資源描述：
《學(xué)士學(xué)位論文—-基于分?jǐn)?shù)階傅里葉變換的chirp信號(hào)參數(shù)估計(jì)及代碼.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要線性調(diào)頻信號(hào)即LFM信號(hào)是一種在雷達(dá)，通信，聲納，地震探測(cè)等領(lǐng)域中有著重要作用的非平穩(wěn)信號(hào)。因?yàn)長(zhǎng)FM信號(hào)是一種非平穩(wěn)信號(hào)，對(duì)它進(jìn)行參數(shù)估計(jì)會(huì)比較復(fù)雜，現(xiàn)在的處理方法大多是使用時(shí)頻面上的二維峰值搜索。分?jǐn)?shù)階傅里葉變換是時(shí)頻變換中的一種，因?yàn)樗谔幚矶喾至縇FM信號(hào)時(shí)不會(huì)產(chǎn)生交叉項(xiàng)，所以在LFM信號(hào)的參數(shù)估計(jì)中得到了廣泛的應(yīng)用。本文首先介紹了分?jǐn)?shù)階傅里葉變換的基本定義及性質(zhì)，然后介紹了變換的離散算法中的采樣型算法，即Ozaktas采樣型算法和Pei采樣型算法，并使用這兩種算法在matlab上進(jìn)行了LFM信號(hào)參數(shù)估計(jì)的仿真實(shí)驗(yàn)。在論文的安排上，首先介紹了題目的背景
2、和所做的工作；然后，介紹了離散分?jǐn)?shù)階傅里葉變換的定義及計(jì)算過(guò)程，還有使用這些算法進(jìn)行參數(shù)估計(jì)時(shí)的計(jì)算方法；之后，講述了的仿真過(guò)程和結(jié)果；最后，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析和主觀評(píng)估。關(guān)鍵詞：分?jǐn)?shù)階傅里葉變換；線性調(diào)頻信號(hào)；參數(shù)估計(jì)；離散算法53AbstractTheLFMsignalisakindofnon-stationarysignal,whichplaysanimportantroleinthefieldofradar,communication,sonar,seismicdetectionetc.BecauseofLFMsignalisanonstationary
3、signal,sotheparameterestimationforitismorecomplex.nowmostofthemethodto?estimationit?parameter,istwo-dimensionalpeaksearchon?ime-frequencyplane.FractionalFouriertransformisonekindoffrequencyconversion,becausewhenit'sprocessingthemulti-componentLFMsignalitwillnotgetcrossterms.soit?hasbe
4、enwidelyused?intheparameterestimationofLFMsignal.ThisarticlefirstintroducestthenintroducesthediscretefractionalFouriertransformalgorithmtypeofsamplingalgorithm,andusethesetwokindsofalgorithmdoparameterestimationofLFMsignalsimulationexperiment?onmatlab.Onthearrangementofthethesis,theau
5、thorfirstlyintroducesthebackgroundofthetopicandtheauthorshavedone;Then,thispaperintroducesthedefinitionofdiscretefractionalFouriertransformandthecalculationprocess,andusingthesealgorithmsforparameterestimationmethod;After,tellsthewayoftheprocessandresultsoftheauthor;Finally,theexperim
6、entalresultsareanalyzedandsubjectiveevaluation.Keywords:FRFT；LFMsignal；parameterestimation；dispersecalculate53目錄第1章引言11.1應(yīng)用背景及其意義11.2研究的現(xiàn)狀2第2章離散分?jǐn)?shù)階傅里葉變換72.1分?jǐn)?shù)階傅里葉變換72.1.1分?jǐn)?shù)階傅里葉變換的定義72.1.2分?jǐn)?shù)階傅里葉變換的性質(zhì)92.2離散分?jǐn)?shù)階傅里葉變換112.2.1離散分?jǐn)?shù)階傅里葉變換簡(jiǎn)介112.2.2Ozaktas采樣型算法122.2.3Pei采樣型算法162.3基于FRFT的LFM信號(hào)參數(shù)估
7、計(jì)的理論模型182.3.1基于Ozaktas算法的參數(shù)估計(jì)模型192.3.2基于Pei算法的參數(shù)估計(jì)模型21第三章基于DFRFT的LFM信號(hào)參數(shù)估計(jì)223.1引言223.1.1主要技術(shù)和方法223.1.2問(wèn)題總結(jié)與分析233.2算法設(shè)計(jì)及實(shí)驗(yàn)分析243.2.1使用FFT來(lái)對(duì)LFM信號(hào)進(jìn)行參數(shù)估計(jì)243.2.2基于Ozaktas算法的參數(shù)估計(jì)273.2.3基于Pei算法的參數(shù)估計(jì)31第4章對(duì)實(shí)驗(yàn)結(jié)果的分析394.1兩種算法對(duì)參數(shù)估計(jì)的實(shí)驗(yàn)結(jié)果分析39534.2仿真程序的展示界面40第5章總結(jié)與展望43致謝44參考文獻(xiàn)4553第1章引言1.1應(yīng)用背景及其意義LFM信號(hào)
8、是時(shí)變信號(hào)
