小波变换在雷达信号处理中的应用.docVIP

小波变换在雷达信号处理中的应用 【摘 要】随着信号处理技术的不断发展，小波变换理论已经开始应用到更加广泛的领域，而近些年来，小波理论在雷达信号处理中的应用更是倍加关注，现在已成为信号处理学科的热点之一。本文首先简要介绍了小波变换理论，接着比较了各种小波处理方法的特点，最受重点研究了小波变换在雷达信号处理方面的应用。 【关键词】小波变换；雷达信号处理；应用 引言 在雷达处理系统中，其相关的信号处理技术一直都处于十分重要的地位，并且也是人们始终坚持研究的一个领域，当今科技发展的趋势不断促使其更加迅速的发展。近些年来，已经出现了一些新的雷达信号处理技术，比如杂波抑制和杂波谱估计、目标识别和超宽带雷达信号处理、小波包的超分辨算法等。由此可见，数学分析工具在雷达信号的处理中已经显得尤其重要。传统的处理方法几乎无法对奇异信号以及非平稳信号进行较为有效地处理，然而小波分析却可以很好地处理这些问题。小波变换在信号处理领域，通过对原始信号进行相应的变换，进而在变换的过程和结果中对所处理的信号进行特征提取，并且尽可能获得更多的有用信息。小波变换不仅具有多尺度的时域特性，而且具有良好的频域特性。 1 小波变换简介 小波理论通过这些年的不断发展，已经在作为信号处理的一种新型技术出现在了很多领域，而且经过长期的科研已经取得了不错的效果。介于小波理论的特殊性，使得这一处理技术将会具有较为广阔的应用前景和巨大的发展空间。现阶段，小波变换涉及到了数据压缩、信号处理、模式识别、图像处理、地震勘测等众多领域。 1.1 连续小波变换 正如我们以前了解的，短时傅里叶变换最大的软肋，就是其时频域窗口不会随着频率而实时动态变化，这导致了它不具备非常优秀的信号处理效果，然而科研人员通过一段时间的研究分析，针对这一缺点，通过设计一系列连续变化的伸缩平移基，进而就产生了我们所谓的小波变换。小波变换始终遵循当对高频分量进行处理时采用小时窗、对低频分量进行处理时采用大时窗这一自然规律。 对于一个任意的信号x（t），如果满足，而且满足小波理论所容许的条件，那么信号的连续小波变换可以作如下定义为： 该式中，b为平移因子，a为尺度因子，一个反映信号的时间信息，另一个反映信号的频率信息；b、a、tR并且，此处称为母小波或者是基本小波。 我们可以通过可视化工具，如Matlab信号分析工具箱，观察并分析出，即使随着尺度因子a的增大小波的幅度也会增大、即使随着a的增大小波的持续时间也会增长，但是我们很明显可以观测到其形状始终保持不变。当a 1时，小波的形状就会变得又矮又宽，其持续时间也会增长，甚至当不断增加a时依然会延续如此的变化趋势；然而当0　　1.2 离散小波变换 通过以上的分析，我们可以了解到小波基函数与时间因子b以及尺度因子a之间具有很强的相关性，我们为了尽可能的减少小波变换系数的冗余度，但是却不能失去原有信号的所有信息，在此基础上研究人员自然而然就引入了离散小波变换这一概念。一种最直接的方法就是小波基函数中的a、b按照幂级数的方法进行离散化。 一般采用 ，则就有： ，通常简写为 2 各类小波处理方法的特点分析 小波分析、复小波分析、小波包分析、多小波分析等方法都有其独特的性质，针对不同的应用场合应该选择对应的处理方法。均有相应的特点， 适应于不同的应用环境。 2.1 小波包分析的特点。小波包分析在小波分析中占有非常重要的位置，它不但可以对高频部分做二次分解，而且还会对低频部分进行详细的分解。这一分析方法最值得称赞的优点就是它非常细致地刻画了信号的高频部分，从而增强了信号的分析能力，然而达到这一效果却是以巨大的计算量为代价的。 2.2复小波分析的特点。正如所知，按照小波变换系数是复数或实数的不同，可以将小波变换分为复小波和实小波。一般来说，复小波变换不但包含了一般小波分析的优点外，而且更重要的是可以向人们提供信号的相位信息，这一特性可以用于定位过程奇异点，然而实小波却没法提取信号的相位信息，而且其相频特性极少。 2.3 小波分析的特点。通过上述的介绍我们大体可以领会到，小波变换其实就是将所要处理的信号投影到一系列的小波基上，并且存在一些将基本小波平移、伸缩形成的一系列小波函数，可以使得小波变换将任何的信号投影到这些小波函数上去，最终可以使信号在不同频带、不同时刻实现无损失分离。而且在频域以及时域内，小波分析都具有非常好的局部特性。 3 小波变换在雷达信号处理中的应用 在雷达信号处理过程中，将会遇到很多有待处理的问题，比如采集到的信号噪声干扰太大，如何对其进行降噪，信号在传输过程中如何对其进行检测，并且在不知信号某些参数的情况下如何对其进行估计等等，接下来我们就分析以下小波变化在这些方面的应用。 3.1杂波抑制和杂波谱估计 与FFT特性相似，小波变换同样也具有带通特性，因此可以将小波变换