MP算法驱动的宽带LFM信号参数估计研究与应用

本文主要探讨了基于匹配追踪(Ⅷ)算法的线性调频信号参数估计在宽带阵列信号处理中的应用。线性调频信号(LFM)由于其在通信、雷达和声纳等领域的重要作用，参数估计一直是研究的热点。作者郭洋以LFM信号作为研究对象，针对两种典型环境——高斯白噪声和非高斯冲击噪声，对LFM信号的参数估计方法进行了深入研究。 首先，作者介绍了LFM信号的基本特性，包括其时域和频域特征，并详细阐述了几种常见的时频分析方法，如在高斯噪声下采用的时频相关子空间方法(TF-CSM)，以及在冲击噪声环境下利用分数阶矩的Radon-Amplitude变换(FLOM-RAT)和时频MUSIC(FLOM-TF-MUSIC)算法。这些方法虽然能够提供一定的信号参数估计，但性能受到时频选择和交叉项的影响，且在低信噪比条件下可能表现不佳。 然后，文章的核心贡献是提出了一种基于匹配追踪算法(MP)的宽带LFM信号二维波达方向估计算法。该算法通过自适应构建过完备的原子库，结合NIP分解技术，有效地将阵列接收数据分解到最佳原子上，从而实现高精度的参数估计。计算机仿真结果显示，这种方法在低信噪比和多信源场景下表现出显著的优势，具有更高的估计精度。 进一步，作者针对在冲击噪声环境中的高分辨率参数估计问题，结合分数低阶矩(FLOM)和MP算法，设计出基于FLOM-MP分解的宽带LFM信号频率和DOA参数估计算法。此外，还提出了一种无穷范数归一化预处理的MP(IN-Ⅷ)频率改进算法，旨在提升算法的性能，使之超越常规的FLOM-RAT和FLOM-TF-MUSIC方法。 本文的主要研究内容涵盖了LFM信号的特性分析、匹配追踪算法的应用、以及在不同噪声环境下的参数估计优化策略，对于提高宽带阵列信号处理中的参数估计精度具有重要的理论和实践价值。关键词包括线性调频信号、稀疏分解、匹配追踪、参数估计和分数低阶矩，这些都是理解本文核心内容的关键术语。