基于时频重排多分量辐射源信号分析研究

针对常规时频方法用于多分量信号分析的不足,基于时频重排方法克服多分量信号交叉项干扰和时频聚集性之间的矛盾且具有较好抗噪声性能的特点,在对时频重排原理进行综述的基础上,将其用于对多分量辐射源信号进行时频分析,并与其它方法进行了比较。仿真实验表明,时频重排方法不仅提高了时频聚集性,有效抑制了多分量的交叉项干扰,具有较好的抗噪声性能。     

基于RSPWVD-Hough的多分量LFM信号检测

由于多分量LFM信号的双线性时频分布（BTFD）存在交叉项的干扰，所以在低信噪比条件下直接在时频平面难于进行检测，采用重排平滑伪魏格纳维尔分布（RSPWVD），能在抑制交叉项的同时提高时频聚集性，并利用Hough变换检测图像中直线的原理，将多分量LFM信号的检测问题转换为在参数空间寻找局部极大值的问题，由于Hough变换运算量较大，提出一种在平滑重排后进行设定门限处理的方法，仿真实验表明，该方法可以在抑制噪声和交叉项的同时大大减少运算量。     

一种新的LFM信号检测算法仿真分析

关于线性调频信号的检测,目前的一个主要研究方向是先对信号进行时频分析,获取信号的时频分布特征,然后对时频平面采用Radon变换,投影到Radon变换空间进行峰值检测,以实现线性调频信号的检测。在此基础上,提出了一种新的时频分布积累检测算法。该算法联合运用多种窗长的傅立叶变换分析和Radon变换二值积累,有效的利用了信号能量,通过多层积累处理,取得了较好的效果。通过详细的仿真分析,验证了该算法的有效性,并明确了算法应用中应当注意的问题,具有一定的参考价值。     

基于切割聚类的快速多分量LFM信号分离

针对多分量线性调频(linear frequency modulation, LFM)雷达信号检测和参数估计精度低、计算速度慢等问题,提出了一种基于小波变换的切割聚类拟合参数估计的算法。该方法首先通过小波变换得到信号的三维时频分布图,其次采用等高线截取提取出小波脊线,再找出脊线的交点,以交点为界对小波脊线图进行切割,利用模糊C均值聚类完成各LFM分量脊线的聚类,最后分别对每段脊线进行拟合加权,从而估计出多分量LFM信号参数。仿真结果表明,与基于Hough变换检测直线方法相比,不仅在计算复杂度以及参数估计的准确度上都有较大的提升,而且当LFM信号分量达到4个以上亦有较准确的检测精度。     

一种新的基于小波变换的图像融合方法

提出了一种新的基于小波变换的多光谱与高分辨率图像融合方法。该方法通过强度因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去 ,使得经过小波反变换的融合图像较大程度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率。给出了该方法的融合结果 ,并与小波变换法 (WT方法 )进行了比较 ,证明了该图像融合方法的正确性和有效性     

基于方向性S变换的多分量FM信号瞬时频率估计

针对复杂多分量调频信号的瞬时频率估计问题,提出一种基于方向性S变换的瞬时频率估计方法。首先,在S变换中引入变趋势窗,有效改善了高频区的频率分辨率;其次,提出了方向性S变换,该变换在引入方向性参数的基础上,利用最大化准则实现了复杂调频信号的时频方向匹配;最后,由于传统时频脊线及相应的均方根误差准则无法适用于多分量信号瞬时频率估计的性能评估,提出一种基于支撑域的置信度准则。仿真实验通过线性与非线性的多分量混合调频信号证明了该方法的有效性。     

基于无“缠绕”FRIT目标边缘检测方法

有限Ridgelet变换(FRIT)能够有效利用有限Radon变换(FRAT)和小波变换处理二维信号的一维奇异性.但是在有限Radon变换中,直线是以一种有别于几何方式而特殊定义的周期性"缠绕"直线.这种定义降低了FRIT的检测效果而且不能够检测直线的端点.提出一种无缠绕FRIT,从根本上解决FRIT的"缠绕"问题,并利用àtrous小波代替Mallat小波算法对改进的Radon变换进行检测提高了奇异点的检测精度.基于该方法的边缘检测能够对线段进行筛选与连接,并能有效检测目标的方向、端点、长度及宽度.实验结果表明,在具有一定噪声干扰的情况下该算法能够较精确地实现机场跑道及港口边缘的检测,克服了传统有限Ridgelet变换无法定位线段端点的不足.     

