电子战电磁环境日趋复杂，雷达设备种类繁多，战场上存在着不同强弱、不同调制形式的雷达信号^[1]。其中，宽带LFM信号由于其大时宽带宽积的特性，故而具有良好的距离分辨力、抗干扰和抗截获能力，在实际应用中较为广泛^[2]。在电子侦察过程中，若采用宽带数字接收机对此类宽带信号进行接收和处理，会出现系统处理带宽过大而产生灵敏度下降的问题^[3]。目前应用较为广泛的是信道化宽带数字接收机，此类接收机将整个处理带宽划分为多个带宽较窄的信道，只对存在信号的信道进行处理，若采用此类接收机运用于电子侦察领域，会产生跨信道的问题^[4]。即当接收信号的频谱出现在两个信道的交界处，难以准确判断信号处于哪个信道中；当接收信号的频谱横跨多个信道，也容易被判断为出现多个信号。针对上述问题，文献[5]提出两级信道化的方法，先对信号进行粗滤波，确定信号的大概位置，再对出现信号的信道进行二次划分及后续滤波处理。此方法降低了运算和硬件实现的复杂程度，但不足之处是单纯地降低了信号跨信道的概率并不是根本解决跨信道问题。文献[6]在对均匀余弦调制信道化结构分析的基础上, 研究了采用合成矩阵结构的动态信道化接收机，可有效解决跨信道问题, 但运算量和硬件实现的复杂程度依然较大。

Mishali课题组提出了一种基于调制宽带转换器(modulated wideband converter, MWC)的稀疏宽带信号亚奈奎斯特采样方法^[7-8]。该方法利用信号可被伪随机序列混频的特性，将所接收到的信号在多个分支内被混频至各个子带内，再利用低通滤波器滤除高频成分，保留基带信号。由于利用多路信号且只对带宽较窄的基带信号进行处理，宽带信号的全部信息都出现在基带内，实现对稀疏信号的有效压缩，进行欠奈奎斯特采样，之后通过重构算法恢复原始信号。文献[9]将MWC改进为单路结构应用于宽带频谱感知领域。文献[10]在MWC结构的基础上，构建了均匀L型线阵，实现了信号载频和到达角的联合估计。文献[11]提出了字典基自环测量获取方法和字典基的时延估计补偿算法，解决了在MWC实际工程实现中出现的由于传输时延、通带波纹等与理论观测矩阵不一致而导致的重构畸变的问题。文献[12]提出了新的重构算法应用于MWC，不仅提高了重构的成功率，且在相同的条件下可重构的频带数更高，运算时间更短。近年来关于MWC的研究中，大多需要利用不同的重构算法从基带信号中恢复出原始信号，鲜有不通过重构算法直接对基带信号进行信号处理实现不同功能的研究，也尚未出现在非重构条件下对跨信道信号识别的研究。由于重构算法较为复杂将其运用与电子侦察接收机中，硬件实现复杂，系统的运算量和计算速度均受到限制。

将面向时域连续的MWC欠奈奎斯特采样结构延拓到离散域，构建一种离散压缩采样结构的宽带数字接收机对雷达信号进行接收，仅对包含了接收信号全部信息的基带信号进行处理，并提出直接利用多路压缩采样信号，在非重构条件下对宽带LFM信号进行识别及参数估计。

1 MWC离散压缩采样结构

Mishali课题组提出的MWC是面向时域连续的宽带稀疏信号的亚奈奎斯特采样结构。将其延拓到离散域，MWC压缩采样结构处理基本流程：

1) 扩频：宽带LFM信号经随机混频后，信号频谱被扩展到全部Nyqusit采样空间。

2) 滤波：采用低通滤波器或带通滤波器，取出感兴趣的子带信号；这时任何一个子带均包含了信号全部信息。

3) 采样：为保证信号可以恢复，可以在满足稀疏恢复的条件下，构造相同的多路采样。

图 1中x(n)为ADC采样得到的离散时间信号，其奈奎斯特采样率为f_NYQ=1/T。压缩采样频率为f_s=1/T_s=f_NYQ/M_p，M_p为抽取因子，f_p为子带带宽。x(n)的离散时间傅里叶反变换为

