表l为B=200 MHz时不同信噪比情况下初始频率和调频斜率的测量值与其对应真值(f0=200 MHz，k0=4．0×1012Hz／s)的绝对误差。

    从以上结果可以看出，该方法对信号参数的估计有较高的精度，在SNR=一15 dB的情况下还能估计信号参数，这是一般的时频分析方法不能比拟的。SNR低于一15 dB时，参数估计绝对误差将逐步增大，信号经过离散匹配傅里叶变换淹没在随机噪声中，无法正确检测信号。
4．2 多分量LFM信号仿真
    离散匹配傅里叶变换是一种线性变换，所以在对多分量信号进行分析时不会产生交叉项。但是信号中强分量LFM信号的旁瓣可能大于弱信号的主瓣峰值，影响到多分量LFM信号的分辨和参数估计。为了解决这个问题，借助“Clean”的思想：首先计算多分量LFM信号的离散二步匹配傅里叶变换，然后进行二维搜索找极大值。并根据峰值的位置和大小估计最强LFM信号分量的幅度、初始频率和调制斜率，然后由上述参数重构LFM信号并从信号之减去，最后将处理过的信号重复上述过程估计下一个LFM信号的参数。
    多信号的参数估计仿真采用如下信号：

    进行第一次DMFT之后信号频谱如图2所示，只出现强信号分量的一个峰值，弱信号的峰值淹没在强信号分量的旁瓣中。此时，在图2中搜索谱峰最大值，得出强信号的分量：f1=2.002x108，k1=4.96x10 13，一个分量s1(t)，得到剩余信号s2(t)，再进行一次二步DMFT，对其余LFM信号分量估计，得到如图3所示结果，估计得到第二个分量的参数：f2=2．197×108，k2=5．53×1013，a2=1．89。

    上面的仿真结果表明，离散匹配傅里叶变换结合“clean"思想是一种检测多分量LFM信号的有效的方法。仿真进一步表明，当较小分量的信噪比不小于一15 dB时，LFM信号的参数估计能达到较高的精度。随着信噪比的进一步降低，参数估计精度将下降，无法正确估计信号的参数。

5 结 语
    首先介绍了LFM信号的形式以及DMFT的基本原理，然后从减小运算量的角度对DMFT算法进行改进，最后分别对单分量和多分量LFM信号进行Matlab仿真，结果表明，DMFT能够在低SNR情况下估计出LFM信号的参数，不存在多分量信号交叉项问题，而且运用本文改进的算法运算量较小，在对低截获概率雷达信号的处理中将有广阔的应用前景。