信号在FRFT域上表示,同时包含了信号的时域信息和频域信息。
论文中提出的算法流程如图:
![](https://i-blog.csdnimg.cn/blog_migrate/ed6ff6dcc679d55ab6f8352bf6897b66.png)
步骤1:提取雷达辐射源信号脉冲序列的脉冲,进行相应的预处理,包括带宽和能量的归一化;
步骤2 :对接收的信号进行不同阶数的傅里叶变换;
![](https://i-blog.csdnimg.cn/blog_migrate/f07fee532207300309f81643a8179b8d.png)
同一信号的不同阶FRFT是不同的,直观体现在其聚散程度上
![](https://i-blog.csdnimg.cn/blog_migrate/ab231e842be298962b35d4300b9e7e45.png)
步骤3:计算信号在不同阶傅里叶变换下的聚散度;
论文中定义的聚散度为:
![](https://i-blog.csdnimg.cn/blog_migrate/9cd8ec66ddc6626eb11283bf193f2a10.png)
![](https://i-blog.csdnimg.cn/blog_migrate/f4df8d57cbfd392df509fa7429f1861b.png)
三种不同的信号的聚散度随着FRFT 的阶数变化其变化的趋势程度上是有所不同的,因此可以将基于同一信号的聚散度随着FRFT的阶数变化的特征可以作为一个稳定的特征向量。
![](https://i-blog.csdnimg.cn/blog_migrate/8a695672ae26e728e46be83389209225.png)
步骤4:比较确定聚散度的最终提取参数
![](https://i-blog.csdnimg.cn/blog_migrate/86366e22ce01959becdf37281a69e5a3.png)
不同信号聚散度曲线的尖峰出现在不同位置
![](https://i-blog.csdnimg.cn/blog_migrate/381b61ca31967aa97cf224a1becca910.png)
计算信号不同阶分数阶傅里叶变换下的1次相像系数
步骤5:计算信号不同阶分数阶傅里叶变换下的1次相像系数;
信号的k次方谱即信号k次方后的频谱, k次方谱可以进一步反映调制信号在频谱上的细微分布特性。
相像系数是对不同信号之间相似程度的一种度量:
![](https://i-blog.csdnimg.cn/blog_migrate/f1dc966c5d75086a5d5cddc2e3f0f8ea.png)
对信号k次方谱在不同阶FRFT下,与目标信号计算相像系数,反映其与目标信号的相像程度。
步骤6:进一步计算信号不同阶分数阶傅里叶变换下的k次相像系数;
![](https://i-blog.csdnimg.cn/blog_migrate/bcb29f62c2edc94bea9e2b014adf2a09.png)
![](https://i-blog.csdnimg.cn/blog_migrate/0e12a92bb028f928a59be1da9955e74b.png)
步骤7:比较确定相像系数的最终提取参数;
![](https://i-blog.csdnimg.cn/blog_migrate/1bf4184f91fbb86d6271057742c4aef4.png)
步骤8:综合确定最终提取的参数及参数提取步骤。
论文提取的特征向量较已有的提取算法所提取的向量具有很好的可分性,可有效解决参数空间交叠的问题。