$ x\left( n \right) = \frac{1}{{2{\rm{ \mathsf{ π} }}}}\int_{ - {\rm{ \mathsf{ π} }}}^{\rm{ \mathsf{ π} }} {X\left( {{{\rm{e}}^{{\rm{j}}\omega }}} \right){{\rm{e}}^{{\rm{j}}n\omega }}{\rm{d}}\omega } $

(1)

其中

$ \begin{array}{*{20}{c}} {X\left( {{{\rm{e}}^{{\rm{j}}\omega }}} \right) = \sum\limits_{n = - \infty }^\infty {x\left( n \right){{\rm{e}}^{{\rm{j}}n\omega }}} ,\omega = 2{\rm{ \mathsf{ π} }}fT,}\\ {f \in \left[ {0,{f_{{\rm{NYQ}}}}} \right]。} \end{array} $

MWC中共M个混频分支，每个分支均利用${{\tilde{p}}_{i}}$(n)(1≤i≤M)对采样信号进行混频。${{\tilde{p}}_{i}}$(n)为伪随机序列，周期为T_p。每个周期含有M_p=T_pf_NYQ个元素，f_p=f_NYQ/M_p=f_s。${{\tilde{p}}_{i}}$(n)的离散傅里叶级数形式为

$ {{\tilde p}_i}\left( n \right) = \frac{1}{{{M_p}}}\sum\limits_{k = 0}^{{M_p} - 1} {{P_i}\left( k \right){{\rm{e}}^{{\rm{j}}\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}nk}}} $

(2)

式中：P_i(k)为主值序列p_i(n)的傅里叶变换系数。采样信号经过混频后得到乘法序列${{\tilde{x}}_{i}}$(n)=x(n)${{\tilde{p}}_{i}}$(n)，则该序列的离散时间傅里叶变换为

$ \begin{array}{*{20}{c}} {{{\tilde x}_i}\left( {{{\rm{e}}^{{\rm{j}}\omega }}} \right) = \sum\limits_{n = - \infty }^\infty {x\left( n \right) \cdot {{\tilde p}_i}\left( n \right){{\rm{e}}^{ - {\rm{j}}n\omega }}} = }\\ {\sum\limits_{n = - \infty }^\infty {x\left( n \right) \cdot \frac{1}{{{M_p}}}} \sum\limits_{k = 0}^{{M_p} - 1} {{P_i}\left( k \right){{\rm{e}}^{{\rm{j}}\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}nk}}{{\rm{e}}^{ - {\rm{j}}n\omega }}} = }\\ {\frac{1}{{{M_p}}}\sum\limits_{k = 0}^{{M_p} - 1} {{P_i}\left( k \right)X\left( {\omega - k\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}} \right)} } \end{array} $

(3)

假设低通滤波器其频率响应为理想矩形函数，则其表达式为

$ H\left( \omega \right) = {\rm{rect}}\left( {\frac{{\omega {f_{{\rm{NYQ}}}}}}{{{\rm{ \mathsf{ π} }}{f_s}}}} \right) $

(4)

因此MWC第i路输出y_i(k)的DTFT表达式为

$ \begin{array}{*{20}{c}} {{Y_i}\left( {{{\rm{e}}^{{\rm{j}}\omega }}} \right) = \sum\limits_{k = - \infty }^\infty {{y_i}\left( k \right){{\rm{e}}^{ - {\rm{j}}\omega k}}} = }\\ {\frac{1}{{{M_p}}}\sum\limits_{l = 0}^{{M_p} - 1} {{P_i}\left( l \right)X\left( {\omega - l\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}} \right)} } \end{array} $

(5)

式中：ω=2πfT_s，f∈[0, f_s]，l代表信号混频前所在第几个子带内。由式(5)推导出接收机的压缩感知矩阵为

$ \mathit{\boldsymbol{y}}\left( f \right) = \mathit{\boldsymbol{Bz}}\left( f \right) $

(6)

$ \mathit{\boldsymbol{y}}\left( f \right) = {\left[ {\begin{array}{*{20}{c}} {{y_1}\left( f \right)}&{{y_2}\left( f \right)}& \cdots &{{y_M}\left( f \right)} \end{array}} \right]^{\rm{T}}} $

