一種基於KT‑LVT的抗符號跳變直接擴頻信號動態聚焦方法與流程

2024-01-24 07:53:15

本發明屬於航天測控通信技術領域，具體涉及一種基於kt-lvt的抗符號跳變直接擴頻信號動態聚焦方法。

背景技術：

直接序列擴頻(dsss)信號具有抗截獲和抗幹擾能力強的優點，可以實現碼分多址，廣泛應用於航天測控通信、衛星導航和移動通信等領域。微弱直擴信號的捕獲需要長時間有效的能量積累。而增長信號積累時間長度，則需要考慮符號跳變和收發雙方相對運動引入的接收信號動態的影響。其中，積累時間內的符號跳變會造成對應不同符號的信號能量相互抵消，出現譜峰分裂現象；接收信號動態會造成信號能量在偽碼相位維和頻率維發生徙動和擴散。此時常規積累方法無法實現能量的有效積累。

高動態直擴信號捕獲的關鍵在於通過能量聚焦獲得良好的信號能量積累性能。由於高階動態模型下非搜索類動態聚焦方法採用相關運算獲得高階核函數，其抗噪聲性能惡化嚴重，不適用於弱信號的捕獲。典型的非迭代非搜索類動態聚焦方法包括：基於一階相鄰互相關函數的動態聚焦方法和基於keystone變換-lv(呂氏)變換(kt-lvt)的動態聚焦方法，這兩種方法均可用於對二階動態模型信號的進行聚焦。其中，基於一階相鄰互相關函數的動態聚焦方法直接對接收信號進行延遲相關運算，該非線性運算在輸入信噪比低時會造成較大的信噪比損失，不適用於弱信號的捕獲。而kt-lvt方法在延遲和瞬時時間二維積累，可以減小非線性運算帶來的損失，具有較高的信噪比增益，適合弱信號捕獲。基於此，在2015年ietradar,sonar&navigation第9卷第5期第600頁至607頁由jintian等人發表的「parameterestimationofmanoeuvringtargetsbasedonsegmentintegrationandlv’stransform」一文中，提出了kt-lvt動態聚焦方法，對動態場景下雷達信號進行動態聚焦，實現了雷達的信號檢測和參數估計。該方法應用在雷達信號處理領域，不需要考慮符號調製對動態聚焦方法的影響。但在直擴信號模型下，由於長時間積累過程中存在符號跳變的現象，常規動態聚焦方法會出現能量抵消和譜峰分裂的問題，因此要kt-lvt動態聚焦方法用於直擴信號，還需要考慮符號調製的影響，對kt-lvt算法進行改進，設計基於kt-lvt的抗符號跳變的動態聚焦方法。

技術實現要素：

有鑑於此，本發明的目的是提供一種基於平方運算抗符號跳變的kt-lvt的動態聚焦方法,利用dbzp消除部分相關時間段內的數據跳變的影響，並在kt-lvt算法的基礎上進行改進，利用平方運算消除符號跳變造成的部分相關時間段間能量抵消問題，具有較高的信噪比增益，適合微弱直擴信號的捕獲。

一種基於kt-lvt的抗符號跳變直接擴頻信號動態聚焦方法，包括如下步驟：

步驟一、將接收端的復基帶信號表示為sr(ts,tk)，本地偽碼序列表示為sl(ts,tk)；ts＝stc為段內延遲時間，tk＝ktc為段間延遲時間，tc為部分相關時間，s＝0,1,2,…,2n-1,k＝0,1,2,…,kk為部分相關段數；n為部分相關點數；

步驟二、將復基帶信號sr(ts,tk)與本地偽碼序列sl(ts,tk)進行相關處理，得到部分相關函數矩陣xcor(τ,tk),τ為本地偽碼序列的初始時間延遲；

步驟三、將部分相關函數矩陣xcor(τ,tk)進行平方處理得到

步驟四、對xsq(τ,k)進行keystone變換，消除一階動態造成的偽碼相位徙動，得到xsq(τ,k')；

步驟五、忽略二階動態距離維徙動，將部分相關結果xsq(τ,k')近似為：

f0為射頻頻率，rc(τ)為偽碼互相關函數，tk'＝tk(f0+fτ)/f0，a0為雷達和目標之間的初始距離，a1為一階目標動態參數，a2為二階目標動態參數，a'為keystone變換後信號幅值，xsq(τ,k')的對稱延遲相關函數為：

