信号编码技术

2025-01-13

信号编码技术（精选7篇）

信号编码技术篇1

现如今在三网融合的大环境之下, 广电网络除了加强原有视频业务的范围广度以外, 还要需要丰富原有的节目类型, 完善整个产业链, 这取决于各种各样的信号编码技术, 编码技术又是如何发展的, 在传输网上如何使用, 受到网络媒体的冲击。目前许多的传统媒体都为了找到更好地发展, 视线转向了网络媒体。许多媒体在互联网出现市场入侵的时候就做好了长远的打算, 正是这种长远的眼光使得这些传统媒体转型网络媒体之后很快就获得了巨大的成功。但是尽管广电媒体有相当多的受众, 但是整体去看互联网行业的发展速度, 广电媒体网站还存在一些弊端, 对于信号编码技术的研究与应用就显得尤为重要。

1 信号编码技术的类型

信号编码技术一般分为浅压缩编码技术以及深压缩编码技术。

DPCM (差值脉冲编码) 是一个传统、典型的浅压缩编码技术, 有着图像数据冗余的技术特性, 在时间和空间上可以与已知相邻像图像或图像块来预测当前块像素编码, 然后根据实际值与估计值的区别来预测误差的量化情况, 并进行编码, 这种方式的压缩算法简单, 容易实现, 缺点是编码压缩率较低, 对信道噪声和错误非常敏感, 容易产生错误扩散, 等等, 所以编码技术应用时间很短。

MPEG-4, 从1993年被开始研究, 1998年10月确定技术方案, 到了21新世纪年初正式成为国际标准, 也是如今最常见的信号编码技术。MPEG-4视频压缩技术相对于MPEG-1/或者MPEG-2在低比特压缩有明显的增加, CIF有着更高的分辨率 (352×288) , 在CIF视频压缩 (768×576) 情况下, 分辨率与MPEG-1, MPEG-2相比, 有着显著的优势。这个标准有许多新特性, 包括基于内容的视频对象的可伸缩性视频访问、纠错能力等。MPEG-4视频标准不仅可以提供一个更优质的新的多媒体信息传输标准, 但也具有良好的交互性, 如今在互联网视频中得到了广泛应用。

H.264/AVC:H.264/AVC集中了以往标准的优势, 吸收了以前的经验标准, 简洁的设计使它比mpeg-4更容易推广。H.264/AVC的设计目标是希望新的编解码器可以让比特率远低于标准, 为用户提供更好的视频质量。与此同时, 它不会增加复杂的编码工具, 使得硬件容易实现。此外, 还要满足适应性原则, 让编解码器可以得到广泛应用, 能够适应各种各样的网络和系统工作。

AVS:AVS建立在国际开放技术上研发而出的音频视频编码技术, 该种技术与上述几种技术是不同的, 不仅是简单的视频编码技术, 而是集齐版权管理、音频管理与视频管理于一体的综合方案。在同样的画质下, AVS的压缩比可以达到传统技术的2~3倍, 计算复杂性较低, 降低了内部带宽与硬件成本。但是, 由于现阶段我国AVS产业链还不够完整, 因此, 这一技术尚未实现普及, 还需要进行深层次的研究。

2 信号编码技术在广电网络中的应用分析

伴随着高清、4K乃至8K超高清视频技术的发展, 人们越来越对高清视频有着强烈的需求。因此增加的数据量, 可以有效地传输和存储过程中, 新一代的高压缩比、带宽占用率更小、更讲究质量的H.265压缩技术应运而生。来自电信运营商的竞争高清视频网络、有线电视网络公司竞争日益激烈的压力。尽管我国视频编码技术是改善, 但由于H.265标准的发布, 我们的运营商一直应用在箱子里, 这使得广播, 电影和电视观众流情况严重。同时, 根据经验表明, 新一代压缩国际标准的推出将会有一个更大的惊喜。因此, 广播和电视运营商自主研发为主的国际标准和降低运营成本的同时也不会损失大量的观众。所以, 广电网络应不断研究和开发具有自主知识产权的新一代编码技术, 同时使用H.265技术优势积极部署, 在存储、传输, 以提高自身的竞争力。电视屏幕是家庭终端接收信息, 用户享受双向服务入口, 但我国电视传播主要依靠收音机和电视网络。使用H.265技术发展4 k高清内容, 可以让高清互动业务呈现每个家庭的的电视屏幕上, 现有2.24亿有线电视用户也可以享受到有线电视用户的数字革命。同时, 广电网络的应用技术可以节省成本, 另一方面, 广播和电视网络可以开发建立良性的运行方式, 提升业务操作能力, 降低资本, 开展网络推广业务, 实现业务推广网络模型的良性循环。此外, 新业务的增加也将为上游设备供应商带来巨大的收益, 同时, 改善相关设备的研发和生产现状, 将加快广播和电视、网络的三网融合, 使人们得到真正的利益。传统的有线电视网络是一个单向的传输网络, 开展业务单一, 但与广电网络双向数字转换, 就实现了多元化的业务模式。用户的角色从而也发生了改变, 用户要求的数据和服务得到巨大的改善。

在下一代广播电视网建设的完善下, 光传送网也成为下一阶段物理承载网络的一个必然选择, 光传送网是建立在波分复用基础上产生的下一代骨干传输网技术。该种技术有着多维度和多级别的资源调度能力, 具备良好的保护机制, 监控开销机制丰富, 承载网络高效, 为广电网络业务的顺利开展提供了支持。

3 结语

总之, 广电网络的发展与多种因素密切相关, 其中, 信号编码技术的影响是非常大的。从DPCM到MPEG-4、到H.264发展到H.265, 信号编码技术在压缩率越来越高, 分辨率越来越高, 朝着智能化的方向发展。但是, 信号编码技术的应用还存在各种各样的矛盾, 如高分辨率和高压缩比和低带宽的矛盾, 相信在技术的进步下, 这些问题定可以得到完善的解决。

摘要：信号编码方式就是指通过特定的压缩技术, 将某个视频格式的文件转换成另一种视频格式文件的方式。目前视频流传输中最为重要的编解码标准非常多样, 许多媒体在互联网出现市场入侵的时候就做好了长远的打算, 正是这种长远的眼光使得这些传统媒体转型网络媒体之后很快就获得了巨大的成功。但是尽管广电媒体有相当多的受众, 但是整体去看互联网行业的发展速度, 广电媒体网站还存在一些弊端, 对于信号编码技术的研究与应用就显得尤为重要。该文主要针对信号编码技术在广电网络中的应用进行分析。

关键词：信号编码技术,广电网络,应用

参考文献

[1]KRAMER G, MUKHERJEE B, PESAVENTO G.Interleaved Polling with Adaptive Cycle Time (IPACT) :A Dynamic Bandwidth Distribution Scheme in an Optical Access Network[J].IEEE Communications Magazine, 2002, 4 (1) :89-107.

[2]陈宏炳.基于H.264标准的脆弱视频水印算法研究[D].杭州电子科技大学, 2013.

