1.一种基于频谱扩展的双通道FRI欠采样与参数测量方法,其特征在于,所述方法包括以下步骤:步骤一、对脉冲序列和基脉冲进行数学建模:假设待测信号是由一系列的脉冲信号组成,其中基脉冲信号h(t)的脉冲形状是已知的,L是脉冲序列信号s(t)中包含基脉冲信号的个数,是待测信号中脉冲序列的幅值和时延,是未知的,需要通过采样结构和重构算法恢复出这些参数,进而重构出脉冲序列;
步骤二、结合脉冲序列的特征,对信号的采样结构进行设计,为了能够提高系统的通用性以及避免单个通道采样结构相对局限的问题;设计了一种双通道并行的采样结构,对所提出的采样结构进行对应的参数设置;
步骤三、脉冲序列的频谱搬移过程,根据所提出的采样结构,需要使用伪随机序列对脉冲序列进行频谱搬移,将信号主要频带上的信息均匀的分布到整个频域轴上;
步骤四、基脉冲的频谱搬移过程,根据所提出的采样结构,使用余弦信号q(t)=cos(2πft)对基脉冲进行频谱搬移,将信号主要频带上的信息搬移到低频上;
步骤五、脉冲序列和基脉冲的采样核滤波、低速采样过程,根据所提出的采样结构,需要对脉冲序列和基脉冲进行采样核滤波,获取信号基带的频域信息,最后对采样得到的样本进行离散傅里叶变换(DFT)得到对应的离散傅里叶系数s2[n]和h2[n];
步骤六,消除滤波器的非理想效应,恢复出脉冲序列,通过获取的样本s2[n]和h2[n]可以实现消除LPF非理想效应的目的,然后重构出脉冲序列。
2.如权利要求1所述的基于频谱扩展的双通道FRI欠采样与参数测量方法,其特征在于,所述步骤一中,脉冲序列表示为:对脉冲序列s(t)求离散傅里叶变换(DFT),得到信号的傅里叶系数表达式为:
3.如权利要求2所述的基于频谱扩展的双通道FRI欠采样与参数测量方法,其特征在于,步骤三中,通过伪随机序列发生器生成伪随机序列,伪随机序列是基于特定算法或规则而人为设置的,具有近似随机的统计特性,使用伪随机序列对待测信号进行调制,将待测信号s(t)的频域信息均匀的搬移到整个频谱上,通过基带信号恢复出任意脉冲信号的频谱,伪随机序列表示为如下形式:其中T是伪随机序列p(t)的持续时间长度;
两个信号在频域相乘意味着在频域进行卷积,待测信号与伪随机序列进行卷积,相当于将频域均匀的涂抹在整个频域轴上,伪随机序列p(t)的频域表示为:其中Tp=T/Q,Ω为角频率变量;
步骤五中,非理想LPF建模,采用了双通道并行的采样结构,对脉冲序列和基脉冲都使用了非理想LPF作为采样核进行滤波,相较于原来的采样结构,都假设采样核是理想的,而非理想的采样核对信号重构精度具有很大的影响,因此需要将脉冲信号和基信号都经过非理想LPF,让其都包含非理想效应,从而在信号重构阶段利用采样样本之间的联系将其消除,将采样核的单位脉冲响应表示为g(t),其频域表达式为G(Ω);
步骤五中,通过获取一系列的傅里叶系数,使用参数估计算法恢复出脉冲序列,当脉冲序列经过采样核滤波之后,能够获取位于基带的信号频谱,将获取的样本进行离散傅里叶变换DFT,得到相关的离散傅里叶系数。
4.如权利要求3所述的基于频谱扩展的双通道FRI欠采样与参数测量方法,其特征在于,所述步骤三中,搬移之后的信号表示为s1(t):s1(t)=s(t)·p(t) (5)对上式进行频域转换得到:
对角频率变量Ω进行离散化变换,使得Ω=mΩ0,其中Ω0=2π/T,m∈Z,那么公式(6)进一步表示为:其中S1[m]=S1(mΩ0),S[m]=S(mΩ0)和P[m]=P(mΩ0)分别为信号s1(t),s(t)和p(t)的傅里叶系数,进一步化简为:
5.如权利要求4所述的基于频谱扩展的双通道FRI欠采样与参数测量方法,其特征在于,所述步骤四中,搬移后的信号表示为h1(t):h1(t)=h(t)·q(t) (9)对上式进行频域转换可以得到:
对角频率变量Ω进行离散化变换,使得Ω=mΩ0,其中Ω0=2π/T,m∈Z,那么公式(10)进一步表示为:其中H1[m],H[m]和Q[m]为信号h1(t),h(t)和q(t)的傅里叶系数,进一步化简为:
6.如权利要求5所述的基于频谱扩展的双通道FRI欠采样与参数测量方法,其特征在于,所述步骤五的过程如下:步骤5.1、待测脉冲信号的采样核滤波过程,待测信号经过信号调制之后,信号的主要频域信息均匀的分布在整个频域轴上,因此使用LPF作为采样核截取信号基带的频域信息,采用非理想LPF作为采样核进行滤波,经过滤波之后的信号表示为:s2(t)=s1(t)*g(t) (13)将信号s1(t)在频域上进行表示,得到:
