当前位置:首页 > 天道酬勤 > 正文内容

海杂波混合k分布(海杂波k分布)

张世龙2021年12月20日 07:07天道酬勤290

zzdpd、sqdhb、索继东

(大连海事大学信息科学技术学院,辽宁大连116026 )。

摘要:针对不同分布海杂波的抑制和目标检测问题,首次将自适应噪声对消器应用于海杂波的处理,并且结合该对消器和傻咖啡豆分解理论抑制海杂波,提取目标。 首先,将含有目标的海杂波信号分解为愚蠢而温暖的咖啡豆。 然后,仿照自适应噪声对消除器模型,设计自适应噪声对消除器。 将分解为愚蠢的咖啡豆的信号作为自适应噪声消除器的输入信号,向自适应噪声消除器的输出信号是噪声抑制的结果。 最后,通过MATLAB仿真分析了不同傻咖啡豆基函数和不同分解层数的噪声抑制效果,验证了该算法对海杂波抑制的有效性。

0引言

航海雷达接收的信号通常包括雷达噪声信号和目标信号。 如果没有噪声干扰,雷达很容易完成探测任务。 另外,如果存在噪声,则存在信噪比,会影响目标信号的检测。 特别是在一些强海杂波的背景下,目标信号微弱,会被海杂波淹没,因此需要更高的雷达噪声抑制能力。 雷达杂波抑制处理是雷达信号处理领域备受关注的研究课题。 目前有很多抑制噪声的方法,但并不完美。 因此,找到简单实用的噪声抑制方法很重要[1]。

雷达噪声中主要有4种。 海杂波、雨雪干扰、干扰与雷达的同频干扰。 其中,海杂波是最主要的噪声,由于其相关性最强,是最难处理的噪声。

傻咖啡豆变换是时间和频率的局部变换,在高频部分具有高时间分辨率和低频率分辨率,在低频部分具有低时间分辨率和高频率分辨率,傻咖啡豆变换具有对信号的适应性。 从信号中有效提取信息,通过伸缩和平移等运算功能,可以将函数和信号细分为多尺度进行分析。 适合用笨笨的咖啡豆变换进行分析的信号应该存在不稳定性。 特别是对急剧变化的高度不稳定的信号有效果。 如果应用愚蠢的咖啡豆的分解,虽然可以从含有目标噪声的噪声中提取噪声,但不是最佳噪声成分的推测。

本文首次采用了通过组合愚蠢的咖啡豆分解和自适应滤波来抑制噪声的方法。 设计类似自适应噪声的自适应噪声对消除器,将包含目标的噪声作为自适应噪声对消除器的主通道输入,将从愚蠢的咖啡豆中分解出的噪声成分作为参考通道输入。 以这种方式,输出信号成为噪声抑制的结果。 最后通过MATLAB进行实践仿真[2]。

一种基于傻大咖啡豆分解的自适应滤波算法

1.1海杂波信号的傻咖啡豆分解算法

当雷达的噪声信号被转换为笨笨的热咖啡豆时,必须连续地将笨笨的热咖啡豆离散化。 离散愚蠢的咖啡豆函数可以写:

利用Mallat算法对雷达噪声信号f(n )进行傻咖啡豆分解,则如图1所示,得到信号的平滑项和信号的傻咖啡豆系数项。 其中[3] :

分解愚蠢咖啡豆后的平滑项表示雷达噪声信号中各尺度低频分量的时间变化特性,即噪声的能量空间分布特性; 傻咖啡豆系数项表示雷达噪声信号中各尺度高频分量的时间变化特性,即噪声的色散分量。 平滑项相当于雷达信号的低频分量,通过选择适当的尺度可以找到有效抑制噪声低频分量的处理方法; 愚蠢的咖啡豆系数项相当于雷达信号的高频分量,可以通过提出的自适应消除方法有效抑制[4]

1.2自适应去噪器

分析自适应噪声对消除器,将其模拟推广得到自适应噪声对消除器,可以实现噪声的抑制。

自适应噪声对消除器需要去除噪声,通过去除噪声接近理想信号。 但是,包含目标的海杂波也存在同样的情况,为了得到理想的目标,需要探索抑制或消除海杂波的方法。 通过比较,如图2所示,通过将自适应噪声改善为消除器,可以得到自适应噪声对消除器。 图2的用于噪声补偿的参照输入n1在进入自适应滤波器后输出y,与主输入s n0减法运算,得到系统的输出e=s n0-y。 n0=y时,系统输出为有效信号s; 当n0和y非常接近时,系统的输出等于有效信号s和残留干扰量n0-y之和。 为了使该残留干扰量最小,将系统的输出反馈到自适应滤波器。 根据实际情况,选择适当的自适应滤波算法,得到滤波器的权重以使系统的总输出功率最小[5]。