[3]邓智玭, 贾克斌, 陈锐霖, 等.三维视频编码技术的发展与挑战[J].计算机应用, 2011 (9) .

[4]X Chen, M Yu, Y Zhang, et al.A Novel Upstream Dynamic Bandwidth Assignment Scheme for Ethernet PONs[J].Proceedings for 2003 International Conference on Communication Technology, 2003, 1:748-750.

[5]余涛.基于安卓浏览器的交互式网络电视实现技术研究[D].华中科技大学, 2013.

音频信号数字化编码方式分析篇2

一、声音信息中存在着以下冗余:1、幅度分布的非均匀性;2、样值间的相关性;3、周期间的相关性;4、话音间隙冗余。

二、听觉器官的不敏感性也就是专业语言所说的听觉的掩蔽效应, 它主要表现在以下两个方面:

1.频谱掩蔽效应

比如在一个频率1KHz, 强度为70d B的声音背景下的掩蔽门限线图如下

2.时间掩蔽效应

声压强度大的声音信号出现之前和之后的短暂时间内已存在的弱音信号也会被强音信号掩蔽掉, 分别称为前掩蔽 (20ms) 和后掩蔽 (100~200ms) 。

音频的编码技术通常会用到MPEG-1、MPEG-2标准。MPEG即Moving Picture Experts Group是国际电联ITU标准专家组制定的音频编码标准。MPEG强调人的听觉心理声学模型的利用。可利用估计听觉掩蔽阈值、量化精度、尺度化等各种压缩手段进行压缩编码。

MPEG-1音频 (ISO/IEC 11172-3) 描述了具有如下属性的三层音频编码:

层次Ⅰ, 将音频信号输入按一定格式固定分割成32个子带, 子带系数的量化精度为4bit, 比例因子为6bit, 单声道码率为192k bit/s.

层次Ⅱ, 采用自适应的比特分配, 子带低频量化精度为4bit, 中频段为3bit, 高频段为2bit;比例因子为6bit;高保真度码率为128k bit/s.

层次Ⅲ, 用混合带通滤波器提高频率分配率, 采用非均匀量化、自适应分段和量化值熵编码技术。每通道64k bit/s.

MPEG-2音频是在1994年11月为数字电视而提出来的, 其发展分为三个阶段:

第一阶段是对MPEG-1增加了低采样频率, 有16KHZ, 22.05KHZ, 以及24KHZ。

第二阶段是对MPEG-1实施了向后兼容的多声道扩展, 将其称为MPEG-2BC。支持单声道, 双声道, 多声道等编码。并附加“低频加重”扩展声道, 从而达到五声道编码。

第三阶段是向后不兼容, 将其称为MPEG-2 AAC先进音频编码。采样频率可以低至8KHZ;而高至96KHZ范围内的1-48个通道可选的高音质音频编码。

摘要：通过对声音信号特点和人耳听觉特性的理解来分析音频信号数字化的编码方式。

关键词：声音冗余,掩蔽效应,MPEG-1,MPEG-2

参考文献

[1]数字音频技术.作者: (美) 波尔曼 (Pohlmann, K.C)

巴克编码信号检测混凝土缺陷篇3

关键词：超声检测,巴克码,缺陷,信噪比,混凝土

0 引言

超声检测是混凝土缺陷检测常用的方法,在通常情况下,超声窄脉冲信号具有较高的分辨率但信噪比差,而宽脉冲具有较差的分辨率但信噪比高。编码技术是将常规发射的窄脉冲信号变为宽时、宽带积的信号,在接收端通过相关运算得到信噪比较高的信号。编码检测技术最早应用在雷达[1]、通讯等领域,目前已得到广泛应用。在超声领域,编码技术首先应用在医学超声成像研究中[2,3,4,5],此后,人们对脉冲压缩应用的各种编码方法进行了深入研究和开发,包括M序列伪随机码[6]、巴克码[7]、Golay码、Chirp和伪Chirp码[8]等各种编码方法被用于超声编码激励的研究和分析。巴克编码是伪随机码的一种,因其自相关函数具有良好的压缩特性,常被应用在雷达信号探测领域。文献[9]利用巴克编码测量流体流量问题,文献[10]利用巴克码所具有的尖锐自相关函数性质来构造匹配滤波器抑制噪声,成像质量得到了改善。目前编码技术应用在工程地球物理领域的研究文献较少,本文利用巴克码激励脉冲,结合混凝土的缺陷检测,验证了巴克编码方法检测混凝土缺陷的有效性。

1 原理

我们用序列{ak}表示伪随机码,ak为1或-1,k=0,1,2,3……N-1。巴克码的自相关函数的峰值为码长N,副瓣峰值为1,时带积等于码的长度,码序列越长,时带积越大,但目前为止,发现的最长巴克码的长度为13,几种巴克码序列如表1所示。其中13位巴克码为{+1,+1,+1,+1,+1,-1,-1,+1,+1,-1,+1,-1,+1},自相关函数如图1所示,主瓣峰值为13,两侧各有6个峰值为1的副瓣。

实际检测过程中,采用余弦信号载波的编码信号,即y=cos(2πf0t+φ),其中, f0为载波频率;φ为相位,且当码为1时,相位φ为π,码为-1时,相位为0。

脉冲压缩方法是在接收端选择匹配滤波器与接收信号进行压缩运算,得到脉冲压缩信号,匹配滤波器的作用是使输出信号的信噪比达到最大。实数域的匹配滤波运算实际上就是相关计算,经过压缩的信号为窄脉冲信号,具有良好的测距精度和距离分辨率。

脉冲压缩信号scompress(t)等于回波信号sreceive(t)与发射信号fmatch(t)的相关计算。

$s_{c o m p r e s s} (t) = s_{r e c e i v e} (t) * f_{m a t c h} (t) (1)$

其中,*表示相关运算。

2 试验

2.1 试验设计

试验装置如图2所示,采用荷兰GaGe公司生产的CompuGen 8150作为任意信号发生器,发射的编码信号首先通过一个功率放大器,然后激励换能器(PANAMETRICS-NDT V101)发射脉冲信号。换能器直径为3cm,中心频率f0为500kHz,谐振频带为250~750kHz,接收换能器与发射换能器参数相同。接收信号经过功率放大器由示波器(MS07032A,Agilent)采集并存储到移动硬盘。

2.2 激励信号

为对比编码信号与实际检测信号的差别,用收发换能器对接,得到巴克码激励的接收信号。从图3中看到激励信号与编码信号有一定差异,当电信号发生相位改变时,由于晶片的振动惯性,相位的改变发生延迟,从接收信号中可看出有5个相位突变点(图3中用竖条虚线标记)。

2.3 单孔缺陷检测

选一岩石试块(20cm×20cm×20cm),如图4所示。试块中央有一直径为2cm的水平圆柱孔,采取两侧对穿的检测方式(测线与孔水平方向垂直),测点为10个,其中第6个测点正好与孔相对,换能器主频为500kHz。首先用矩形脉冲激励(10μs)方式检测,接收信号如图5(a)所示。然后用载频为500kHz的13位barker编码激励检测,接收信号如图5(b)所示,可见两种检测方式的接收信号均包含大量噪音信号。

