LVD与Zoom-FRFT提升MLFM信号参数估计精度与效率

本文主要探讨了在多分量线性调频信号(MLFM)参数估计方面的一种创新方法，即结合吕分布(LVD)和高分辨率分数阶傅里叶变换(Zoom-FRFT)的技术。传统的基于分数阶傅里叶变换(FRFT)的参数估计方法在处理多分量信号时，存在计算量大和精度不高的问题。针对这些问题，作者提出了一个优化流程。 首先，通过吕分布(LVD)，这是一种概率统计方法，用于检测MLFM信号中的分量个数，从而对信号的构成有初步了解。LVD能够有效地识别不同分量的存在，为后续的参数估计提供基础信息。接着，对每个分量的参数进行粗略估计，通过这些初步信息，计算出每个分量的粗略调频斜率。这个步骤有助于减小参数估计的复杂性。 然后，利用粗略调频斜率作为参数，采用FRFT进行变换。然而，不是直接进行常规的FRFT，而是根据粗略变换阶次来确定搜索范围和精度，这有助于减少计算量并提高精度。通过这种方法，可以准确地提取出每个分量的精确变换阶次及其在FRFT域的坐标。 最后，利用Zoom-FRFT技术，这是一个局部放大和细化的FRFT版本，对每个分量的参数进行精细估计。在这个阶段，以精确变换阶次和粗略FRFT域坐标为中心，进行更精确的频率分析，从而获得更为准确的参数估计结果。Zoom-FRFT的引入进一步提升了参数估计的精度，同时也保持了相对较高的计算效率。 通过仿真结果，作者证明了这种基于LVD和Zoom-FRFT的方法在多分量LFM信号参数估计上的有效性，它允许用户根据实际应用场景灵活调整变换阶次的搜索范围和精度，以及FRFT域的细化程度。与传统方法相比，这种方法不仅提高了参数估计的准确性，还显著降低了计算负担，对于信号处理领域的工程师来说，具有实用价值。 本文的贡献在于提出了一种高效且精确的多分量LFM信号参数估计策略，为处理复杂信号提供了新的解决方案，并展示了在实际应用中的优势。同时，文中提及的其他研究如低照度图像增强、稀疏贝叶斯学习DOA估计、雷达信号识别和FPGA实现等，也为读者提供了相关领域的研究方向参考。