rs(τ,k',m)＝xsq(τ,k'+m+b)[xsq(τ,k'-m-b)]*

其中，fτ表示變量τ經傅立葉變換後的頻域變量；b為固定延遲，m為延遲變量，m＝0,1,2,…,m-1；m-1為最大延遲變量；

步驟六、對延遲相關函數進行keystone變換，再對keystone變換後的矩陣進行二維鑑頻，獲得動態聚焦結果。

步驟一至步驟五由以下步驟具體實現：

(1)設置行搜索編號l的初始值為l＝0，設置列搜索編號n的初始值為n＝0；

(2)對本地偽碼序列進行採樣，並將採樣序列分段，每段n個採樣點，共k+2m+2b段，並在每段段末補n個0，將數據段按行存入2n×(k+2m+2b)維的矩陣作為本地時域矩陣，對本地時域矩陣的行向量進行2n點傅立葉變換，取共軛，得到本地頻域共軛矩陣

(3)對復基帶信號進行採樣，並對採樣序列分段處理，每段數據長n點，共2(k+m+b)段，然後在每段段尾補n點數據，每段段尾數據為下一段數據的前n點，將數據段按行存入2n×2(k+m+b)維的矩陣作為接收拓展矩陣，然後對接收拓展矩陣的行向量進行2n點的傅立葉變換，得到復基帶信號的頻域值矩陣；

(4)截取所述復基帶信號的頻域值矩陣的第l+1行至l+(k+2m+2b)行作為接收信號頻域值矩陣sr(fτ,k)；

(5)將接收信號頻域值矩陣sr(fτ,k)與本地頻域共軛矩陣對應位置相乘，得到頻域值矩陣；

(6)對復基帶信號的頻域值矩陣xcor(fτ,k)中fτ維進行傅立葉逆變換，截取部分相關矩陣的前n列，得到部分相關函數時域值矩陣xcor(τ,k)，其中，

τ＝0,1,2,…,n-1；

(7)對部分相關函數時域值矩陣xcor(τ,k)進行平方處理，得到平方矩陣xsq(τ,k)＝[x(τ,k)]2；

(8)對平方矩陣xsq(τ,k)中τ維進行傅立葉變換，得到頻域值矩陣xsq(fτ,k)；

(9)對矩陣xsq(fτ,k)按列進行keystone變換，得到keystone變換後頻域值矩陣xsq(fτ,k')；

(10)對頻域值矩陣xsq(fτ,k')中fτ維進行逆傅立葉變換，得到運動補償後的部分相關矩陣xsq(τ,k')；

(11取出相關矩陣xsq(τ,k')的第n列的數據xsq(n,k')；

(12)根據xsq(n,k')計算對稱延遲相關函數矩陣：

其中，1≤m≤m，0≤k'≤k-1；

(13)將延遲相關函數矩陣rs(n,k',m)按列進行keystone變換，得到時域值矩陣rs(n,k″,m)；

(14)將rs(n,k″,m)的列向量做m點傅立葉變換，得到矩陣rs(n,k″,fm)；

(15)對rs(n,k″,fm)矩陣的行向量做k點傅立葉變換，得到動態聚焦矩陣rs(n,fk″，fm)；

(16)對動態聚焦矩陣rs(n,fk″,fm)取模，找出|rs(n,fk″,fm)|峰值所在的位置(ia,iv)，並計算相應的一階動態參數和二階動態參數；然後計算矩陣|rs(n,fk″,fm)|的峰值和均值之比作為檢測判決量vdec，將其與設定門限vt進行比較。若檢測判決量vdec大於門限vt，則輸出輸出動態參數和動態聚焦完成標誌，n×l+n為碼相位搜索結果，hfsiv/(2k)為都卜勒估計結果；反之，調整列搜索序號n＝n+1，後對其進行判斷，若n小於n，則跳轉至步驟(11)；若n等於n，則調整行搜索編號l＝l+1，然後對l進行判斷，若l小於k，則跳轉至步驟(4)；若l等於k，則輸出動態聚焦失敗標誌。

本發明具有如下有益效果：

本發明採用基於延遲相關抗符號跳變的kt-lvt動態聚焦方法，在消除偽碼相位距離徙動和都卜勒頻率徙動的同時，消除了符號跳變的影響，實現了低信噪比、高動態場景下直擴信號動態聚焦。與非搜索類動態聚焦方法相比，本方法中非線性運算造成的信噪比損失小，處理增益高，具有良好的抗噪聲性能，更加適用於弱信號的捕獲。