利用式(1)将图5(b)中的信号压缩后取峰值,与矩形脉冲激励的峰值对比见表2,各测点压缩后的主瓣峰值不同,巴克码的压缩信号第6个测

点的峰值最低,由此可判断孔的位置在第6个测点的水平方向。而单脉冲激发方式的第6个测点峰值不是最低值。分析原因为缺陷对长脉冲激励信号的积累效应,激发信号脉冲越长,遇到孔后的能量损失越大,而孔对单脉冲的接收能量影响较小。

2.4 裂缝检测

选一中间有水平裂缝的岩块(24cm×24cm×24cm),裂缝宽约1.5mm,裂缝在岩块深12cm处。采取单发单收的检测方式,发射探头与接收探头在岩块顶部,用载频为500kHz的13位barker编码激励检测。为对比信噪比提高效果,用较低的激励电压激励,图6(a)、(b)分别为接收信号与压缩信号,取信噪比SNR=20log10(S/N),S为信号峰值,N为噪音峰值,接收信号和压缩信号的信噪比分别为11.7dB、20dB,说明压缩信号明显提高了信噪比。从图6(b)中的峰值可清晰判断出反射波的到达时间,也可清晰看出二次反射波信号。

3 结论

编码信号的带宽与载频带宽基本相同,主要是由于时宽的增大来提高时宽带宽积,若期望得到大的压缩比的信号,就需要尽量提高信号的时宽,该情况下难免会产生一定范围的检测盲区。

巴克编码信号的基本波形是正弦波,并且信号的长度没有限制,其时带积可以人为控制,容易被现有的超声传感器发射和接收。巴克编码信号的宽时、宽带特性决定了信号的能量较大,在长距离的构件检测方面具有一定优势;在接收端,压缩后的信号主瓣较窄,幅度较高,有单一峰值,相关计算后的信号信噪比较高(较相关前信号),检测人员能够精确判读出回波到达时间。

相对于常规超声波仪器的高电压激励(大于100V),巴克编码激励方法用较低电压激励换能器就可得到信噪比较高的检测信号。随着硬件的不断发展和成熟,有望制造出成熟的编码方法超声检测仪器,并把该方法纳入相关技术规程,为岩土工程检测服务。

参考文献

[1]Eli Brookner.Phased ArrayRadars[J].Scientific Amer,l985,52(2):94.

[2]O'Donnell,M.,and Wang Y.,Coded excitation for syntheticaperture ultrasound imaging:Ultrasonics,Ferroelectrics andFrequency Control[J].IEEE Transactions on,2005,52(2),171～176.

[3]Mamou,J.,Ketterling,J.A.,and Silverman,R.H..Chirp-coded excitation imaging with a high-frequency ultrasoundannular array:Ultrasonics,Ferroelectrics and Frequency Control[J].IEEE Transactions on,2008,55(2),508～513.

[4]Chiao R Y,Moly,Hallal,et al.B-mode blood flow(B-flow)imaging[A].Ultrasonics Symposium,2000,IEEE:1469～1472.

[5]缪亚林,辛鹏程,卞正中.基于脉冲压缩技术的医学超声成像研究[J].压电与声光,2009,31(5):749～752.

[6]Misaridis,T.,and Jensen,J.A..Use of modulated excitationsignals in medical ultrasound.Part II:basic concepts andexpected benefits:Ultrasonics,Ferroelectrics and FrequencyControl[J].IEEE Transactions on,2005,52(2),192～207.

[7]刘波,郭建中.载频调制二相编码激励的超声成像信噪比提高研究[J].电子学报,2011,39(11):2701～2707.

[8]李建立,刘纪元,焦学峰.脉冲压缩技术在水声测深中的应用[J].电子测量技术,2009,32(11):112～114.

[9]蒲诚,张涛,綦磊.不同编码激励的超声气体流量测量性能对比[J].天津大学学报,2011,44(9):768～773.

信号编码技术篇4

复杂信号的分选识别一直是电子对抗的关键技术和难题。随着技术的快速发展,常规脉冲信号在信号环境中的比例已越来越少,线性调频、非线性调频和相位编码等复杂调制脉冲信号逐渐增多,这对信号的分选识别提出了更高的要求,必须对信号的脉内特性进行识别分析。信号的脉内特性是信号细微特征的主要体现,是电子侦察中对信号分选和识别的重要参数,是设备个体特征识别的重要特征之一。因此,新一代辐射源识别系统一般都在原有的系统中加入了信号脉内调制特征信息的提取和识别。

通常,各种应用系统对脉内调制特性分析方法的要求是精度高、速度快、智能化程度高和便于实现等。然而已有的许多分析方法,如谱相关分析法、延时相关法、数字复倒谱法以及相位进程计数调制域分析技术等都存在这样或那样的缺点,很难满足实际系统的要求[1]。这里从速度快、便于实现角度考虑,提出了一种新的识别方法。

该方法以信号频谱为基础,充分利用调制信号频谱特性的差异对信号的脉内调制样式进行识别。与前述方法相比,运算量小,便于实现。

1 识别方法

相位编码信号的解析表达式如下:

s(t)=a(t)exp[jφ(t)]exp(j2πf0t)。 (1)

信号的复包络为:

u(t)=a(t)exp[jφ(t)]。 (2)

式中,a(t)为振幅;φ(t)为相位调制函数;f0为载频。对于二相编码(BPSK),φ(t)为0和π;四相编码信号(QPSK),φ(t)为 $0 ‚ \frac{π}{2} ‚ π ‚ \frac{3 π}{2}$ 。

对相位编码信号进行平方,即

s2(t)=a2(t)exp[j2φ(t)]exp(j4πf0t)。 (3)

相位差分法速度快,易于实现,但其对噪声比较敏感,在低信噪比下,性能严重下降,针对其不足,提出了本文的识别方法。以下就相位差分法和本文方法展开分析,并对2种方法的识别性能进行了仿真对比。

1.1 相位差分法[1,2]

利用相干混频的方法可以获得原信号的2路正交分量而不丢失任何相位和幅度信息。对中频信号s(t)相干混频后有:

sI(t)=b(t)cos(2πf2t+φ(t)), (4)

sQ(t)=b(t)sin(2πf2t+φ(t))。 (5)

式中,f2为第2中频,且b(t)=0.5a(t)。sI(t)和sQ(t)可构成解析信号,且该解析信号的幅角为:

p(t)=2πf2t+φ(t)。 (6)

实际计算时,根据式(4)和式(5)得到的幅角值p(t)是有模糊的,要分析相位特性和判断调制样式,必须对上述幅角值解模糊,解模糊过程可以参见文献[3]。

其一阶微分为:

$\frac{\partial p (t)}{\partial t} = 2 π f_{2} + 2 π f_{p s k}$ 。 (7)

