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.     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

利用Radon-Wigner变换的LFM信号检测性能分析

针对线性调频(LFM)信号的检测问题,通过利用LFM信号在时频平面上的能量聚集特性,采用Radon-Wigner变换(RWT)实现了LFM信号的检测,并对其检测性能进行了分析,得到了噪声背景下RWT输出的信噪比,进一步推导了高斯白噪声下的检测概率.仿真实验证明了这种方法的有效性,且在低信噪比环境下有着较好的检测性能.     

利用Gabor-PWVD变换实现进动目标微多普勒分析与仿真

为了得到微多普勒进动信号更好的时频分析结果,采用一种基于Gabor-PWVD的联合时频分析算法对进动信号进行时频分析。对进动信号进行Gabor变换和PWVD变换,得到两个数组,然后将二者点乘,当二者都存在信号项时,就可以得到点乘结果,而PWVD交叉项对应的Gabor变换区域却没有值,点乘结果为零。仿真结果表明:Gabor-PWVD联合时频分析方法在保证不含交叉项的同时,得到了聚集性较好的时频分布图。通过Hough变换对Gabor变换和Gabor-PWVD变换的时频图进行周期特征参数提取,提取值与理论值相比,误差由2%降低为1.8%,验证了Gabor-PWVD的性能优势。     

脉冲噪声下基于Robust STFT的LFM信号检测与参数估计

针对传统的基于时频的线性调频(LFM)信号检测和参数估计方法在脉冲噪声环境下失效的问题,提出了一种新的对脉冲噪声不敏感的鲁棒短时傅里叶变换(Robust STFT)LFM信号检测和参数估计方法.该方法首先计算含噪声LFM信号的鲁棒短时傅里叶变换,由于鲁棒STFT对脉冲噪声不敏感,时频平面上呈斜线分布的LFM信号的时频特征仍然被保留.基于Radon变换在时频平面上进行直线积分,实现了信号检测和参数估计.仿真结果验证了该方法的有效性.     

基于Radon—Wigner变换的多分量LFM信号的检测

Radon-Wigner变换是一咱直线积分的投影变换,它对多分量LFM信号提供了较好的时频局域性,从而有利于多分量LFM领带的解释和分析,通过时域解线调和频域解线调处理可以完整地在时频平面计算出Radon变换,对于多分量LFM信号的分析好于Winger-Ville变换等常用的时频变换。     

不同小波基对探地雷达数据椒盐噪声处理分析

探地雷达因其无损性而广泛应用于工程结构体检测及异常体探测,但其信号易受干扰,常含大量的椒盐噪声,传统时域滤波的去噪效果难以保证,为此将时频域的小波变换应用于探地雷达信号的椒盐噪声去噪处理.通过在正演记录中添加高斯白噪,得到信噪比为1、2、5、10的探地雷达模拟记录.选用不同类型小波基进行滤波处理,并计算滤波后的峰值信噪比,结果显示紧支撑正交小波基去噪效果最好,信噪比为2的模拟记录峰值信噪比值增大至17.3663.进一步将该小波基用于实测记录的去噪处理,实测剖面中90％以上的椒盐噪声被滤除,有效反射得以突出.结果 表明:小波变换能应用于探地雷达数据中椒盐噪声的去除,但小波基的选择会对去噪效果产生显著影响,实际应用中值得关注.     

基于S变换与奇异值分解的局部放电信号去噪方法

根据白噪声在S变换域服从2分布且平均功率谱与频率成正比的特点,提出了基于S变换与奇异值分解(SVD)的局部放电(PD)信号去噪方法。首先对带噪PD信号进行S变换,得到时频矩阵;接着利用SVD与奇异值差分谱理论,确定PD信号发生的时间与个数,得到白噪声区域;然后通过构造与频率成正比的线性方程,采用硬阈值法对时频矩阵进行处理,完成PD信号的第一次去噪;最后利用SVD对PD信号进行第二次去噪。仿真和实测信号的分析结果表明,文中方法的去噪效果优于小波阈值法,且该方法更简便快捷。     

一种线性调频信号参数提取方法

针对线性调频(LFM)信号参数提取问题,提出了一种基于Erosion变换和Hough变换的LFM信号参数提取方法。利用B-分布分析方法描述LFM信号,在此基础上,进一步利用Erosion变换突出雷达LFM信号的特点,利用Hough变换提取LFM信号参数。仿真分析表明:该方法能够较精确的提取出LFM信号参数,误差不超过1%,并具有良好的抗噪性能。     

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.     

基于Wigner-Hough变换的P3/P4多相码雷达信号检测研究

Wigner-Ville分布是分析非平稳信号的常用时频分析方法,它将一维时间信号映射到二维时频平面上,而Hough变换在图像处理和计算机视觉中经常被用来提取图像中的图形特征。文章将这2种方法结合,提出了一种检测多相码雷达信号的方法,该方法首先计算信号的Wigner-Ville分布,得到二维时频分布图,然后在时频平面上再进行Hough变换,从而检测由LFM信号得到的多相码信号,如P3和P4多相码。仿真结果证明,此方法可有效地对线性调频类多相码信号进行检测,并且有较好的抗噪声性能。     

基于同步挤压S变换的探地雷达信号消噪方法

为提高对探地雷达低幅度有用信号的识别效果,提出了基于同步挤压S变换的消噪方法.首先将含噪声信号进行S变换,并计算出信号的瞬时频率,再将信号的时频能量进行重新集中,从而获得高分辨率的压缩时频谱.然后根据噪声出现的时间和频率,设计相应的二维滤波器在时频域对信号进行消噪.在消除噪声能量后,再进行反变换得到有用信号.由于在压缩时频谱上可以更好地区分有用信号和噪声,消噪时有效信号的能量可以被尽可能多地保留下来.仿真信号和探地雷达实际信号的处理结果表明,利用同步挤压S变换在时频域进行消噪能够取得很好的效果.     

