独立分量分析联合小波变换的多分量信号调制识别研究

对复杂电磁环境下多分量信号进行调制识别,可通过准确估计接收信号的瞬时频率来分析其脉内细微特征。本文联合独立分量分析和小波变换技术,对多分量辐射源信号进行了盲源分离和调制识别的研究。在无先验信息条件下,采用Fast ICA对混叠信号分离,将时频混叠信号分解成一系列独立分量。对分离后的单分量信号分别做小波变换处理,由小波系数的局部模极大值提取其小波脊线。针对不同调制类型雷达信号,用最小二乘法对时频小波脊线进行直线拟合,获取特征参数,通过计算特征值判决出信号的调制类型。通过仿真实验表明,该方法可以分离混叠信号并有效提取信号小波脊和瞬时频率,进而识别出信号的调制类型,并在低信噪比情况下仍有较高的识别概率。     

一种新的小波基函数及其在雷达信号特征提取中的应用

为进一步准确估计雷达信号的瞬时频率，在现有Morlet小波基函数的基础上，提出了一种新的Morlet小波基函数（New-Morlet）用于小波脊线的提取。通过深入分析小波脊线原理以及正确提取小波脊线对小波基函数的要求，利用Morlet小波基函数提取雷达辐射源信号的小波脊线特征，从而可以估计出辐射源信号的瞬时频率。将New-Morlet小波与现有的Morlet小波进行对比得出New-Morlet小波具有更好的时-频综合特性。同时，分析了利用小波脊线原理估计信号瞬时频率的迭代算法。仿真结果表明：基于New-Morlet小波基函数的特征提取性能优于现有的Morlet小波基函数，且具有良好的抗噪性能，其方法是有效的。     

一种改进的模极大值小波域的去噪算法研究

利用小波变换消除噪声有很多方法,模极大值小波域消噪算法是比较好的一种算法,但是该算法只能采用二进制尺度分解,这限制了一些信号的分析结果。作者针对该不足进行了改进,采用自适应选择分解尺度代替二进制尺度分解尺度。仿真实验证明：改进的模极大值小波域消噪算法比原算法在提高信噪比上更加有效。     

一种改进的模极大值小波域的去噪算法研究

利用小波变换消除噪声有很多方法，模极大值小波域消噪算法是比较好的一种算法，但是该算法只能采用二进制尺度分解，这限制了一些信号的分析结果。作者针对该不足进行了改进，采用自适应选择分解尺度代替二进制尺度分解尺度。仿真实验证明：改进的模极大值小波域消噪算法比原算法在提高信噪比上更加有效。     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时,也能保留信号的重要特征。     

基于模极大值与希尔伯特结合的TOA估计

传统的TOA(time of arrival)算法仅在高信噪比情况下才能获得较高精度的估计,为弥补现有估计算法的不足,提出了一种新的基于模极大值与包络提取结合的TOA估计算法。该算法首先利用小波模极大值对多径信号去噪,然后运用希尔伯特变换,对去噪后信号进行包络提取,选取第一个包络的峰值作为TOA估计值。仿真结果显示,与小波阈值相比,小波模极大值与希尔伯特结合的TOA估计误差更小。算法简单有效,实现了低信噪比下的高精度估计。     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

基于动态规划提取信号小波脊和瞬时频率

提出一种基于动态规划提取信号小波脊和瞬时频率的方法,其基本思路是：对信号进行连续复Morlet小波变换,由变换得到的小波系数的局部模极大值初步提取其小波脊;为降低噪音影响,在初步提取的各小波脊附近选取部分小波系数,通过施加罚函数平滑噪音干扰引起的小波脊变化的不连续性,将小波脊的提取问题转变为最优化问题,采用动态规划方法计算得到新的小波脊;根据小波尺度与频率的关系由提取的小波脊识别出信号的瞬时频率。将提出的方法运用于含噪调频信号进行数值模拟分析和实测索冲击响应信号分析。研究结果表明,基于连续小波变化的模极大值可以有效提取信号小波脊和瞬时频率;采用施加罚函数的方法可有效降低噪音的影响;基于动态规划的方法可有效提高计算效率。     

基于改进EMD的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

小波分析和神经网络在过程数据预处理中的应用

分析了信号的奇异性检测原理,利用小波变换模极大值在多尺度上的表现与李普西兹指数间的关系,对小波变换后的系数进行处理,重构小波变换,然后对重构后的小波变换进行小波反变换,达到信号预处理的目的;同时,介绍了自联想网络的结构及其在信号消噪方面的应用.仿真实例表明,利用这2种方法进行过程数据的预处理,消噪后信号的信噪比显著提高;小波变换模极大值方法具有很理想的逼近精度,而神经网络则具有快速的计算能力.     

一种测试线性调频信号的新方法

LFM信号是目前雷达中应用的主要信号形式,它具有很高的速度和距离分辨率.但是,对LFM信号各参数,包括信号中心频率fo、信号带宽B,频率变化率u以及信号瞬时频率fi等的测试,目前仍没有很好的解决办法.为此,介绍了一种针对中频LFM信号的自动测试方法,可自动测试中频LFM信号的上述参数.此方法操作简单,运算速度快,且提取参数的精度高,目前已在某型雷达中频LFM信号的测试过程中得到了很好的验证.     

一种新的LFM中频信号产生电路校正算法

通过对宽带线性调频(LFM)中频信号产生电路的误差分析,从频域的角度建立了一种新的误差模型,将电路等效为由非理想基带信号产生器与理想正交调制器构成. 据此模型,设计了一种通过改变波形存储器数据实现系统校正的算法,并给出了算法的实现结构. 仿真结果验证了此算法的优越性以及实现框图的正确性.     