式中,对于二相编码,fpsk可能的取值为0和fs/2;对于四相编码,fpsk可能的取值为0、fs/2、fs和3fs/2,fs为采样率。

在计算机上处理时需要将上式离散化,即将连续相位的一阶微分转换为相位序列的一阶差分。式(7)表示的一阶微分可以化为以下差分形式:

$θ (i) = \frac{p (i + 1) - p (i)}{2 π} f_{s} - f_{2}$ 。 (8)

式中,i=nTs,Ts为采样间隔;fs为中频采样频率。

由式(8)得到的相位差分序列的幅值会受到采样频率的影响,这会对识别和参数估计带来不便。为此对其进行归一化处理,归一化的相位差分序列用fg(i)表示为:

$f_{g} (i) = \frac{2 \times (θ (i) + f_{2})}{f_{s}} = \frac{p (i + 1) - p (i)}{π}$ 。 (9)

经过归一化以后的相位差分序列幅度范围为(-2,+2),对应于相位变化(-2π,2π)。

上面采用的相位差分是一重的,实际应用时可以采用多重相位差分,以提高算法对低信噪比信号的适应能力。对相位序列p(i)的N重相位差分序列fN(i)计算如下:

$f^{Ν} (i) = \frac{\sum_{j = 1}^{n} p (i + j) - \sum_{j = 0}^{Ν - 1} p (i - j)}{2 Ν^{2} π} f_{s}$ 。 (10)

假定噪声是不相关的,则求多重相位差分时噪声会部分抵消,所以通过求N重相位差分能够有效地减小噪声影响。

通过对相位进行差分运算,可有效检测出相位编码信号的突变点。利用高阶差分还可一定程度地去除噪声的影响。理论上,二相编码信号的相位进行差分后,相位跳变点处的幅值应相等,四相编码信号的相位进行差分后,相位跳变点处的幅值应呈比例。但是,通过差分运算之后的幅度由于噪声的影响,其规律性受到破坏。这样,通过差分运算后的幅值是否成比例来区分二相编码和四相编码信号就容易出错。由此,在低信噪比下(<5 dB),受噪声的影响,相位差分法的应用受到了一定的限制。为此,提出了一种基于频谱特征的调制识别方法——离散余弦变换方法(DCT)。

1.2 DCT变换法

不同脉内调制类型信号的频谱不同,并且频谱系数之间具有相关性,采用DCT的方法对频谱系数去相关。由于利用少数几个DCT变换系数可以表征信号的总体特征,故选取部分DCT变换系数来描述信号。

Karhunen-Loeve(KL)变换能够最大限度地去除信号之间的相关性。但为了得到正交特征向量必须求得相关矩阵:

R=E[xxT]。

式中,x为信号向量。这在实际情况下是不可行的。FFT和DCT也是有效的信号去相关方法,但FFT得到的是复信号。所以采用DCT去相关。

长度为N的矢量x的DCT变换定义为:

$\begin{array}{l} y (k) = a (k) \sum_{n = 0}^{Ν - 1} x (n) \cos (\frac{π (2 n + 1) k}{2 Ν}) ‚ \\ k = 0, 1, \dots Ν - 1 。 (11) \end{array}$

式中,

由于不同调制类型信号其频谱不同,采用离散余弦变换(DCT)的方法去相关后,其特征参数在特征平面的分布呈现了较为明显的差别。由于特征参数较多,可选取部分区分度较大的DCT变换系数来描述信号。通过计算选取的特征参数的平均离散度,可以将不同调制类型信号进行有效区分。

平均离散度的定义为:

$\hat{k}_{1} = \sum_{i = 1}^{Ν} k_{1} (i)$ ; $\hat{k}_{2} = \sum_{i = 1}^{Ν} k_{2} (i)$ ; (12)

$σ_{1} = \frac{1}{Ν} \sum_{i = 1}^{Ν} (k_{1} (i) - \hat{k}_{1})^{2}$ ; (13)

$σ_{2} = \frac{1}{Ν} \sum_{i = 1}^{Ν} (k_{2} (i) - \hat{k}_{2})^{2}$ 。 (14)

式中,k1为第1类特征参数;k2为第2类特征参数; $\hat{k}$ 1为第1类特征参数的平均值; $\hat{k}$ 2为第2类特征参数的平均值;σ1为第1类特征参数的平均离散度;σ2为第2类特征参数的平均离散度。

由以上分析可得,基于DCT变换的脉内调制特征识别方法的步骤如下:

① 利用FFT求信号的频谱并取模;

② 截取信号的3 dB有效带宽,进行能量归一化;

③ 对归一化后的频谱进行DCT变换;

④ 选取2个区分度较大的DCT变换系数来描述信号,并分别计算每一个系数的平均离散度;

⑤ 根据计算得到的平均离散度设置一门限。根据各种信号的平均离散度与门限的大小关系可进行分类识别。

BPSK和QPSK信号较难区分,这是因为BPSK和QPSK信号的频谱有很大的相似性。若直接对其频谱进行DCT变换,这2种信号变换后的特征参数在平面上的分布会混叠在一起,无法有效区分2种信号。在此提出了一种改进的方法,先对接收信号进行平方运算,然后再对信号平方后的频谱进行DCT变换,这样就将同类型调制信号的识别变换成不同类型调制信号的识别。

因此对这2种信号的区分可以分2步:

① 先对信号进行平方运算。此时二相编码信号的相位调制函数值为0,2π,四相编码信号的相位调制函数值为0,π,2π,3π。根据正弦信号周期性,此时二相编码的相位调制函数不具备相位调制能力,四相编码信号的相位调制函数只有0和π两个值。因此,二相编码信号变为常规信号,四相编码信号则变为二相编码信号;

② 对平方后的信号进行傅里叶变换,截取3 dB带宽,对其进行DCT变换,选取部分DCT特征参数来区分2种信号。

2 仿真分析

仿真条件:测试信号由信号模型产生。二相编码信号和四相编码信号的参数(参数进行了归一化)选取相同。频率值为0.2,采样点数为512,每个子脉冲内采样点数为64,噪声为高斯白噪声,均值为0,方差为1;信噪比范围为0～10 dB。2种信号各选取50个样本。这里选取前2个特征参数进行分析比较。仿真结果如图1和图2所示。

图1和图2所示为信噪比为3 dB时,2种信号经相关处理后的DCT参数分布图。图1中2种信号的DCT系数在平面上的分布混叠在了一起。这是因为BPSK和QPSK信号的频谱有很大的相似性,直接对其频谱进行DCT变换后,这2种信号的DCT系数也会有很大的相似性,从而在平面的分布会交叠在一起,进而无法有效区分2种信号。

图2为2种信号经过平方变换后的DCT系数,可以看出分布有明显的区别。这是因为二相编码信号平方后变为常规信号,其频谱有明显的尖峰,带宽很窄,能量高度集中,经DCT变换后能量仍然高度集中,而四相编码信号平方则变为二相编码信号,频谱仍然具有一定的带宽,经DCT变换后能量分布仍然比较分散。这说明常规信号变换后的能量聚集性较好,平均离散度σ较低,相位编码信号变换后的能量聚集性较差,平均离散度σ较高。同时,由仿真结果得出:2种信号经DCT变换后的第1个特征参数k1差别较大,故可以选取一适当的门限阈值Th。若k1<Th,判为二相编码信号,反之,判为四相编码信号。因此,根据2种信号进行相应变换后特征参数的分布规律,可以将2类信号进行有效区分。

