低信噪比信号相干积累matlab,一种基于下采样-串行FFT的高动态低信噪比信号粗捕获方法与流程...

本发明属于信号检测与估计技术领域，涉及一种能够在较大多普勒频偏和低信噪比环境下完成突发信号的检测方法。具体为一种基于下采样和fft结合的低复杂度信号检测算法。

背景技术：

突发通信是数字通信中的重要应用场景，在移动通信、应急通信以及卫星通信等领域都有着广泛的应用。而这些领域的很多应用环境通常又都具有高动态、低信噪比的特点，因此完成高动态、低信噪比环境下的信号检测是确保突发通信能够正常应用的前提。在高动态、低信噪比环境下进行突发通信，既要估计信号的到达时间，也要估计信号的频率，因此需要对信号进行时频二维搜索。理论上，对信号进行时频二维搜索的最大似然检测(ml)方法是在滑动地计算接收信号的周期图，即每滑动一个信号码片就通过快速傅里叶变换(fft)搜索其功率谱的最大值点，并与门限值进行比较和判决。这种方法的抗噪声和抗频偏性能都是最佳的，但是由于其计算复杂度过高，给实际实现带来了极大的困难，故而通常不会被采用。目前而言，在实际实现中较为常见的时频二维搜索算法是基于部分匹配滤波(pmf)的系列算法，例如pmf非相干叠加、pmf差分相干叠加以及pmf-fft算法。前两种算法仅能检测到信号的存在性，并不能估计其频率，而pmf-fft算法既能够完成信号的检测也能够完成频率的估计，因此在实际实现中最为常用。该算法的基本思想是，在滑动地检测到达信号时，首先对信号进行分段，并对每一段信号进行段内求和(或称段内相干积分)，此时信号的点数将明显下降，此时再通过fft计算信号的功率谱并搜索其最大值点进行门限判决。尽管pmf-fft算法并非最优，但其明显地降低了计算复杂度，同时还能保证较好的抗噪声和抗频偏性能，实现了性能和算法复杂度上比较好的折衷，是一种优秀的时频二维搜索算法。

pmf-fft的缺陷在于，算法的抗频偏性能与分段的数目密切相关：如果想要较大的频率检测范围，则需要将每一段的数据量减少，或者分段的段数增大；但如果想要降低计算量，就需要分段的数目尽可能小，不论如何，此算法的频率检测范围由于分段的影响相比于直接进行周期图检测都要小得多。除此之外，算法的抗噪声性能与信号的频偏具有相关性，信号的多普勒频偏越大，pmf-fft得到的频谱最大值点幅度将越小