LVD（吕分布）实现过程的记录

振之华

已于 2025-03-05 22:58:46 修改

阅读量359

点赞数 6

文章标签：算法信号处理

于 2024-12-19 23:07:52 首次发布

本文链接：https://blog.csdn.net/weixin_51442664/article/details/144596897

版权

2024.12.19 晚23:00

自己的研究方向是关于高速目标相参积累的，LVD感觉很有用，打算自己仿真一下，网上的资源比较少，找到的代码和论文还是有一点出入，也不好调试，感觉还是要自己编一下。

由于每周都得组会汇报，这个就当进度条吧，有进展就往这里面加一点。

按照我的初步理解，吕变换总共分为三个步骤

1.PSIAF参数对称自相关函数

2.解开延时变量的耦合

3.傅里叶变换

1.首先看看第一步吧：

2025.3.5 晚19:00（很抱歉耽搁了这么久，先搞了个别的idea，这个年后开学后搞得，感觉还是有一些疑惑吧，希望大家看到后可以帮忙指导一下）

首先就是关于瞬时参数自相关函数，这一步和WVD变换几乎是差不多的，就是引入了一个变量tau，但是理论是理论，实操的时候，咱们仿真的是离散的信号。这一步说实话我不太会tao这步的处理，所以这是仿真的效果：我先假设tau是从负到正对称的轴，phi是左右平移的相位。通过cirshift函数对原信号进行左右平移，然后把平移出去的数字就那零补在后面，最后再共轭相乘就得到了最终的自相关函数。下面是第一步的公式：

$R_x^C(t, \tau) = x\left( t + \frac{\tau + a}{2} \right) x^*\left( t - \frac{\tau + a}{2} \right)$

a = 1;
 tau =  round(-N/2:N/2-1);

    for ii = 1:length(tau)
        phi = round(tau(ii)+a/2);
        
        R_left = circshift(signal_lfm,-phi);
        x_left = [R_left(1,1:(length(R_left)-abs(phi))),zeros(1,abs(phi))];
              
        R_right = circshift(signal_lfm,phi);
        x_right = [zeros(1,abs(phi)),R_right(1,(abs(phi)+1):end)];
       
        psiaf(ii,:) =  conj(x_right).*x_left;
        
    end

步骤一的仿真结果

这一步的仿真结果应该是对的，仿真后的形状首先要是对称的，其次他的形状和你tau的范围有关，也有三角的，正方形的，具体哪个对我不太清楚，应该都是对的。（其实这一步真的不很确定，尤其是常数a的设置，这个其实你不加也是这个结果，但是这个对第二步有影响）

这是对上面的自相关函数做了一个FFT，得到的是一条斜线，和理论对的上（WVD的结果），所以应该第一步没什么问题

2.第二步就是解开延时耦合

$[G(t, \tau)] \rightarrow G\left( \frac{t_n}{h(\tau + a)}, \tau \right)$

$\Gamma\left[ R_x^C(t, \tau) \right] = \sum_{i=0}^{K-1} A_i^2 \exp\left( j 2\pi f_i (\tau + a) + j 2\pi \frac{\gamma_i}{h} t_n \right)$

这一步在我看来其实就和Keystone变换一样，解一个耦合，把慢时间轴插值换一下就完事了，但是，我做不出来，感觉是a、h两个常数搞的鬼。（也有可能是我第一步的问题？）这个结果肯定是有问题的，所以也请大家帮忙找找问题。我是用插值的方式来完成的，没有用变尺度傅里叶变换做这一步

h = 1;
for tt = 1:length(tau)
    tn = 1/(h*(2*tau(tt)*Ts+a)).*t;
    S_psiaf(tt,:) = interp1(t,R_tao(tt,:),tn);
end
I = isnan(S_psiaf);
S_psiaf(I) = 0;

上面这个就是通过插值完成的，其中tn，就是每次要变换的系数，也就是原论文中指的关键的那一步，通过这一步后就解耦合了。