2种方法的识别性能曲线如图3所示。从图3可以看出,本文方法具有较好的抗噪声能力,在2 dB时识别率仍然可达80%,而相位差分法在信噪比低于5 dB时,性能迅速下降,在2 dB时几乎无法识别2种信号。这是因为DCT变换具有能量压缩的性质,对信号进行处理后,仅用少数几个特征参数就可以表征信号的整体特征。因为噪声是均匀分布在整个频带上的,这里选择有效带宽可以有效滤除带外噪声的影响。在此基础上,进一步用DCT处理后,信号能量得到了更好的压缩,能更好地表征信号。而低信噪比下,噪声对信号的相位产生了严重的影响,真实相位突变点可能不会产生相位跳变,而没有相位突变点的地方,会产生大量的虚假跳变点,这样经过相位差分后,差分曲线会出现严重的失真。由此,通过比较差分曲线幅度来区分相位编码信号有较高的错误概率。当信噪比较高时,2种方法性能相近。但本文方法采用FFT处理信号,仍然具有较快的速度,在一定程度上能满足实时处理的要求。

3 结束语

这里提出了基于离散余弦变换(DCT)的二相编码和四相编码信号识别方法。在仿真条件相同的情况下,相比相位差分法,所提出的方法识别率较高,抗噪性能也有所提高。同时,该方法具有运算量小,提取特征参量稳定的特点。该方法充分利用不同调制信号频谱的差异进行分析,快速高效,同时频分析、谱相关法分析相比,不需要庞大的计算量即可提取有效的特征对信号进行分类识别,经济实用。但是,该方法在更低信噪比下(<0 dB),识别性能会严重下降。因此,如何在低信噪比下保持较高的正确识别率需要进一步研究。基于信号频谱的特征提取方法不仅可以成为提升信号分选可靠性的一种重要手段,而且可以进一步精细鉴别信号的个体特征,具有更广泛的应用前景。

参考文献

[1]王丰华,黄知涛,姜文利.一种有效的脉内调制信号识别方法[J].信号处理,2007,23(5):686-689.

[2]黄知涛,周一宇.一种有效的BPSK/QPSK信号调制识别方法[J].电子对抗技术,2005,20(2):10-13.

[3]黄知涛,周一宇,姜文利.基于相对无模糊相位重构的自动脉内调制特性分析[J].通信学报2003,24(4):153-160.

[4]温志津,王甲峰.PSK非相干差分解调[J].通信技术,2009,42(9):12-15.

[5]GARDNER W A.Exploitation of Spectral Redundancy in Cyclostationary Signals[J].IEEE ASSP Mag,1991,8(4):14-36.

信号编码技术篇5

随着计算机技术和网络技术的迅猛发展, 数字化、多媒体等新产品已经走进人们的生活, 并且在各个领域中不断创新发展。在人们生活水平不断提高的同时, 人们对健康、保健等知识的获取也随之丰富。新的科学技术和研究理论在医疗领域发挥的作用逐步加深。脑电信号是一种可以帮助医生诊断患者脑部疾病的重要手段。由于人脑自身可以产生微弱的生物电, 利用先进医疗仪器可以将其放大显示, 进而可以显示头皮电位的高低频率, 这种高低电位信号相互连接就产生了人脑的波形曲线图。随着脑电信号研究的不断深入, 人们已经在脑部疾病的辅助诊断、揭示脑电功能、工程应用方面以及其他领域中取得大量学术价值和研究成果。然而, 一方面对于具备医学研究价值的脑电信号是有必要深入研究的, 由此产生的数据量是巨大的, 伴随医疗器械需要存储和传输的数据量也是惊人的;另一方面, 如何利用现有的设备高效的进行数据存储和解析, 是摆在研究人员面前的又一个难题。

2 数据压缩算法

2.1 数据压缩

数据压缩是指在不丢失信息的前提下, 缩减数据量以减少存储空间, 提高其传输、存储和处理效率的一种技术方法。按照一定的算法对数据进行重新组织, 减少数据的冗余和存储空间。数据压缩包括有损压缩和无损压缩。一些机制是可逆的, 这样就可以恢复原始数据, 这种机制称为无损数据压缩;另外一些机制为了实现更高的压缩率允许一定程度的数据损失, 这种机制称为有损数据压缩。

有损压缩 (Lossy Compression) , 又被称为破坏型压缩, 这种压缩方法对压缩后的数据进行重新编码, 将次要的信息压缩掉保留主要的信息, 重新编码后的数据与原始的数据之间存在不同, 却不影响人们对原始数据的理解, 这种通过牺牲数据质量来减少数据量的方式换来了较高的压缩比。然而, 这种压缩方式会产生渐进的质量下降, 造成无法完全恢复原始数据, 所以常用于语音、图像和视频压缩。

无损数据压缩 (Lossless Compression) , 这种压缩方法无需对压缩后的数据进行重新编码, 恢复后的数据与原始的数据完全相同, 压缩后的数据不受任何损失, 解压后数据质量没有损失。然而, 这种压缩方式处理后的数据会压缩到原来的1/2~1/4, 压缩比率明显低于有损压缩, 占用空间大, 所以常用于高品质数据的处理。

2.2 Huffman编码

Huffman编码, 又称最佳编码, 作为一种高效实用的无损数据压缩算法, 是由D.A.Huffman首先提出的一种通过构造最小冗余代码为核心的理论。正是依靠这一理论内容, 算法通过统计数据出现频率, 将原始数据中出现频率较多的数据用最短的代码来代替, 而出现频率较少的数据用较长的代码代替, 每个数据的代码各不相同, 有些代码都是二进制码, 且码的长度是可变的。

Huffman编码主要利用贪心算法通过构造二叉树来求得编码, 且二叉树的构造从叶子节点往根节点进行的。由于Huffman编码方法简单, 因此应用比较广泛。现在使用中的Huffman编码大致分为两种:静态Huffman编码和自适应Huffman编码。静态编码压缩率高, 缺点是压缩时间长。动态Huffman编码压缩时间短, 压缩率相对于静态Huffman编码较低。

2.3 自适应Huffman编码

自适应Huffman编码的核心内容与静态Huffman编码类似, 也需要构造一棵二叉树, 所有可能的输入符在二叉树存在一个叶子节点与其对应, 叶节点的位置就是该输入符的Huffman编码。自适应Huffman编码解决了静态Huffman编码树面临的难题。自适应Huffman编码不需要事先扫描输入符号流, 而是伴随编码的进行逐步构造一棵二叉树。随着编码的进行, 自适应Huffman编码对输入符的统计也是动态进行, 输入符中同一个符号的编码可能有所不同, 变得更长或更短。因此在实际领域下, Huffman编码在高质量的图像和视频流传输中获得了广泛的应用。

