基于自适应高斯核函数时频分布的水声信号处理研究

时频分析被广泛应用于水下目标宽带回波信号以及短时瞬态信号的处理。在水声信号的特征检测和分类方面,时频分析的时变谱提供了区分不同类别目标信号的特征信息。提出一种基于自适应核函数时频分布的水声信号处理方法。与固定核函数时频分布相比,自适应高斯核函数时频分布由于它的核函数随信号而自适应改变,因此对交叉项有很好的抑制效果。计算结果表明,对于多分量线性调频水声信号,采用高斯核函数自适应时频分析不仅对交叉项具有很好的抑制作用,而且对信号的自分量具有较好的聚集作用。     

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。     

自适应线性核时频信号分析

分析了多元Chirp信号在模糊域的交叉项分布特点,提出了一种自适应线性核时频表示方法.该方法在模糊域采用巴特沃什型核函数,依据信号的模糊函数自适应地选取核函数的参数.仿真实验对比了自适应线性核时频表示与其它时频表示方法的性能,说明本方法在提高分时频分辨力、消除交叉项,以及抑制噪声方面有较高的性能.理论分析和仿真实验证实了本方法的有效性.     

自适应核时频分布在抑制交叉项中的应用

分析了固定核函数时频分布在抑制交叉项方面的局限性以及基于信号特征的自适应时频分布对时频分辨率的改善。通过对基于信号特征的径向高斯核时频分布进行改进,提出了一种基于信号特征的自适应核时频分布的改进算法。该算法采用短时模糊函数和随时间变化的自适应核,能够在时频分布中区分出多分量信号的细节部分。仿真结果表明,该分布具有较高的时频分辨率,且无交叉项干扰。同时它还适合分析长时间信号和实现在线信号处理。     

基于小波核支持向量机的均衡器研究

针对通信系统实时性处理要求,提出了一种快速收敛的支持向量机(support vector machine,SVM)均衡器。该方法以支持向量机为框架,利用判决反馈信号构造SVM的训练样本数据,采用小波核函数,并自适应调整核函数中的伸缩因子,得到具有跟踪能力的自适应SVM均衡器。通过仿真实验,并与采用高斯核函数的支持向量机均衡器进行比较,结果证明该方法提高了收敛速度。     

多分量二维线性调频信号瞬时频率变化率估计

针对多分量二维线性调频信号的瞬时频率变化率估计问题,提出了一种新方法.定义了二维线性调频信号的二维三次相位函数CPF.通过分析可知,应用二维CPF方法处理多分量二维线性调频信号时,会由于交叉干扰项的存在而产生伪峰,接着借助于二维CPF构造了二维三次相位函数乘积项PCPF.应用该方法可以在较低信噪比下,准确地估计出多分量二维线性调频信号的瞬时频率变化率.仿真实验验证了该方法的有效性.     

基于时频自适应最优核的时频分析方法

为了抑制多分量信号中同时间点各分量信号引起的交叉项干扰,提出了一种新的时频分析方法--时频自适应最优核时频表示。与以往的基于信号时频表示和时间自适应最优核时频表示不同,该方法通过对Wigner-Ville分布做二维加窗傅里叶变换以得到局部模糊函数,使得核函数不但能够随时间而自适应,而且能够随着频率而自适应。给出了该方法的实现步骤,通过将其用于分析合成信号,表明时频自适应最优核时频表示抑制交叉项效果明显,且能够比时间自适应最优核时频表示更为清楚地刻画信号。     

基于时间切变Gabor原子的时频建模

对尺度高斯函数与线性调频因子卷积,再做频移和时移,得到了具有四个可调参数的时间切变Gabor原子,其时频分布为聚集于其时间中心和频率中心的具有时间倾斜特性的能量曲线。给出了基于该原子集合的频域自适应信号子空间分解和相应的参数自适应时频分布,其中每步分解都采用模拟变焦距过程估计所得原子的四个参数,可用于对非平稳信号中线性和非线性变频成份进行建模和分析。     

基于分数阶模糊函数的海面运动弱目标检测

通过推导单频信号、线性调频信号和含有三次项信号的正负对称旋转角的分数阶模糊函数,得到一个有用的结论:单频信号和线性调频(linear frequency modulation, LFM)信号正负对称旋转角的分数阶模糊函数模函数处处相等,而对于含有三次项的回波信号,其模幅度差别很大。根据此特性提出了一种海杂波背景下的基于正负旋转角的分数阶模糊函数模函数对消的运动弱目标检测方法。通过对智能像素处理（intelligent pixel-processing, IPIX)雷达实测数据验证表明,所提方法在增加目标与杂波分数阶模糊函数峰值差、提高信杂比等方面都明显优于仅对回波作分数阶模糊函数。采用双参数恒虚警检测方法设置适当的门限,文中研究的检测方法能够达到更好的检测效果。     