S2(Ω)=S1(Ω)·G(Ω) (14)对角频率变量Ω进行离散化处理,则公式(14)进一步表示为:
S2(mΩ0)=S1(mΩ0)·G(mΩ0) (15)其中S2[m]=S2(mΩ0),S1[m]=S1(mΩ0)和G[m]=G(mΩ0)分别为信号s2(t),s1(t)和g(t)的傅里叶系数,进一步化简为:步骤5.2、基脉冲的采样核滤波过程,使用LPF作为采样核对基信号进行滤波,截取基信号在基带上的频域信息,但是由于实际中是不存在理想的LPF的,因此我们采用非理想LPF作为采样核进行滤波,这样可以使得基信号中包含LPF的频谱响应,从而实现消除LPF频域响应的目的,经过滤波之后的信号表示为:h2(t)=h1(t)*g(t) (17)将信号h2(t)在频域上进行表示,得到:
H2(Ω)=H1(Ω)·G(Ω) (18)对角频率变量Ω进行离散化变换,进一步表示为:
H2(mΩ0)=H1(mΩ0)·G(mΩ0) (19)其中H2[m],H1[m]和G[m]为信号h2(t),h1(t)和g(t)的傅里叶系数,进一步化简为:H2[m]=H1[m]·G[m] (20)步骤5.3、脉冲序列和基脉冲的低速采样过程,脉冲序列和基脉冲经过采样核滤波之后可以获取信号基带的频域信息,需要一组傅里叶系数来恢复出原始信号,因此对获取的样本进行离散傅里叶变换DFT,得到所需要的离散傅里叶系数s2[m]和h2[m]。
7.如权利要求6所述的基于频谱扩展的双通道FRI欠采样与参数测量方法,其特征在于,所述步骤六的过程如下:步骤6.1、消除LPF非理想效应,通过利用待测信号和基信号的采样样本之间的联系,可以有效的消除掉LPF的频域响应,联合公式(16)和(20),进一步得到:其中,h(t)和q(t)是已知的,因此B=1/2πH1[m]是一个常量;
步骤6.2、构建观测向量z,将公式(21)转换为矩阵-向量的形式,构造观测向量:z=[Z[-M],Z[1-M],…,Z[M]]T (22)观测矩阵:
在公式(23)中,观测矩阵P是一个维度为(2M+1)×(2K+1)的矩阵,而第lm个值为P[m-k](m=-M,…,M,k=-K,…,K),所以公式(21)写成:z=B·P·s (24)上式中,s=[S[-K],S[1-K],…,S[K]]T是脉冲序列s(t)的傅里叶系数组成的(2K+1)×1的向量;
步骤6.3、将模拟时间轴t∈[0,T)作量化处理,划分为N个均匀的网格,网格的大小我们设为δ=T/N,所以模拟时间量t近似表示为t=nδ,n={0,1,…,N-1},未知的时延参数近似表示为tl≈nlδ,式中nl∈{0,1,…,N-1}表示时延参数tl的量化数值,量化处理后,公式(2)转化为:其中k=-K,1-K,…,K,为了进一步运算处理,将上式(25)转换为矩阵-向量的形式:其中s=[S[-K],S[1-K],…,S[K]]T是一个大小为(2K+1)×1的向量,是一个维度为(2K+1)×(2K+1)的对角矩阵;
步骤6.4、构建观测矩阵Φ,其中Φ=PHΨ,在步骤6.2中根据公式(23)构成P,在步骤6.3中根据公式(27)构成H,接下来需要构建Ψ矩阵,从而构建观测矩阵Φ;
脉冲序列s(t)的时间取值为t∈[0,T),当将时间区域按照固定间隔δ进行量化处理后,便可构造关于模拟时间量t的完整集合表示η={0,δ,2δ,…,(N-1)δ},N=T/δ,tl的集合表示为γ={n1δ,n2δ,…,nLδ},且L<<N;因此,量化过程之后,所得到的时延参数tl的集合γ构成了特征参数t的完备集合η的一个子集,即利用完备集合η来表示时延参数集合γ,即:其中,Ψ是一个(2K+1)×N维度的矩阵,第kn个元素(k=-K,1-K,…,K,n=0,1,…,N-1)由组成,公式(25)能转化为稀疏矩阵的表达形式:s=HΨa (29)式中,a∈RN×1是一个L稀疏向量,非零元素的位置表示则为非零元素值,联立公式(24)和(29),进一步转化为:z=BPHΨa=Φa (30)上式中,Φ=BPHΨ是一个观测矩阵,维度为(2K+1)×N;
步骤6.5、求解z=Φa,通过从观测向量y中求解出稀疏向量a的非零元素值,计算该表达式,将其转换为一个L0范数最小化问题,即:其中L0范数||a||0表示稀疏向量a中的非零元素个数,根据随机解调理论的研究,通过利用伪随机序列构建的随机观测矩阵Φ,可以使其满足RIP约束条件,在观测矩阵Φ满足RIP条件的基础上,OMP算法作为求解公式(31)的一种有效方法,从而恢复出脉冲序列的特征参数。