自适应Huffman编码算法的基本步骤如下:

(1) 判断字符在输入符中是否出现。对输入字符进行自适应Huffman编码前需要对输入符扫描一次, 需要判断输入符在前面的字符流是否出现过。

(2) 判断该字符在该节点编码内是否最大。为了保证其兄弟属性不受影响, 在进行增加权重值时, 需要额外判断该结点编码是否在所属块是最大结点, 如果不是就需要交换当前结点与最大结点。

(3) 根据NYT结点对当前字符进行编码。从输入流中得到一个字符, 若以前出现过该字符, 则对该字符进行编码, 并判断该字符是否是所属块的最大结点, 否就交换当前结点与最大结点;若以前没有出现该字符, 则生成两个结点, 一个结点用于保存该字符, 另一个用做NYT结点, 并设置这两个结点的父结点为原NYT结点, 输出NYT结点码及原字符。

3 基于自适应Huffman编码的脑电信号压缩

3.1 实验数据描述

目前科学所知的脑电波频率主要包含在30Hz以下, 本文提取人类常见的两种脑电波形, 对两种图形数据的描述如下。

实验数据1:alpha波, 正常成人脑电图多以8-13Hz为其主调节律, 就是通常所指的潜意识状态。人的脑波处于alpha状态时, 人的意识活动明显受抑制, 无法进行逻辑思维, 处于无意识状态。

实验数据2:beta波, 13-30Hz通常所指大脑处于高度清醒状态, 人脑在精神活动、情绪兴奋和睁眼时beta波增多。

3.2 实验过程与结果

对脑电信号的图形数据进行信息提取, alpha波和beta波是人体中相对规律性较强的波形, 作为实验数据每组数据提取50K图谱信息, 提取后实际是一组十六进制的编码, 通过C语言程序实现自适应Huffman编码算法, 并将实验数据录入到程序中, 产生的结果是两组符合最优二叉树定义的编码, 即Huffman编码。

4 性能评估

4.1 脑电信号恢复

由于自适应霍夫曼编码是一种无损压缩类型, 如图4-1所示, 从两组实验数据压缩/解压后的效果可以看出通过解压缩方式解压后的数据与原始数据图形一致。

4.2 压缩效果

实际应用结果表明, 自适应Huffman压缩编码算法对人体脑电信号波形图的压缩比例较高, 压缩与解压缩的时间较短, 压缩保存的图谱信息完整, 有效的节省了网络带宽和存储空间。

5 总结

本文利用自适应Huffman压缩算法对脑电信号进行压缩, 实验效果良好。自适应Huffman压缩编码算法尽管在压缩比上不能和有损压缩相比, 但它改进了静态Huffman编码算法, 更大程度的压缩了图像网络传输冗余信息, 从而减少了网络传输的信息量, 进一步提高了通信质量和网络传输数据的效率。自适应Huffman编码方法只需要对输入的数据流进行一遍扫描统计, 流程速度很快, 能够满足大数据量实时系统的应用需要。

参考文献

[1]李晓飞.Huffman编解码及其快速算法研究[J].信号处理, 2009, 21:102-104.

[2]雒莎, 葛海波.基于查找表的自适应Huffman编码算法[J].西安邮电学院学报, 2011, 9, 16 (5) :76-79.

[3]李玉坤.脑电无线信号采集系统数据压缩算法的研究[D].山东师范大学, 2013, 4:23-31.

[4]文国知.基于C语言的自适应Huffman编码算法分析及实现研究[J].武汉工业学院学报, 2011, 06, 30 (2) .

信号编码技术篇6

关键词：MIMO雷达,波形优化,遗传算法,正交编码信号

MIMO雷达通过在不同天线上发射接收正交信号,利用目标的空间分集机制改善目标的检测性能[1,6,7]。为最大程度地发挥MIMO雷达的优势,系统对发射信号的设计提出了更高的要求:首先,与传统的单基雷达一样,要求发射信号为大时宽、宽带宽的脉冲信号,在接收端对大时宽、高带宽的信号进行压缩处理,从而得到脉冲宽度为信号带宽倒数的窄脉冲信号,解决雷达探测距离和分辨率之间的矛盾。压缩输出信号须具有高的主副瓣比,以避免弱目标被强目标副瓣淹没和副瓣带来的错误检测;其次,由于MIMO内各信号间的干扰也不容忽视,所以它还要求网络雷达系统内各发射机发射的信号互不相关,从而使雷达在不同方位获得独立的空间分集增益[6,7],并降低雷达间干扰带来的虚警概率。

相位编码压缩和时间频率编码压缩技术是常用的脉冲压缩技术,要找到一组L个码长为N的具有高分辨特性的正交多相或多频编码信号是一个典型的非线性优化问题。基于概率模型的遗传算法[8,9]是解决非线性寻优的一种有效方法,具有智能化全局寻优,且收敛性不受初始值限制的优点。文中将MIMO雷达发射信号的自相关函数副瓣峰值和互相关函数的峰值之和作为目标函数,通过构造适应度函数,利用遗传算法实现发射信号波形优化设计。仿真结果和实验分析验证了该算法的有效性和可行性。

1 正交MIMO雷达发射编码信号模型

考虑正交MIMO雷达有L个发射天线,每个天线均发射相互正交的编码脉冲信号{sl(t),l=1,2,3,…,L},每个信号有N个持续时间为T1的子脉冲组成。由于信号间的正交性,那么任意两个发射信号自相关函数满足

C(sp,sq,τ)=∫tsp(t)s*q(t+τ)dt=0,p≠q,∀τ∈R,p,q=1,2,3,…,L (1)

其中,“*”表示共轭运算操作符号。为使信号具有高的距离分辨力,信号的非周期自相关函数有以下形式

其中E为信号sl(t)能量。

对于有M个可能相位状态的正交多相编码脉冲信号{sl(n)=ejφl(n),n=1,2,3,…,N},l=1,2,3,…,L,其中, $φ_{1} (n) \in {\begin{matrix} 0 & \frac{2 π}{Μ} & 2 \cdot \frac{2 π}{Μ} & \dots & (Μ - 1) \cdot \frac{2 π}{Μ} \end{matrix}}$ 为第l个信号的第n个子脉冲的加载相位常数,其多相编码序列的自相关函数和互相关函数满足

其中,k表示离散时间。当 $| k | ＞ Ν$ 时,自相关函数和互相关函数的值均为零。对于多频正交信号 ${s_{l} (t) = \sum_{n = 1}^{Ν} C e^{j 2 π f_{n}^{l} t}}, l = 1, 2, \dots, L$ ,其中,C为常数;f $_{n}^{l}$ 表示第l信号的第m个子脉冲的调制频率,自相关和互相关函数具有如下性质

$C (s_{p}, s_{q}, τ) = \frac{1}{Ν} \int_{t} s_{p} (t) s_{q}^{*} (t - τ) d t \approx 0, p \neq q, p, q = 1, 2, \dots, L$ (6)