(7)

其中y_i(f)=Y_i(e^jω)，观测矩阵B=(1/M_p)PF，P为M×M_p维的循环伪随机序列矩阵，F为M_p×M_p维的离散傅里叶逆变换阵：

$ \begin{array}{*{20}{c}} {{\mathit{\boldsymbol{F}}_j} = {{\left[ {\begin{array}{*{20}{c}} {{\theta ^{0 \cdot j}}}&{{\theta ^{1 \cdot j}}}& \cdots &{{\theta ^{\left( {{M_p} - 1} \right) \cdot j}}} \end{array}} \right]}^{\rm{T}}}}\\ {0 \le j \le {M_p} - 1,\theta = {{\rm{e}}^{{\rm{j}}2{\rm{ \mathsf{ π} }}/{M_p}}}} \end{array} $

(8)

且z_j(f)=X(f+lf_p)。

图 2为伪随机序列以及宽带跨信道信号的频谱，可见信号频谱横跨两个子带出现跨信道现象。

图 3为信号经过伪随机序列混频后的频谱示意图，颜色和幅度不同表示接收信号被伪随机序列混频加权后的结果。可见每个子带中均包含接收信号的全部信息，只需要对基带信号接收和处理即可，这样有效地抑制了跨信道现象的发生。

2 宽带LFM雷达信号的识别与参数估计 2.1 LFM信号的识别

LFM信号表达式为

$ x\left( t \right) = A \cdot \exp \left[ {{\rm{j}}2{\rm{ \mathsf{ π} }}\left( {{f_0}t + 1/2{k_0}{t^2} + \theta } \right)} \right] $

(9)

式中：A为信号幅度，f₀为初频，k为调频斜率，θ为初相。

由于瞬时相位的导数是瞬时频率，故LFM信号瞬时频率可以表示为

$ {f_{{\rm{LFM}}}} = \frac{{\rm{d}}}{{{\rm{d}}t}}\left[ {{f_0}t + k{t^2}/2 + \theta } \right] = {f_0} + kt $

(10)

由LFM信号的调频形式可知，LFM信号调频斜率固定，相同时间内频率变化值相等。故利用LFM信号相同时间内频率变化值相等的特点对LFM信号进行识别。由于瞬时相位差测频受噪声影响较大，可对LFM信号采用短时傅里叶变换(STFT)方式进行识别，STFT作为有效的时频分析工具常用于信号识别领域，其能够同时保留信号的时域和频域信息^[13-14]。通过每次短时傅里叶变换的谱线最大值可以求得一个频率值，将LFM信号STFT曲线中起始时刻、中间时刻和截止时刻的三个频率值做差进行比较，若差值相等则为LFM信号。

利用接收机某一路信号可以进行识别，但为防止噪声对某一路的信号影响过大导致识别准确率下降，故利用多路压缩采样信号进行综合识别。将各路输出信号所得到的STFT曲线每个相同位置的频率值取众数形成一条修正的短时傅里叶变换曲线，将该曲线进行频域拼接还原再进行识别。

当出现大带宽的跨信道信号时，每个子带内的LFM信号随着时间推进均被混频至基带内。故从时频角度看，基带内信号为多段频率上升(或下降)的信号，各段信号由不同但相邻的子带混频而来。如图 4所示，子带带宽为50 MHz，输入信号为初频450 MHz、带宽120 MHz的跨信道信号，输出信号的时频曲线在基带内表现为三段频率上升信号。

出现多段信号情况下，利用上述办法无法对LFM信号进行识别。因此，在基带时频曲线图基础上对信号做频域拼接还原形成原始信号的时频曲线，利用还原后的曲线对信号进行识别。拼接方法如下：

设基带时频曲线图中共N条频率上升(或下降)信号。

1) 若调频斜率k大于0，即各段信号频率均上升，此时第n段信号频率为f_n，则拼接后第n段信号频率f′_n为

$ {{f'}_n} = {f_n} + \left( {n - 1} \right){f_p},n = 1,2, \cdots ,N $

(11)

