滤波器的设计——傅立叶级数展开法2-Read.DOCVIP

SIRP法相干相关K分布雷达杂波的建模与仿真 gjj_hit@163.com 所谓杂波仿真，实际上就是要生成一系列在幅度上服从特定的概率密度分布（pdf）的相关随机序列，常见的杂波仿真方法有两种：零记忆非线性变换法（ZMNL）和 球不变随机过程法（SIRP）。ZMNL方法的基本思想是：首先产生相关的高斯随机过程，然后经过某种非线性变换得到所求的相关随机序列。这种方法的缺点就是输入序列与输出序列间有复杂的非线性关系,因此必须寻找输入序列与输出序列的相关函数间的非线性对应关系。SIRP方法的基本思想是：产生一个相关的高斯随机过程，然后用具有所要求的单点概率密度函数的随机序列进行调制。这种方法的缺点则是受所求的序列的阶数及自相关函数的限制,同时这种方法的计算量非常大,不易形成快速算法。 ISAR是一种相干雷达，其海杂波必然是相干且时空相关的。对于相干相关杂波，以往的方法都是将非相干的ZMNL方法加以推广得到相干的ZMNL模型。这种方法得以应用的一个前提是已知非线性变换前后杂波相关系数的非线性关系，然而对于相干相关K分布杂波却很难找到这样一种非线性变换，于是我们采取SIRP方法来仿真ISAR的海杂波。 K分布适用于描述高分辨雷达的非均匀杂波，多用于对海杂波的模拟。K分布可以由一个均值是慢变化的瑞利分布来表示，其中这个慢变化的均值服从分布。K分布的概率密度函数为： 其中，是形状参数，是尺度函数，是伽马函数，是第二类修正贝赛尔函数。杂波平均功率，和之间的关系可表示为： 对于大多数杂波来说，形状参数的取值范围是，对于较小的的取值，如时，杂波有较长的托尾，时的分布接近于瑞利分布。图1给出了K分布杂波序列的实现结构。 图1 相干相关K分布杂波SIRP方法 图中，为一复高斯白噪声，线性滤波器由的相关函数设计决定，为一与相互独立的实高斯噪声，线性滤波器必须使得输出的高斯序列具有高度的相关性(相关函数接近于1)，ZMNL变换使得输出的的概率密度函数（pdf）为杂波的特征pdf。对于K分布来说，服从广义分布，该分布的定义如下： 要用图1所示的模型产生K分布杂波，需要产生符合广义K分布的并设计线型滤波器1和线型滤波器2。滤波器1的设计比较简单，它使输出具有所要产生杂波的功率谱，设计方法同ZMNL法的滤波器设计。由于我们对的相关函数不感兴趣，因此，可将滤波器2设计为一带宽很窄的低通滤波器，使得非线性变换随机序列的功率谱足够窄。 下面以一例MATLAB仿真说明上述产生K分布杂波的过程 [1]。具体程序见“Matlab程序”文件夹K_distribution.m和nonline_eq_sirp.m。 例：产生杂波的幅度概率密度函数的参数为，，功率谱密度为高斯谱，其3dB带宽为40Hz的K分布杂波，滤波器1的设计采用傅立叶级数展开法，模拟的杂波的功率谱密度采用Burg法估计得到。 复高斯白噪声的产生 滤波器的设计——傅立叶级数展开法[2] 这种方法是通过将所希望的网络的频率特性展成傅立叶级数的方法求滤波器加权系数的，故称这种方法为傅立叶级数展开法。 众所周知，非递归滤波器可由以下差分方程来描述： 式中：表示滤波器的第个输入；表示滤波器的第个输出；为滤波器加权系数。 滤波器的传递函数可通过变换求出： 频率响应为： （6）式为数字滤波器的频率响应，令，将（6）转化为模拟滤波器的频率响应： 其中为将模拟滤波器转化成数字滤波器时的抽样间隔（这里的的单位也是频率单位，因为是在频域抽样），为其抽样频率，为模拟滤波器的频域周期。 又已知，杂波归一化的高斯谱密度为： 希望在输入白噪声时，有： 显然，所设计滤波器应有高斯响应： 将其展成傅立叶级数： 又由于为偶函数，所以： 其中： 对式(7)取绝对值，根据谱的偶函数特性知，式(12)中的便等于式(7)中的，即非递归滤波器频率响应的傅立叶级数展开式的系数，就是该滤波器的加权系数。由于频率响应是给定的，于是使问题简单了。 为了求系数，改变变量，将的傅立叶变换写成： 将式(10)代入，得： 当有限时，傅立叶级数的系数 式中为抽样间隔，至少应为杂波频谱宽度的倒数。这样，在高斯谱已知的情况下，非递归滤波器的加权系数就由完全确定了。 该滤波器的主要特点： 首先，它具备非递归滤波器的优点，结构简单，运算速度快。 便于硬件实现，特别适用于雷达模拟器。 要得到一个较好的响应，N值应大于8。 这种方法对于输出序列的长度没有限制，取决于输入序列的长度。这对雷达系统的性能测试具有重要意义，例如对虚警概率进行测试时，应给出足够长的序列，如虚警概率时，其长度应大于。 我们知道描述数字滤波器的差分方程时稳态情况下的差分方程，在输入序列小于它的阶数时，输出序列仍