2 信号波形优化设计算法

2.1 适应度函数构造

正交信号的性能可以由自相关函数的副瓣电平峰值(ASP)和互相关函数的电平峰值(CP)表征,受ASP和CP约束的代价函数

$E_{1} = \sum_{l = 1}^{L} \max_{τ \neq 0} | A (φ_{1}, τ) | + λ \sum_{l = 1}^{L} \max_{τ} | C (φ_{p}, φ_{q}, τ) |$ (7)

其中,λ为自相关函数与互相关函数之间加权系数。与遗传算法相结合,将代价函数转化为适应度函数

$f_{1} (s_{1}, s_{2}, \dots, s_{L}) = C_{\max 1} - \sum_{l = 1}^{L} \max_{τ \neq 0} | A (φ_{1}, τ) | - λ \sum_{l = 1}^{L} \max_{τ \neq 0} | C (φ_{p}, φ_{q}, τ) | (8)$

式中,λ此时为适应度因子,λ越大,表示互相关对环境的适应影响越大;Cmax1为E1的最大值,保证适应度函数的非负性。考虑互相关能量和自相关函数副瓣能量的分布,适应度函数

$f_{2} (s_{1}, s_{2}, \dots, s_{L}) = C_{\max 2} - \sum_{l = 1}^{L} \int_{τ} | A (φ_{1}, τ) |^{2} d τ - λ \sum_{p = 1}^{L - 1} \sum_{q = p + 1}^{L} \int_{τ} | C (φ_{p}, φ_{q}, τ) |^{2} d τ (9)$

其中,Cmax2为自相关副瓣能量和互相关能量之和的最大值。适应度函数式(9)通过约束相关函数能量,均匀地分布在所有可能时刻上来最小化ASP和CP,具有良好的稳健性[10]。因此,在进行波形优化设计时,采用式(9)作为适应度函数。

2.2 基于遗传算法的正交多相编码序列优化设计

由于遗传算法主要模拟生物的进化过程进行搜索,而生物的进化过程主要通过染色体之间的交叉和变异来完成,所以需要对正交编码序列组模拟染色体进行二进制编码。鉴于多相编码序列本身就是一种多元伪随机序列,故采用二进制编码时,可以将每个相位状态向二进制数进行简单的映射。以常用的四相编码信号为例,则有 $φ_{l} (n) \in [\begin{matrix} 0 & \frac{π}{2} & π & \frac{3 π}{2} \end{matrix}]$ ,映射为二进制 $[\begin{matrix} 00 & 01 & 10 & 11 \end{matrix}]$ ,可以实现一对一映射。当相位状态M不能被2整除时,会出现2δ-M个冗余二进制编码,在交叉和变异操作中会出现二进制编码串,不能有效地编解码。为克服这一问题,当在交叉、变异操作后出现冗余编码时,在2δ-M各有效二进制编码串中随机选取一个来替代冗余二进制编码。用 $\vec{X} (0)$ 表示初始化种群, $\vec{X} (i)$ 表示第i代种群。用遗传算法进行波形优化的过程如下:

Step1 对i =0产生初始化种群 $\vec{X} (0)$ ,每组正交多相编码序列为一个个体,每个种群大小为P。并根据(9)式计算对应的适应度值。

Step2 根据各个个体的适应度值,采用轮盘赌方式从第i代种群 $\vec{X} (i)$ 中选择出一些优良个体遗传到下一代群体 $\vec{X} (i + 1)$ 中,并产生新的个体取代未选出的个体。

Step3 将种群 $\vec{X} (i)$ 内的各个个体随机搭配成对,对每一个个体以一定的交叉概率pc交换它们之间的部分染色体,检查每个变异的个体,把变异中产生的冗余编码用随机选取的有效编码代替。

Step4 对种群 $\vec{X} (i)$ 内的每个个体以某一变异概率pm改变某个或某一些基因座上的基因,并用随机选取的有效编码代替变异操作中出现的冗余编码。

Step5 对种群 $\vec{X} (i)$ 得到的适应度值进行收敛性判断,如果满足要求,停止;否则转向Step2。

2.3 正交多频编码序列优化设计

由于多频编序列本身也是一种伪随机编码序列,在进行遗传编码时,将编码序列为的任意排列影射为一个多相编码序列。同时由于多频编码序列中每个码元的不可重复性,使得交叉操作不易进行,将采取扩大种群、加大变异概率等措施避免算法早熟。其主要步骤如下:

Step1 对i =0产生初始化种群 $\vec{X} (0)$ ,每组正交多频编码序列为一个个体,每个种群大小为P,并根据式(9)计算对应的适应度值。

Step2 根据各个个体的适应度值,采用轮盘赌方式从第i代种群 $\vec{X} (i)$ 中选择出一些优良个体遗传到下一代群体 $\vec{X} (i + 1)$ 中,并随机产生新的个体更新未选出的个体。

Step3 行变异操作,产生多个互异的随机变异位,然后将不同位置的码元随机互换,从而生成新的个体。为防止早熟现象,变异概率要比多相编码设计时的大,并采用自适应算法[10]进行对其进行自适应调节。

Step4 对种群 $\vec{X} (i)$ 得到的适应度值进行收敛性判断,如果满足要求,停止;否则转向Step2。

3 MIMO雷达波形优化设计结果分析

在进行正交多相编码信号设计时,主要参数为:种群大小P=100;起始交叉概率pc1=0.8;最小交叉概率pc2=0.5;起始变异概率pm1=0.05;最大变异概率为pm2=0.15;最大迭代步数为1 200。在进行正交多频编码信号设计时,主要参数为:种群大小P=150,起始变异概率pm1=0.10,最大变异概率为pm2=0.30最大迭代步数为2 000。

表1给出了L=4,N=40,M=4,λ=1时优化得到的一组正交多相编码序列的相位值,其中 $φ_{l} (n) \in [\begin{matrix} 0 & \frac{π}{2} & π & \frac{3 π}{2} \end{matrix}]$ ,多相编码信号的ASP和CP见表2。表2中对角线元素表示归一化ASP,其余元素表示不同信号间的归一化CP。ASP平均约为0.14或-17.2 dB,CP平均约为0.23或-13 dB。当式(9)中的λ由1变为1.5时,ASP和CP都约为0.17。实验表明,适应度因子对基于遗传算法的正交多相编码序列优化起到了有效的调节作用,增大λ意味着CP对适应度函数影响变大,使得CP降低,ASP升高。

表3列出了L=3,N=32,λ=0.56时,优化得到的正交多频序列编码。表4给出了多频编码序列的归一化ASP和CP,其中对角线元素表示归一化ASP,其余元素表示不同信号间的归一化CP。ASP平均约为0.038 4或-28.3 dB,CP平均约为0.071或-23 dB。在其他条件相同的情况下,当式(9)中λ由0.56变为1.25时,ASP平均约为0.039 3或-28.1 dB,CP平均约为0.067 3或-23.4 dB。实验表明,适应度因子对基于遗传算法的正交多频编码信号优化起到了有效的调节作用,增大意味着CP对适应度函数影响变大,使得CP降低,ASP升高。