同時，由於本方法不需要實時遍歷補償本地偽碼速率和都卜勒頻率，也無需對符號跳變沿進行搜索，所以相對於非迭代非搜索類動態聚焦方法本方法運算量低、存儲量小、實時性高。

附圖說明

圖1為本發明的方法流程圖。

具體實施方式

下面結合附圖並舉實施例，對本發明進行詳細描述。

基於平方運算的kt-lvt方法原理如下：

設n為部分相關點數，tc為部分相關時間，k為部分相關段數，且ktc大於等於一個偽碼周期，在無噪聲幹擾的情況下，接收端復基帶信號可表示為

其中，ts＝stc為段內延遲時間，tk＝ktc為段間延遲時間，c為光速，a為信號幅值，r0(tk)為發射機與接收機之間的距離

其中，a0為雷達和目標之間的初始距離，a1為一階目標動態參數，a2為二階目標動態參數。

本地信號可表示為

經過相關處理後得到部分相關函數矩陣

其中，f0為射頻頻率，τ為本地信號的初始時間延遲，rc(τ)為偽碼互相關函數，rd(τ)為符號互相關函數。由於按照公式(4)每次僅能計算矩陣中的某一個元素，為了節省運算量，可用基於ft方法實現，二者的處理結果相同。由於復基帶信號的符號位和偽碼是相參關係，則當接收信號和本地信號偽碼對齊時，在部分相關時間內不存在符號位跳變，由此消除了瞬時時間維符號跳變的影響。

對xcor(τ,tk)進行平方處理得到

對xsq(τ,k)進行kt，消除一階動態造成的偽碼相位徙動，即

其中，tk'＝tk(f0+fτ)/f0，a'為kt後信號幅值。

在假定二階動態距離維徙動可忽略的情況下，xsq(τ,tk')可看做是一個關於tk'的定常幅線性調頻信號，進而用lvt進行都卜勒頻率維二階動態聯合聚焦。部分相關結果經kt可近似為

其對稱延遲相關函數為

rs(τ,k',m)＝xsq(τ,k'+m+b)[xsq(τ,k'-m-b)]*(8)

其中，為b固定延遲，m為延遲變量，m＝0,1,2,…,m-1。

對延遲相關函數進行kt和二維鑑頻，獲得動態聚焦結果

其中，tk″＝[h(m+b)tn]tk'，tm＝mtc，h為尺度因子，且h越大，lvt方法中kt的性能越好，但動態參數a2的估計精度差，需要折衷選取h的值。

通過公式(9)可以看到信號能量集中在τ＝a0/c,fm＝4a1f0,fk″＝4a1f0/h的位置，進一步的可以求得估計值a0＝cτ,fm＝4a1f0,fk″＝4a1f0/ha1＝fm/(4f0),a2＝fk″h/(4f0)。

由於本方法是在某個固定的延遲時間τ下計算的延遲相關函數時(參考公式(8))，因此需要對τ進行遍歷搜索，若且唯若τ＝a0/c時，才能獲得能量聚焦結果。

可見，kt-lvt方法可以消除符號跳變和高階動態的影響，信號能量集中在目標單元格內。

本發明結構框圖如圖1所示，包括數據預處理模塊、本地頻域值矩陣計算模塊、行矩陣ift1模塊、平方模塊、行矩陣ft1模塊、行矩陣ift2模塊、頻域kt、相關結果存儲模塊、延遲相關函數計算模塊，時域kt模塊，矩陣列ft模塊和矩陣行ft2模塊、檢測判決模塊和邏輯控制模塊。具體步驟如下：

(1)預置邏輯控制模塊內行搜索編號l＝0輸出給數據預處理模塊，列搜索編號為n＝0輸出給相關結果存儲模塊。

(2)本地偽碼頻域值矩陣計算模塊對本地偽碼序列按採樣率fs進行採樣，將採樣序列分段，每段n個採樣點，共k+2m+2b段，並在每段段末補n個0，將數據段按行存入2n×(k+2m+2b)的矩陣作為本地時域矩陣，對本地時域矩陣的行向量進行2n點ft計算，取共軛，得到本地頻域共軛矩陣sl*(fτ,k)輸出給乘積模塊。