式中f_p为子带带宽。

2) 若调频斜率k小于0，即各段信号频率均下降，此时第n段信号频率为f_n，则拼接后第n段信号频率f′_n为

$ {{f'}_n} = {f_n} + \left( {N - n} \right){f_p},n = 1,2, \cdots ,N $

(12)

故LFM信号识别步骤如下：

1) 对各路输出信号进行短时傅里叶变换后计算得到修正后的短时傅里叶变换曲线。

2) 判断第一段信号频率值是否连续上升或下降，若不是, 则判为非LFM信号；若是，则进入3)。

3) 对修正后的短时傅里叶变换曲线进行拼接。

4) 对拼接后的短时傅里叶变换曲线的起始时刻、中间时刻和截止时刻频率值作差，判断是否相等。若相等，则判为LFM信号。

2.2 参数估计

当判定信号为LFM信号后，若信号存在于一个子带中，即对基带信号进行参数估计；若信号跨越多个子带，将基带信号时频曲线中第一段频率上升(或下降)的信号进行截取并对其进行参数估计。

2.2.1 DPT算法

离散多项式相位变换(DPT)算法能够对LFM信号进行参数估计，该算法是检测该类信号的经典算法，相比于其他算法具有运算量小，实时性高，硬件实现容易的优点^[15-17]。

DPT算法中，将LFM信号表示为离散形式：

$ \begin{array}{*{20}{c}} {x\left( n \right) = A \cdot \exp \left[ {{\rm{j}}\left( {2{\rm{ \mathsf{ π} }}{f_0}n\Delta t + {\rm{ \mathsf{ π} }}{k_0}{n^2}\Delta {t^2} + \theta } \right)} \right]}\\ {n = 0,1, \cdots ,N} \end{array} $

(13)

式中：A为信号幅度，Δt为抽样间隔，k₀为调频系数，f₀为信号初频，θ为信号初相。

对LFM信号进行相关延迟运算：

$ \begin{array}{*{20}{c}} {y\left( n \right) = x\left( {n + N/2} \right) \cdot {x^ * }\left( n \right) = }\\ {{A^2}\exp \left\{ {{\rm{j}}\left[ {2{\rm{ \mathsf{ π} }}\left( {{k_0}N\Delta t/2} \right)n\Delta t + \varphi } \right]} \right\}} \end{array} $

(14)

式中φ==πf₀NΔt+πk₀N²Δt²/4。

由式(14)可见，y(n)为频率为k₀NΔt/2的正弦波序列。对于该正弦波，Rife算法及其改进算法广泛应用于雷达信号中正弦信号的参数估计，性能良好且易于硬件实现^[18-19]。所以利用经典Rife算法对y(n)作频率估计。

估计出y(n)的频率${{\hat{f}}_{k}}$。则调频斜率估计值为

$ {{\hat k}_0} = {{\hat f}_k}/\left( {N\Delta t/2} \right) $

(15)

在初频估计中，利用调频斜率估计值${{{\hat{k}}}_{0}}$构造序列：

$ z\left( n \right) = \exp \left( { - {\rm{j \mathsf{ π} }}{{\hat k}_0}\Delta {t^2}{n^2}} \right) $

(16)

利用z(n)×x(n)得到序列c(n)：

$ c\left( n \right) = A\exp \left[ {{\rm{j}}\left( {2{\rm{ \mathsf{ π} }}{f_0}n\Delta t} \right) + {\rm{j \mathsf{ π} }}{n^2}\Delta {t^2}\left( {{k_0} - {{\hat k}_0}} \right) + \theta } \right] $

(17)

这里可近似认为k₀= ${{{\hat{k}}}_{0}}$，则可推出：

$ c\left( n \right) = A\exp \left[ {{\rm{j}}\left( {2{\rm{ \mathsf{ π} }}{f_0}n\Delta t} \right) + \theta } \right] $

(18)

则对正弦波序列c(n)做频率估计即可求得信号初频：

$ {f_0} = {{\hat f}_0} $

(19)

2.2.2 基带信号的参数估计

与信号识别环节相同。为防止噪声对某一路信号干扰过大而导致参数估计准确率下降，可以利用接收机的多路结构，对各路输出信号进行综合估计。利用DPT算法对每个分支输出的第一段频率上升(或下降)信号做斜率估计，求得的斜率估计值取平均值认为是LFM信号的斜率估计值：