Gabor变换时频分析、信号空域滤波及高帧率超声成像方法研究

<正>时频分析方法是信号处理领域的一个重要研究方向,Gabor变换是非平稳信号重要的时频分析工具之一,对非平稳信号进行Gabor变换,由其变换系数得到的Gabor时频谱揭示了信号中所包含的频率分量及其演化特性,可以有效提取信号的时频特征,在信号分析与处理领域具有广泛的应用前景.陶亮的文章综述了Gabor变换的基本理论、研究进展与现状,并展望了Gabor变换问题进一步的研究方向.     

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.     

频域积累与EMD去噪结合的微动信号检测算法

 超宽带生命探测雷达具有穿透能力强、距离分辨率高、抗干扰能力强等诸多优点,在防暴、救援、反恐等领域有很高的使用价值。由于穿墙生命探测雷达回波信号具有杂波干扰严重,且生命信号与背景噪声相互交叠等特点,利用传统数字滤波方法无法有效检测人体微动信号。针对此问题,本文提出一种利用频域积累与经验模态分解（EMD）相结合的人体微动信号检测算法,利用频域积累提高回波信号的信噪比,利用EMD 方法进行进一步的去噪处理。该算法不仅具有频域积累可以有效提高信噪比的优点,而且具有EMD 方法自适应分解信号的能力。同时,它克服了在低信噪比情况下,频域积累实时性不强,以及EMD 方法不能有效去除杂波的缺点。仿真和实验证明,该算法既可以有效提高雷达回波信号的信噪比,又可以改善单纯使用频域积累实时性不强的缺点,利用该算法对雷达回波信号进行处理可以准确快速地检测出人体的呼吸频率,是一种很好的穿墙雷达微弱信号检测新方法。     

基于小波变换的雷达信噪比改善分析

针对雷达在检测弱目标能力的不足,基于雷达信号与噪声的实际窄带模型,提出运用小波分解加阈值处理的去噪方法改善功率信噪比。一方面推导出了信噪比改善的理论计算公式,另一方面采用模拟和实际采集的数据进行了大量的仿真实验。计算和仿真结果的一致性表明:在传统的雷达信号处理中,运用小波变换可提高检测前信号噪声比,进而提高雷达的探测距离。     

基于经验模态分解去噪的粗晶材料超声检测

粗晶材料超声检测中,结构噪声严重降低了检测信号的信噪比,缺陷反射难以识别.为了增强检测信号信噪比,提高粗晶材料超声检测的可靠性,采用经验模态分解(EMD)技术对检测信号进行去噪处理,通过3次样条插值形成波形包络,并利用信号的特征时间尺度将非线性、非平稳检测信号自适应的分解成多个本征模态函数(IMF)之和,从而获得信号高阶成份和趋势.利用EMD的这种特性对低信噪比模拟信号进行处理,并将处理结果与小波去噪结果进行对比,信噪比获得更大提高.通过对粗晶材料实测信号进行去噪实验,结果表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少.     

基于深度学习与支持向量机的低截获概率雷达信号识别

 提出了一种基于栈式自编码器与支持向量机的低截获概率（LPI）雷达信号识别方法。首先,通过Choi-Williams分布,将信号变换到时频域,获取信号的时频图像;其次,使用图像预处理方法对时频图像进行处理,得到便于自编码器处理的图像;再次,使用栈式自编码器从预处理后的时频图像中自动地提取出信号特征;最后,基于提取的信号特征使用支持向量机（SVM）对信号进行分类。本方法使用任意波形发生器（AWG）模拟产生了8类LPI雷达信号,采用栈式自编码器与支持向量机相结合的方法识别信号。仿真实验结果表明,该方法能够在低信噪比和小样本情形下有效识别LPI雷达信号。     

利用多尺度小波包变换和三阶谱对双模噪声去噪处理

文章为了改善信号检测性能,利用多尺度小波包变换良好的时频局部分析能力和三阶谱对有用信号中夹杂的双模噪声进行去噪。理论分析和仿真结果表明,该方法不仅具有算法比较简单和实时性较强的特点,而且大大提高了输出信噪比,比传统的小波包处理要优越。     

复杂电磁环境下多跳频信号盲检测

为了在复杂电磁环境中实现多跳频信号盲检测,提出一种基于时频图连通域特征的多跳频信号检测算法.首先利用短时傅里叶变换与wigner-ville分布(STFTWVD)组合时频方法完成时频变换,保证时频图的时频分辨率和交叉项抑制,并利用自适应二维维纳滤波去除背景噪声,提高算法抗噪性能;然后采用自适应阈值二值化算法对时频图二值化处理并进行8邻域连通域标记,提取每个连通域的特征组成分类特征集;最后利用改进的K均值聚类算法完成特征集分类,根据分类集统计结果和检测条件实现跳频信号检测.仿真结果表明:本文算法能够有效克服定频干扰、突发干扰和扫频干扰;在低信噪比条件下,算法聚类稳定性较好,跳频检测成功率较高.