测效果非常好.随着信噪比的减小,依然保留了较多的有关信号信息,保持了很好的检测能力,如图2b所示.当信噪比进一步下降,基于RWT的信号检测效果虽然有所下降,但如果提高检测门限,仍能将信号从噪声中正确检测出来,如图2c所示.
图2 基于RWT的信号检测Fig.2 Signal detection basing on RWT
图3给出了在虚警概率为Pf=5×时,不同信噪比情况下基于RWT和基于FRFT最大值检测方法[10]的检测概率,由图3可见该方法比基于FRFT最大值检测方法在检测概率同为1时小6dB左右,说明该方法具有较好的抗噪声能力,这是因为该方法充分利用了信号的时频汇聚特性.
图3 不同信噪比下的检测概率Fig.3 Detection probability in different SNR
3.2 多信号的检测
当接收信号为多个LFM信号时,假设接收信号中有4个LFM信号,起始频率分别为f10=10MHz,f20=5MHz,f30=f40=20MHz,调频率分别为:β1=β2=10×106MHz/s,β3=5×106MHz/s,β4=40×106MHz/s,并混有高斯白噪声,信噪比为-5dB.从图4中可以看到在利用WVD分析多个信号时存在着严重的交叉项,因此影响了对有用信号的检测.由于信号项在WVD平面表现为直线,变换到Radon平面则为一尖峰,而交叉项则会散布开,如图5所示.从图中可以看到有非常突出的4个尖峰,分别对应了4个信号项,而交叉项和噪声引起的干扰很小,因此4个LFM信号可以容易地检测出来.
4 结束语
研究了对LFM信号进行检测的方法,针对LFM信号的非平稳性特点,利用RWT的时频聚集特性,实现了LFM信号的检测,并对其检测性能进行了分析,得到了噪声背景下RWT输出信噪比,其中增大数据长度N是改善信噪比的一个有效手段.并推导了高斯白噪声下的检测概率,可以得到在给定虚警概率情况下的检测概率.仿真实验验证了这种方法的有效性.
[1] LIN Yan,PENG Yingning,WANG Xiutan.Maximum likelihood parameter estimation of multiple chirp signals by a new Markov chain Monte Carlo approach[Z].IEEE proc Radar Conference,Philadelphia,2004.
[2] 董晖,姜秋喜.低信噪比下宽带LFM信号检测技术[J].电子信息对抗技术,2008,23(1):5-8,21.DONG Hui,JIANG Qiuxi.Broadband LFM signal detecting technologies under low SNR conditions[J].Electronic information warfare technology,2008,23(1):5-8,21.
[3] HAYKIN S,BHATTACHARYR T.Wigner-Ville distribution:an important functional block for radar target detection in clutter[Z].Conference on Signals,Systems and Computers,Los Alamitos,1994.
[4] FRAZER G J,ANDERSON S J.Wigner-Ville analysis of HF radar measurements of an accelerating target[Z].Proceeding of the Fifth International Symposium on Signal Processing and Its Applications,Brisbane,1999.
[5] ZOU Hongxing,LU Xuguang,DAI Qionghai,et al.Nonexistence of cross-term free time-frequency distribution with concentration of Wigner-Ville distribution[J].Science in China,2002,45(3):174-180.
[6] 邓兵,陶然,曲长文.分数阶Fourier域中多分量chirp信号的遮蔽分析[J].电子学报,2007,36(6):1094-1097.DENG Bing,TAO Ran,QU Changwen.Analysis of the shading between multicomponent chirp signals in the fractional Fourier domain[J].Acta Electronica Sinica,2007,36(6):1094-1097.
[7] 张贤达,保铮.非平稳信号分析与处理[M].北京:国防工业出版社,1998:21-254.ZHANG Xianda,BAO Zheng.Nonstationary signal analysis and processing[M].Beijing:Defense Industry Press,1998:21-254.
[8] BARBAROSSA S.Analysis of multi component LFM signals by a combined Wigner-Hough transform[J].IEEE Transactions on Signal Processing,1995,43(6):1511-1515.
[9] 陈小龙,关键,于仕财,等.海杂波背景下基于FRFT的多运动目标检测快速算法[J].信号处理,2010,26(8):1174-1180.CHEN Xiaolong,GUAN Jian,YU Shicai,et al.A fast detection algorithm of multiple moving targets in sea clutter based on FRFT[J].Signal Processing,2010,26(8):1174-1180.
[10] 尉宇.线性调频和非线性调频信号的检测与参数估计[D].武汉:华中科技大学,2005.WEI Yu.The detection and parameter estimation of the linear frequency modulated signals and no linear frequency modulated signal in low SNR[D].Wuhan:Huazhong University of Science &Technology,2005.