使用移动最小二乘法改进LFM信号参数估计

"基于移动最小二乘曲线拟合的LFM信号参数估计 (2011年) 齐林，张芳，陈恩庆 郑州大学信息工程学院" 本文主要探讨了如何改进基于分数阶傅里叶变换（FrFT）的线性调频信号（LFM）参数估计方法，以解决峰值估计偏差的问题。传统的二维搜索方法在估计LFM信号参数时存在计算复杂度高和估计精度不足的缺点。作者提出了使用移动最小二乘（MLS）技术来拟合FrFT模函数的峰值检测向量，从而将原本的二维搜索问题简化为一维曲线拟合，降低了计算量，提高了参数估计的精度。 LFM信号在通信、雷达和声纳等领域有着广泛应用，其参数估计是信号处理中的关键环节。传统的傅里叶变换对非平稳信号的分析能力有限，因此出现了多种时频分析方法，如Wigner-Ville分布（WVD）、短时傅里叶变换（STFT）以及分数阶傅里叶变换（FrFT）。FrFT作为傅里叶变换的扩展，能够更好地捕捉LFM信号的时频特性，且在处理多分量信号时避免了交叉干扰问题。 然而，基于FrFT的LFM参数估计方法通常需要在整个时频平面上进行搜索，这极大地限制了其实时性。为了改善这一情况，论文中分析了造成FrFT能量二维谱峰偏移的原因，并提出了一个新的策略——FrFT模函数的峰值检测向量。利用移动最小二乘法对这个向量进行拟合，能够在保持分数阶域处理优势的同时，显著减少计算复杂度，从而提高估计的准确性和实时性能。 移动最小二乘法是一种数值优化技术，通过在数据点附近构建多项式模型来逼近目标函数，以此找到最佳拟合值。在LFM信号参数估计中，这种方法能有效地定位峰值，避免漏检和误检，提高估计的稳定性。 这项工作为基于FrFT的LFM信号实时检测提供了新的解决方案，具有重要的理论价值和实际应用前景。通过将复杂的二维搜索问题转化为一维曲线拟合，不仅优化了计算效率，还提升了参数估计的准确性，对于未来LFM信号处理技术的发展具有积极的推动作用。