4 结束语

信号编码技术篇7

线性调频信号和相位码信号是脉冲雷达最常用的2种脉冲压缩信号,相比而言,后者在脉冲雷达中应用的较少,最主要的原因就就是目标的多普勒频移会严重破坏相位编码信号的相关性[1,2]。随着对雷达抗干扰性的要求越来越严格,作为低截获概率信号的相位编码信号会被越来越重视。它不仅抗干扰性强,而且由于其模糊图为图钉形,具有很高的时延和多普勒分辨能力,没有距离—多普勒耦合问题[3,4]。

相位编码信号的多普勒敏感性是其主要缺点,可采用补偿方法进行解决。多普勒频率补偿就是对回波信号中包含的多普勒频率进行补偿,以消除多普勒频率在脉冲压缩中造成的不利影响[5]。

目前多普勒补偿的主要方法是采用多通道多普勒滤波器组进行多普勒估计,该方法优点是不需要已知目标的多普勒信息[6,7]; 缺点是补偿精度低,运算量大且不适用于高速远距离目标。本文针对跟踪雷达的特殊性,可通过信号处理或数据处理得到目标的多普勒信息,采用多普勒直补方法,用于已知目标速度的跟踪波位进行多普勒补偿,不仅大大减少了运算量节省了硬件资源,还提高了补偿精度。该方法较好地解决了相位编码的多普勒敏感性问题。

1 多普勒敏感性分析

一般相位编码信号的复数表达式为:

式中,f0为载波信号的频率; φ( t) 为相位调制函数,对二相编码信号来说,φ( t) 只有0和 π 两个取值;a( t) 为复包络幅度,一般取1。

经过混频后的视频回波信号表达式为:

式中,tr为回波延时,反映目标距离信息; fd为目标多普勒频率,反映目标速度信息; φ0为初始相位。

经过脉冲压缩后的多普勒损失为:

式中,N为码元个数; τ 为码元宽度[8,9]。

有无多普勒频率的时域和脉冲压缩幅度对比图如图1所示。信号为63位M序列码,码元宽度为0. 25 μs,波长为3 cm,多普勒速度v = 500 m / s,可见由于多普勒影响,主瓣损失了4. 37 d B。

不同脉宽和多普勒频率的脉压后多普勒损失如表1和表2所示,码元个数N取值为31 ~ 1 023,多普勒速度为5 ~ 1 000 m/s,可见随着码元个数的增加( 对应远距离目标) 和多普勒速度的提高( 对应目标速度) ,脉压损失会急剧增加,以至脉压主瓣消失无法检测目标。

2 补偿原理及算法分析

多普勒效应分为脉间多普勒和脉内多普勒。脉间多普勒是指相邻脉冲重复周期的2个脉冲在“慢时间”间隔产生的多普勒频移; 脉内多普勒是指单个脉冲内部相邻距离单元之间在“快时间”内产生的多普勒频移。对相位编码信号,较小的脉内多普勒频移也会造成匹配滤波器失配,正如上节分析所述,因此要消除脉内多普勒。而脉间多普勒如果也同时消除,那么回波中便不再含有多普勒信息,以致后面无法进行动目标处理,因此多普勒补偿就是要补偿掉脉内多普勒并保留脉间多普勒。

传统补偿算法是利用目标多普勒信息,产生一个负向多普勒频率补偿信号,与回波信号相乘以抵消掉目标中的多普勒信息。

传统多普勒补偿信号为:

与回波信号相乘后为:

可见补偿后的回波信号已不再含有目标多普勒频率fd,因此不会影响脉冲压缩性能,但完全补偿掉多普勒频率后,后续无法进行动目标处理或相参积累,这对跟踪雷达来说是无法接受的。提出一种脉内多普勒补偿方法,既消除脉内多普勒,使脉冲压缩不受影响,又保留脉间多普勒,使动目标处理能够正常进行。

脉内多普勒补偿信号为:

式中,T为脉冲重复周期; rem是取余符号,就是对每个脉冲补偿相同的补偿信号,使不同脉冲相同距离单元的补偿角度相同,相同距离单元间的相位关系不变,以保留目标回波中的脉间多普勒信息,并且补偿了脉内多普勒信息。

与回波信号相乘法后为:

式中,floor是取整符号,M = floor( t/T) 为脉冲编号( 取值: 0,1,2,3…) 。可见补偿后消除了脉内多普勒信息,只是增加了固定的相位2πfd* T* M ,且保留了脉间多普勒信息,相邻脉冲间的相位差为2πfd* T 。

3 仿真及实现

仿真条件如下: 信号为63位M序列码,码元宽度为0. 25 μs,波长为3 cm,多普勒速度v = 500 m/s,快、慢时间域采样点数分别为63和8。有无多普勒频率补偿的脉冲压缩和动目标处理( FFT) 后幅度对比图如图2所示。可见应用了多普勒补偿后,消除了脉内多普勒信息使脉压后主瓣减少损失4. 37d B,而且保留了脉间多普勒信息使动目标处理后主瓣减少损失了1. 8 d B。

多普勒补偿实现原理如图3所示。根据数据处理提供的目标多普勒频率,通过数字NCO产生对应频率的复频率信号sc2( t) ,再与目标信号sr( t) 相乘以消除目标中的多普勒频率,最终再对无多普勒频率的信号进行脉冲压缩。由于后面还要进行动目标处理,因此单个脉冲内部的脉内多普勒可以消除,但多个脉冲相同距离单元之间的多普勒信息却一定要保留,因此通过零公里信号rrp进行控制数字NCO,使每个PRT开始从相位零重新开始补,以保证多个脉冲之间保留脉间多普勒信息。

4 结束语

本文给出了一种跟踪雷达相位编码信号多普勒补偿方法,可以根据数据处理或其他途径给出的目标速度信息对跟踪波位进行多普勒补偿。通过仿真实验证明能够满足相位编码多普勒补偿的全部要求,既消除了对脉压处理精度影响的脉内多普勒信息,同时还保留了后续动目标处理所需要的脉间多普勒信息。仿真数据表明,这种算法可以精确地补偿目标多普勒的影响。该方法也已成功应用于跟踪雷达信号处理中。对于其他一些已知目标粗略多普勒信息的场合,该算法同样适用。

摘要：在M序列码信号脉冲压缩中存在着多普勒频率敏感问题,需要对多普勒频率进行补偿。在分析多普勒敏感性原因的基础上,提出了一种跟踪雷达补偿算法,可以同时补偿脉内多普勒和脉间多普勒,消除目标速度的影响,适用于高速远距离目标,易于工程实现且不影响后继动目标处理。通过MATLAB仿真证明了这一算法的正确性与可行性。

【信号编码技术】推荐阅读：

正交编码信号01-19

技术编码07-18

信源编码技术07-14

压缩编码技术07-15

视频编码技术05-16

信道编码技术09-27

空时编码技术06-18

差错控制编码技术12-13

流媒体编码技术09-28

H.264编码技术12-30

>> 查看更多相关文档