线性调频脉冲压缩雷达信号参数估计方法

针对低信噪比下,瞬时自相关谱算法对调频率估计精度不够高及基于传统的包络检波方法对线性调频(LFM)脉宽和重复间隔估计不准确的问题,提出了以分数阶傅里叶变换为核心的多参数估计方法.利用分数阶傅里叶变换对LFM信号的聚集特性,精确估计LFM脉冲压缩雷达信号各主要参数,设计LFM脉冲压缩信号发射接收实验以验证本算法.实验结果表明,在较低信噪比条件下,能够实现线性调频脉冲雷达信号主要参数的准确估计.     

基于Radon-Ambiguity变换的多分量LFM信号检测与参数估计

介绍了Radon—Ambiguity变换(RAT)的定义和基本性质，结合解线调技术提出了一种基于RAT的线性调频(LFM)信号检测与参数估计方法，该方法能用较少的计算量完成对LFM信号的检测与参数估计。为解决多分量条件下LFM信号分量之间交叉项的影响，基于逐次消去思想，提出了一种基于RAT的多分量LFM信号检测与参数估计算法，它可以有效地解决强度相差较大的多分量LFM信号的检测和参数估计问题。仿真实验结果验证了该算法的有效性。     

基于HHT的线性调频信号分析与参数估计

基于Hilbert-Huang变换(HHT),提出一种有效的线性调频(LFM)信号的分析与参数估计的方法.首先对LFM信号进行HHT得到其Hilbert谱,并根据能量的准则提取其中的主成分,完成LFM信号分析.对利用能量型主成分提取法得到的LFM信号主成分进行最小二乘直线的拟合,计算直线的斜率与截距,得到LFM信号的参数的估计值.实验证明,能量型主成分提取方法,在较高的信噪比范围内具有一定的LFM信号估计效果.     

一种低信噪比下LFM信号参数快速估计算法

为了对线性调频(LFM)信号参数进行快速、准确的估计,提出了一种新算法.该算法根据LFM信号当能量一定时在相同时宽范围内频谱幅度平方与调频斜率成反比的特点,通过对若干组快速傅里叶变换(FFT)结果进行模值选大,同时给出了起始频率和调频斜率的估计.仿真结果表明,通过合理设置算法参数,算法可以用于信噪比低至-38dB的LFM信号的参数估计.     

基于Gabor-Radon变换的低信噪比雷达LFM信号检测与估计

针对通常利用的匹配滤波法对低信噪比雷达LFM(linear frequency-modulated)进行信号检测和估计的不足,提出一种联合Gabor-Radon变换方法.通过计算雷达回波的Gabor时频变换,得到2D含强噪声和弱直线LFM的时频分布图;然后,利用Radon变换能对直线和边缘进行快速检测、抗噪能力强的特点,对时频2D图像进行Ra-don变换,检测出微弱LFM信号;再设置合适门限可对时频分布图去噪,进行Gabor逆变换可以得到去噪的时域波形.仿真结果证明了此方法能在低信噪比下有效地检测出LFM信号.     

基于分数阶傅里叶变换的宽带LFM信号波达方向估计新算法

提出一种新的基于分数阶傅里叶变换和信号子空间分解的宽带线性调频(LFM)信号波达方向(DOA)估计算法.该方法利用LFM信号在分数阶傅里叶变换域的极高的聚集性,在分数阶傅里叶变换域分离信号,并构造分数阶傅里叶变换域的阵列信号相关矩阵.通过对相关矩阵进行特征值分解,估计信号子空间和噪声子空间,并利用MUSIC算法估计宽带LFM信号的波达方向.仿真验证了新方法的有效性.     

基于PFRFT周期积累的多相编码信号检测与参数估计

由于多相编码信号存在明显的周期时频分布规律性,在研究该类信号在低信噪比下的检测及参数估计问题时,对分数阶傅里叶变换进行周期延拓,首先结合该类信号的PWVD时频特性,通过分析多相编码信号的PWVD脊线分布特点与多分量LFM信号的关联特性,利用PFRFT对信号平行脊线能量进行积累,再根据积累后的峰值搜索对信号进行参数估计,最后采用与同样参数LFM信号进行RWT后的峰值固定比例结论对检测概率与参数估计精度进行分析。实验证明,该方法不仅成功提高了低信噪比下的多相码信号检测概率,而且五大参数的估计精度也得到了提高。     

多普勒频率偏置LFM信号的模糊函数分析

线性调频（linear frequency modulation , LFM）信号是研究最早、应用也最广泛的一种脉冲压缩信号,当LFM回波信号有较大的多普勒频移时,匹配滤波器仍能起到良好的脉冲压缩作用,这使得多普勒频率偏置技术得以应用。由于需要对发射信号进行多次周期扫频来获得目标的速度信息,本文根据模糊函数定义推导了多周期多普勒频率偏置线性调频（Doppler frequency shifted linear frequency modulation, DFS-LFM）信号的模糊函数以及不同DFS-LFM信号的互模糊函数,并对DFS-LFM信号参数与雷达距离和多普勒分辨性能进行了分析。分析结果表明,多周期LFM信号进行多普勒频率偏置后,分辨性能不受影响;对于多个不同多普勒频率偏置的LFM信号,距离和速度分辨能力不受影响但其最大不模糊多普勒谱宽发生改变且与频率偏置间隔有关。当多普勒频率偏置间隔大于目标最大多普勒频移时,既不会影响目标的多普勒速度分辨性能,又能充分利用多普勒频谱,降低了系统对工作频率及带宽的要求。