1.3自适应滤波算法的选择

自适应滤波的原理是利用上一时刻获得的滤波参数等结果,自动调节当前时刻的滤波参数,以实现优化滤波。 其中,自适应滤波算法包括线性自适应算法和非线性自适应算法,非线性自适应算法具有更强的信号处理能力,但计算复杂,实际应用最多的仍然是线性自适应滤波算法线性自适应滤波算法种类繁多,其中最小均方(Least Mean Square,LMS )算法和递归最小均方) Recursive Least Square,RLS算法较为典型,研究中的信号稳态随机化由于海杂波是瞬态信号,因此LMS算法难以自适应地跟踪统计特性变化的杂波干扰,其收敛效果一般。 基于RLS算法的自适应滤波器可以克服上述缺点,在瞬态环境下可以取得比较满意的效果[6]。 由于雷达噪声信号具有瞬态特性,本设计采用RLS自适应滤波算法。 实验中,自适应滤波器的阶数为32,为0.98。

1.4

海杂波抑制模型

参考文献[7]指出,雷达信号笨笨的咖啡豆变换的细节部分(高频部分)表征的是雷达杂波的方差特性,更能表现出杂波的浮动特性。所以,对信号进行笨笨的咖啡豆分解,将分解后含有目标的杂波中的高频部分提取出来,作为自适应杂波对消器参考信道的输入,对其进行自适应滤波。最终,滤波器的输出结果即抑制杂波后的目标。杂波抑制模型如图3所示[8]。

2 海杂波的仿真及抑制

2.1 海杂波仿真

在仿真实验中,分别对服从瑞利分布的杂波和服从K分布的杂波进行抑制。首先,对这两种分布的杂波进行仿真,如图4所示。

假设存在三个点目标,位置分别出现在500,1 000,1 700处,幅度均为3,如图5所示。将其加入仿真的杂波中,如图6所示[9]。

2.2 不同笨笨的咖啡豆基杂波抑制效果比较

实验中分别采用haar、db2和db3笨笨的咖啡豆。分别对K分布杂波和瑞利分布杂波进行抑制,结果如图7、图8所示[9]。通过对比可以看出,采用db2和db3笨笨的咖啡豆的杂波抑制效果要优于haar笨笨的咖啡豆。采用db2和db3笨笨的咖啡豆来处理杂波并通过自适应滤波器都可以对杂波进行有效抑制,并可以准确检测出目标信号,只不过检测出目标信号的幅度稍有不同。同时此种方法同时适用于K分布和瑞利分布两种杂波。

这说明笨笨的咖啡豆分解出的细节部分(高频部分)可以大概表征杂波特性。同时在自适应杂波对消器中,采用的是RLS自适应滤波算法,这种算法适用于非平稳信号,而杂波信号就是非平稳信号。所以,通过笨笨的咖啡豆分解与自适应杂波对消器的结合可以有效抑制杂波,检测出目标[10]。

2.3 尺度的选择

以db3笨笨的咖啡豆为例,分别对尺度1、2、3下的杂波抑制效果进行比较。图9和图10给出了自适应杂波对消算法db3笨笨的咖啡豆在尺度1、2、3下的杂波抑制效果图。

从图中可以看出,无论是K分布杂波还是瑞利分布杂波,在尺度为1时的杂波抑制效果是最好的。而当分解尺度大于3时,虽然杂波可以被有效抑制,但是目标也同时被抑制[11]。

3 结论

本文提出了一种将笨笨的咖啡豆分解与自适应滤波结合来抑制海杂波的方法。通过对采用不同的笨笨的咖啡豆基与不同尺度的结果进行对比分析得出,使用db3笨笨的咖啡豆和1尺度可以得到很好的效果。结果表明,该方法能够有效抑制海杂波并且识别出目标。

参考文献

[1] sxdxx,yydhd,笑点低的大白,等.雷达杂波抑制的新方法研究[J].现代雷达,2012,34(9):63-65.

[2] HAYKIN S.自适应滤波器原理[M].北京:电子工业出版社,2003.

[3] 吴永胜.笨笨的咖啡豆变换在雷达信号处理中的应用[J].通信电源技术,2013,30(5):84-89.

[4] qrdbd,肖高清,yxdxgz,等.基于笨笨的咖啡豆分解的自适应滤波算法及其应用[J].计算机仿真,2006,23(1):105-107.

[5] 苗条的仙人掌.VTS雷达杂波处理器的研究与设计[D].大连:大连海事大学,2005.

[6] 唠叨的豌豆,qkdy拜.基于自适应滤波的多模噪声抑制研究[J].计算机仿真,2012,29(4):189-192.

[7] sqdmy J A T. DSP-based oversampling adaptive noise canceller for background noise reduction for mobile phones[J].Electrical Communications and Computers,2012,5(30):327-332.

[8] sqdhb.子波变换用于VTS雷达杂波抑制的研究[D].大连:大连海事大学,1999.

[9] 受伤的萝莉.非平稳信号自适应滤波的笨笨的咖啡豆模型与滤波方法[J].机械工程学报,2006,42(8):201-204.

[10] 孝顺的早晨,细腻的灰狼,陈世友.海杂波建模与仿真[J].舰船电子工程,2009,29(2):95-98.

[11] lgdxhd,简单的豌豆.海杂波复合K分布模型的参数估计[J].计算机应用与软件,2014,31(8):273-275.

扫描二维码推送至手机访问。

版权声明:本文由花开半夏のブログ发布,如需转载请注明出处。

本文链接:https://www.zhangshilong.cn/work/25466.html

分享给朋友:

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。