机载合成孔径雷达运动目标成像研究

研究运动目标成像的关键技术:距离迁徙校正和运动参数检测。利用广义二阶key-stone变换校正距离迁徙,提出不同消失矩的小波检测运动参数方法,适合硬件实现。通过广义二阶key-stone变换和Radon变换实现多运动目标数据的分割;超分辨方法处理获得清晰的多运动目标图像。通过X波段SAR运动目标实际数据验证了算法的有效性,在高信杂比的情况下,可得到比时频分析方法分辨率更高的运动目标图像。     

基于支持向量机的信息融合诊断方法

提出了一种采用小波变换进行特征提取、支持向量机进行模式分类的多传感器信息融合诊断方法。该方法首先对多传感器的信息进行加权初级融合,接着利用小波变换的时频局部特性和多尺度、多分辨特性对传感器测量信号进行特征提取,最后利用支持向量机进行分类实现信息的特征级融合和分类。将其应用于某转子实验台的故障诊断中,取得了令人满意的结果。     

小波-神经网络在模拟电路故障诊断中的应用

小波变换具有时频局部化、多尺度分析等特性，而神经网络具有非线性映射、学习推理等优点，将二者结合起来，提出基于小波-神经网络的模拟电路故障诊断方法。采用正弦信号仿真模拟电路，应用小波变换对模拟电路响应的采样信号进行故障特征提取，建立故障字典，然后利用神经网络对各种状态下的特征向量进行分类决策，实现模拟电路的故障诊断。对标准电路仿真结果表明：该方法能够实现故障检测及定位，具有准确率高的特点。     

Multi-component LFM signal detection and parameter estimation based on Radon-HHT

A new method is proposed to analyze multi-component linear frequency modulated （LFM） signals, which eliminates cross terms in conventional Wigner-Ville distribution （WVD）. The approach is based on Radon transform and Hilbert-Huang transform （HHT）, which is a recently developed method adaptive to non-linear and non-stationary signals. The complicated signal is decomposed into several intrinsic mode functions （IMF） by the empirical mode decomposition （EMD）, which makes the consequent instantaneous frequency meaningful. After the instantaneous frequency and Hilbert spectrum are computed, multi-component LFM signals detection and parameter estimation are obtained using Radon transform on the Hilbert spectrum plane. The simulation results show its feasibility and effectiveness.     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

多LFM信号自适应时频表示方法

提出了一种多线性调频信号自适应时频表示方法及其快速算法:首先采用分数阶傅里叶变换的快速算法计算出模糊函数,再通过Radon-Ambiguity变换设计出信号的最优核函数,以滤除噪声和多线性调频信号在模糊域中的互项,最后通过二维傅里叶变换得到信号的时频表示。在多分量线性调频信号情况下借助"clean"的思想来抑制强分量对弱分量的干扰。仿真表明该方法在低信噪比环境下也十分有效,且运算复杂度小。     

时域欠采样线性调频信号参数估计方法

针对Nyquist采样频率过高 ,硬件实现困难的问题 ,提出了一种基于分数阶傅里叶变换的时域欠采样线性调频信号参数估计方法。该方法首先用时域解线调方法估计调频斜率 ,然后在分数阶傅里叶变换域进行滤波 ,实现信号提取。利用PRO ESPRIT方法进行初始频率估计。数值仿真表明 ,本方法能够实现多个线性调频信号的高精度参数估计 ,在低信噪比下仍有较好的估计性能     

闪烁现象下旋翼目标微动参数估计方法

逆Radon变换以其精度高、抗噪性能好的优点常用于微动信号的参数估计,但是当旋翼类目标微动信号存在闪烁现象时,该方法失效.针对此问题,提出一种闪烁现象下的微动参数估计方法.首先,建立基于线性调频信号的单旋翼直升机雷达回波散射点模型,分析闪烁现象下回波的微动特性.其次,通过去噪卷积神经网络(denosing convol...     

基于功率谱形态学运算的LFM信号参数估计

针对当前线性调频（linear frequency modulation, LFM）信号参数估计算法中存在的估计精度与计算量的矛盾问题,提出了一种基于功率谱形态学运算的信号参数估计算法。该算法根据LFM信号参数与功率谱形状特征的关系,实现了LFM信号参数估计。仿真试验表明,在信噪比为-5dB时,LFM信号的调频斜率和起始频率估计精度分别比基于Radon模糊变换(Radon ambiguity transform, RAT)和分数阶傅里叶变换（fractional Fourier transform, FRFT）结合的离散谱校正算法提高了约2%和4.5%,带宽和脉冲宽度估计的均方根误差分别小于2.4 MHz和0.025 μs;当采样点不大于4096时,计算量比插值FRFT算法降低了约70%,证明了该算法具有高估计精度和低运算量的优点     

低信噪比下线性调频信号检测与参数估计

对低信噪比下线性调频信号的参数估计方法进行了分析 ,提出了首先由信号分段相关解线调的方法得到调频斜率的粗略估计 ,再以此估计值为初值 ,采用局部解线调的技术在一定范围内搜索计算 ,从而快速实现局部Radon Wigner变换检测 ,并给出了线性调频信号参数的极大似然估计。计算机模拟仿真证明了此方法的有效性。