LFM 信号的参数估计在雷达信号处理方面的应用有以下几个方面：多普勒雷达、反辐射 导弹告警系统、超视距雷达、成像雷达等许多雷达系统[11]。海内外学者对 LFM 信号的处理已 经有了多年的深入研究和探索，LFM 信号参数估计理论也确实获得了许多科研成就，然而却 依旧是在不断地发展的过程当中[12]。而到现在为止，国内外相关学者提出了许多对 LFM 信号 分析的理论，主要包括以下几种方法：最大似然估计法、短时傅里叶变换、小波变换、分数 阶傅里叶变换以及其他信号处理方法等。79037

1 最大似然估计法

最大似然估计法是一种渐进无偏的最优估计方法，而且当样本有限时，高信噪比时的估计 方差逼近克拉美劳界，该方法具备最优的估计性能，然而这种方法的缺陷是其运算复杂度高， 计算量太大，而且不排除出现收敛到局部极值点的情况发生。最大似然估计法是把似然函数 最大出的参量作为估计量，这种方法的优点在于不需要知晓参量的先验知识，而且其代价函 数也不需要给定，所以在估计未知先验概率的随机变量的时候该方法也适用，而且也适合估计非随机的未知参量。论文网

2 短时傅里叶变换

短时傅里叶变换的基本思路是假设信号在分析窗函数内进行平稳地时频分析。由于这个 分析窗时间间隔与整个信号对比的话，是非常短暂的，因此这一种方法被称为短时傅里叶变 换[10]。这几年，相关学者针对短时傅里叶变换的完善进行了很多探索。例如文献[7]中所提到 的一种自适应窗长的短时傅里叶变换方法，它的窗函数包括两个控制参数的高斯窗函数。这 种算法对于瞬态信号和长时间信号分量都有一些的自适应能力。文献[8]中提到通过短时线性 调频窗函数的短时傅里叶变换来对信号的瞬时频率进行参数估计。

文献[13]当中短时傅里叶的变换的最重要的发展是采用自适应方法对各种不一样的时段选 择各种长度的信号匹配的窗函数。自适应短时傅里叶变换使用自适应的窗函数集来匹配个时 间段的时频支撑。因为自适应短时傅里叶变换不会有交叉项的存在，所以对多分量 LFM 信号 的参数估计可以获得很好的结果[11]。文献[14,15]将 Radon 变换和 Hough 变换引入 STFT 方法对 LFM 信号参数进行估计。

3 小波变换法

Morlet 在 80 年代提出了小波变换地概念，它的基本思路是把频率域的表征变成另一个域， 用联合的时间和尺度平面来表述信号。小波变换在非平稳信号的分析处理中有非常多的优势： 小波具有变尺度特性；小波变换是线性变换，所以不会产生模糊交叉项；小波基只会在有限 的时间里是非 0 值，小波变换在非平稳信号分析，检测，去噪，信号复原等领域有着广阔的 应用前景[9]。

小波变换存在多分辨的性质，可以依据信号本身的特性自适应调整窗函数，协调时间频 率分辨率之间的矛盾。通过小波变换能够获得雷达信号的瞬时稳态信息、信号波形特征以及 分析调制信息。陈洁等[16]研究了小波变换在雷达信号参数检测中的应用，而且提出了基于连 续小波变换的 LFM 信号参数估计方法。李强等选用高斯线性调频小波作为基函数，研究了信 号的小波谱，分别提出了基于小波谱的 LFM 信号检测算法[17]以及基于小波-Radon 变换的多 分量 LFM 信号检测与参数估计的算法[18]。

4 分数阶傅里叶变换

因为分数阶傅里叶变换在 LFM 信号检测和参数估计方面解决了交叉项干扰的难题，所以在这几年吸引了很多人的关注。如果想要通过分数阶傅立叶变换对线性调频信号进行检测及 其参数估计，那么就一定要计算 FRFT  的数值。