$ {{\hat k}_0} = \frac{1}{M}\sum\limits_{i = 1}^M {{{\hat k}_i}} $

(20)

式中：M为分支路数，${{{\hat{k}}}_{i}}$为第i路计算得到的斜率估计值。

利用估计出的斜率值${\hat{k}}$和第一段频率上升(或下降信号)对各路输出信号进行初频估计，对各路初频估计值同样取平均值得到输出信号的初频估计值：

$ {{\hat f'}_0} = \frac{1}{M}\sum\limits_{i = 1}^M {{{\hat f}_i}} $

(21)

2.2.3 计算原始宽带LFM信号参数

求得初频估计之后需求出第一段频率上升(或下降)信号由哪个子带混频而来。此时可以利用多路压缩采样信号之间的相互关系求出结果。

设计MWC混频分支使用循环移位的伪随机序列中相邻上下两路的伪随机序列有一位的延迟。${{{\tilde{p}}}_{i+1}}$(n)=${{{\tilde{p}}}_{i}}$(n-1)，${{{\tilde{p}}}_{i}}$(n)为第i路混频分支的伪随机序列，${{{\tilde{p}}}_{i+1}}$(n-1)为第i+1路混频分支的伪随机序列。

${{{\tilde{p}}}_{i+1}}$(n)的离散傅里叶级数形式为

$ \begin{array}{*{20}{c}} {{{\tilde p}_{i + 1}}\left( n \right) = \frac{1}{{{M_p}}}\sum\limits_{k = 0}^{{M_p} - 1} {{P_{i + 1}}\left( k \right){{\rm{e}}^{{\rm{j}}\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}nk}}} = }\\ {\frac{1}{{{M_p}}}\sum\limits_{k = 0}^{{M_p} - 1} {{P_i}\left( k \right){{\rm{e}}^{{\rm{j}}\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}\left( {n - 1} \right)k}}} } \end{array} $

(22)

则信号经过混频后的乘法序列的离散时间傅里叶变换为

$ {{\tilde x}_{i + 1}}\left( {{{\rm{e}}^{{\rm{j}}\omega }}} \right) = \sum\limits_{n = - \infty }^\infty {x\left( n \right) \cdot {{\tilde p}_{i + 1}}\left( n \right){{\rm{e}}^{ - {\rm{j}}n\omega }}} $

(23)

将式(22)代入式(23)可推出：

$ {{\tilde x}_{i + 1}} = \frac{1}{{{M_p}}}\sum\limits_{k = 0}^{{M_p} - 1} {{P_i}\left( k \right)X\left( {\omega - k\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}} \right){{\rm{e}}^{ - {\rm{j}}\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}k}}} $

(24)

经过理想低通滤波器后，MWC原始路的第i+1路输出y_i+1(k)的离散时间傅里叶变换为

$ {Y_{i + 1}}\left( {{{\rm{e}}^{{\rm{j}}\omega }}} \right) = \frac{1}{{{M_p}}}\sum\limits_{l = 0}^{{M_p} - 1} {{P_i}\left( l \right)X\left( {\omega - l\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}} \right){{\rm{e}}^{ - {\rm{j}}\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}l}}} $

(25)

利用式(5)、(25)可以推出：

$ \frac{{{Y_i}\left( {{{\rm{e}}^{{\rm{j}}\omega }}} \right)}}{{{Y_{i + 1}}\left( {{{\rm{e}}^{{\rm{j}}\omega }}} \right)}} = {{\rm{e}}^{{\rm{j}}\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}l}} $

(26)

则从时域角度亦可得到：

$ \frac{{{y_i}\left( n \right)}}{{{y_{i + 1}}\left( n \right)}} = {{\rm{e}}^{{\rm{j}}\frac{{2{\rm{ \mathsf{ π} }}}}{{{M_p}}}l}} $

(27)

由式(27)可以求解基带信号频谱搬移前所在子带l为

$ l = \frac{{{M_p}}}{{2{\rm{ \mathsf{ π} }}}}\left| {\ln \left( {\frac{{{y_i}\left( n \right)}}{{{y_{i + 1}}\left( n \right)}}} \right)} \right| $