(3)數據預處理模塊按採樣率fs對復基帶信號進行採樣、分段處理，每段數據長n點，共2(k+m+b)段，然後在每段段尾補n點數據，每段段尾數據為下一段數據的前n點，將數據段按行存入2n×2(k+m+b)的矩陣作為接收拓展矩陣，然後對拓展矩陣的行向量進行2n點的ft計算，得到復基帶信號的頻域值矩陣。

(4)數據預處理模塊根據邏輯控制模塊輸出的行搜索編號l截取復基帶信號的頻域值矩陣的第l+1行～l+(k+2m+2b)行做為接收信號頻域值矩陣sr(fτ,k)輸出給乘積模塊。

(5)乘積模塊接收矩陣sr(fτ,k)並將其與本地頻域共軛矩陣對應位置相乘，得到頻域值矩陣xcor(fτ,k)，輸出給矩陣行ift1模塊。

(6)矩陣行ift1模塊接收復基帶信號的頻域值矩陣xcor(fτ,k)，對fτ進行ift，截取部分相關矩陣的前n列，得到部分相關函數時域值矩陣xcor(τ,k)(即令

τ＝0,1,2,…,n-1)輸出給平方模塊。

(7)平方模塊接收部分相關函數時域值矩陣xcor(τ,k)，計算平方矩陣

xsq(τ,k)＝[x(τ,k)]2輸出給矩陣行ft1模塊。

(8)矩陣行ft1模塊接收平方矩陣xsq(τ,k)，對τ進行ft，得到頻域值矩陣xsq(fτ,k)輸出給頻域kt模塊。

(9)頻域kt模塊接收矩陣xsq(fτ,k)，按列進行kt，輸出kt後頻域值矩陣xsq(fτ,k')。

(10)矩陣行ift模塊接收頻域值矩陣xsq(fτ,k')，對fτ進行ift計算，得到運動補償後的部分相關矩陣xsq(τ,k')，輸出給相關結果存儲模塊。

(11)相關結果存儲模塊接收xsq(τ,k')，按邏輯控制模塊輸出的列搜索編號n，取出相關矩陣第n列的數據xsq(n,k')給延遲相關函數計算模塊。

(12)延遲相關函數計算模塊接收信號xsq(n,k')，計算延遲相關函數矩陣

d(m,k')＝xsq(n,k'+2m+2b)×ml*(n,k')(6)

其中，1≤m≤m，0≤k'≤k-1。步驟五矩陣rs(n,k',m)是三維矩陣，由於步驟(11)中變量n被設為定值，在步驟(12)中該矩陣減少了一個維度，步驟(12)中的rs(n,k',m)是步驟五中rs(n,k',m)的一部分，每一次迭代對應不同的n值，迭代完成後即可得到完整的三維矩陣。

(13)時域kt模塊接收矩陣d(m,k')，按列進行kt，得到時域值矩陣d(m,k″)，輸出給矩陣列ft模塊。

(14)矩陣列ft模塊接收到d(m,k″)後對該矩陣的列向量做m點ft，得到矩陣d(fm,k″)，並將該矩陣輸出給矩陣行ft模塊。

(15)矩陣行ft模塊進一步對d(fm,k″)矩陣的行向量做k點行ft，得到矩陣d(fm,fk″)，將其輸出給檢測判決模塊。

(16)檢測判決模塊接收步驟(11)輸出的動態聚焦矩陣d(fm,fk″)，取模，找出|d(fm,fk″)|峰值所在的位置(ia,iv)，並計算相應的一階和二階動態參數，輸出給邏輯控制模塊。計算矩陣的峰值和均值之比作為檢測判決量vdec，將其與門限vt進行比較。若檢測判決量vdec大於門限vt則輸出檢測結果標誌flag＝1；否則輸出flag＝0。

(17)邏輯控制模塊接收檢測結果標誌flag，對flag的值進行判斷，若flag＝1，則輸出動態參數和動態聚焦完成標誌，n×l+n為碼相位搜索結果，hfsiv/(2k)為都卜勒估計結果；若flag＝0，調整列搜索序號n＝n+1，後對其進行判斷，若n小於n，則跳轉至步驟(11)；若n等於n，則調整行搜索編號l＝l+1，然後對l進行判斷，若l小於k，則跳轉至步驟(4)；若l等於k，則輸出動態聚焦失敗標誌。

綜上所述，以上僅為本發明的較佳實施例而已，並非用於限定本發明的保護範圍。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。