(28)

则宽带LFM信号的估计初频值为

$ {{\hat f}_0} = {{\hat f'}_0} + \left( {l - 1} \right) \times {f_p} $

(29)

式中：f′₀为基带内初频估计值，f_p为子带带宽。

3 仿真实验与分析

各个仿真实验中，设采样路数M=10，信号选取初频f_c=520 MHz，带宽B=80 MHz，脉冲宽度T=200 μs的宽带线性调频信号，其调频斜率k=4×10¹¹ Hz/s。奈奎斯特采样率f_NYQ=2 GHz。周期性伪随机序列采用二值±1 Bernoulli随机序列，序列周期长度M_p=40，其频率即子带带宽f_p=$\frac{{{f}_{\text{NYQ}}}}{40}$=50 MHz，故MWC基带的降速采样频率f_s=f_p=50 MHz。每个实验均做100次蒙特卡洛实验。

仿真1：基带内STFT曲线修正与拼接

某一信道采样点数为20 000点，故基带内降速采样点数为500点。对信号进行短时傅里叶变换，点数取20点，则STFT次数为25次，SNR=3 dB。每次STFT取最大峰值点为该次STFT的频率值。图 6为第一路输出信号经过STFT后的时频曲线图，可以看出该该受噪声影响曲线存在变形，不利于后续的信号识别。图 7为通过10路输出信号修正后的STFT曲线，可以看出修正后曲线符合LFM信号在基带内的时频特性，经过修正有效地抑制了噪声的影响。图 8为拼接后的STFT曲线，可利用该曲线对信号进行识别。

仿真2：宽带LFM信号识别

分别利用MWC其中第一路的输出信号进行识别和多路信号进行综合判决。由图 9可见，综合判决在识别成功率上高于单路识别成功率，且在低信噪比下成功率提高明显。随着信噪比的提高识别成功率随之提高，SNR大于5 dB时识别率在90%以上。

仿真3：宽带LFM信号斜率估计

利用相对误差表示斜率估计的准确性。规定相对误差α计算公式为

$ \alpha = \frac{{\left| {k - \hat k} \right|}}{k} \times 100\% $

(30)

式中：k为真实调频斜率，${\hat{k}}$为斜率估计值。

利用单路输出信号和十路输出信号进行斜率估计。由图 10可见，多路斜率估计相比于单路斜率估计准确率提高，且在低信噪比下提高明显。随着信噪比的提高，斜率估计准确率随之提高，在SNR大于5dB时估计效果良好。

仿真4：宽带LFM信号初频估计

利用均方根误差(RMSE)来表示初频估计的准确率，RMSE定义为

$ {\rm{RMSE}} = \sqrt {\frac{1}{N}\sum\limits_{n = 1}^N {{{\left( {{{\hat f}_0} - {f_0}} \right)}^2}} } $

(31)

式中：N为实验次数，${{{\hat{f}}}_{0}}$为第n次信号初频估计值，f₀为信号真实初频值。

由图 11可见，SNR小于10 dB时，单路估计下的初频值误差较大且不稳定，多路初频估计相比于单路初频估计准确率提高，且在低信噪比下提高明显。随着信噪比的提高，调频斜率估计准确率随之提高，在SNR大于0 dB时，RMSE保持在1.5 MHz之内。

4 结论

MWC离散压缩采样结构被应用于宽带数字接收机中并可实现对宽带LFM调制脉冲信号的识别和参数估计。

1) 在新型宽带数字接收机中，提出直接在欠采样数据的基础上利用STFT和DPT算法对宽带LFM信号进行脉内调制识别和参数估计。

2) 应用该新型宽带数字接收机解决了宽带信号在传统信道化接收机中的跨信道问题；

3) 相对于传统宽带数字接收机可在更低的信噪比下进行信号处理；

4) 新型宽带数字接收机降低了系统的运算量以及硬件实现复杂程度。

仿真实验表明，新型宽带数字接收机可有效地对宽带LFM调制脉冲信号进行识别和参数估计。在电子侦察中面对非合作信号相比于其他接收机更具优势，同时具有重要的工程应用意义。但理想低通滤波器较难实现，需进行进一步研究。