基于模糊函数的LFM UWB雷达信号滑动平均波达方向估计

针对线性调频类超宽带雷达信号的线性时频特性,提出了基于2阶统计量——信号模糊函数的线性调频类超宽带雷达信号波达方向估计算法,通过分析仿真证明该方法优于传统方法。根据分析指出循环平稳算法与模糊函数算法之间的关系,介绍了循环平稳算法对基于窄脉冲形式的无载波超宽带雷达信号DOA估计的有效性。系统完整地论述了超宽带雷达信号DOA估计算法。     

Application of wavelet support vector regression on SAR data de-noising

A new filtering method for SAR data de-noising using wavelet support vector regression (WSVR) is developed.On the basis of the grey scale distribution character of SAR imagery,the logarithmic SAR image as a noise polluted signal is taken and the noise model assumption in logarithmic domain with Gaussian noise and impact noise is proposed.Based on the better performance of support vector regression (SVR) for complex signal approximation and the wavelet for signal detail expression,the wavelet kernel function is chosen as support vector kernel function.Then the logarithmic SAR image is regressed with WSVR.Furthermore the regression distance is used as a judgment index of the noise type.According to the judgment of noise type every pixel can be adaptively de-noised with different filters.Through an approximation experiment for a one-dimensional complex signal,the feasibility of SAR data regression based on WSVR is confirmed.Afterward the SAR image is treated as a two-dimensional continuous signal and filtered by an SVR with wavelet kernel function.The results show that the method proposed here reduces the radar speckle noise effectively while maintaining edge features and details well.     

Laplace核函数的衰减系数研究

核函数的衰减系数是影响核函数方法分类性能的重要因素。分析了信号分析理论中关于采样信号的不失真重建问题与Parzen窗函数方法的关系,讨论了核函数残留边带信息量与指定采样频率条件下特征变量的自信息量之间的关系。推导了Laplace核函数在均匀采样条件下的衰减系数的计算公式,分析并给出了非均匀采样情况下衰减系数计算和处理方法。实验结果表明,与传统的基于Gauss核函数的Parzen窗函数法、经典的KNN方法、BP神经网络以及SVM方法相比,提出的Laplace核函数参数设置方法具有较高的总体分类性能。     

基于加权高阶累积量切片的非线性调频信号增强算法

为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果进行了仿真研究。仿真结果表明:该算法能抑制大约18dB～28dB的高斯色噪声;调整高阶累积量切片的加权系数,可获得抑制高斯色噪声的最佳效果。在工程实践中,具有重要的指导意义和实用价值。     

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping, FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。     

Four-Parameter Signal Decomposition and Related Adaptive Time-Frequency Distribution

1. INTaODUCTIOMIn order to express the properties of the signal time-varying spectrum, we need to developa class of approaches to analyze signal in time and frequency domain simultaneously. Since1980's, the time-frequency analysis (TFA) methods, such as short time FOurier transform(STFT), Gabor expansion, wavelet transform and Wigner--Ville distribution (WVD), havebeen widely studied and implemellted, which provides powerful tools to analyze and processvarious signals in TF plane. T…     

Parameter estimation of DSSS signals in non-cooperative communication system

A new adaptive estimator for direct sequence spread spectrum （DSSS） signals using fourth-order cumulant based adaptive method is considered. The general higher-order statistics may not be easily applied in signal processing with too complex computation. Based on the fourth-order cumulant with 1-D slices and adaptive filters, an efficient algorithm is proposed to solve the problem and is extended for nonstationary stochastic processes. In order to achieve the accurate parameter estimation of direct sequence spread spectrum （DSSS） signals, the fast step uses the modified fourth-order cumulant to reduce the computing complexity. While the second step employs an adaptive recursive system to estimate the power spectrum in the frequency domain. In the case of intercepted signals without large enough data samples, the estimator provides good performance in parameter estimation and white Gaussian noise suppression. Computer simulations are included to corroborate the theoretical development with different signal-to-noise ratio conditions and recursive coefficients.     

基于多核学习的在线非线性自适应滤波算法

在在线非线性自适应滤波应用中,由于基于多核学习的算法具有更高自由度并且能够利用更多数据特征,相比基于单核学习的算法在性能上有很大提升。首先给出具有相同“字典”的多核仿射投影算法,该算法是多核学习方法和仿射投影算法的结合。然后基于相干准则针对多核仿射投影算法的特例,对应不同高斯核带宽,利用相干稀疏准则构造不同“字典”,提出利用自适应l₁范数正则项来解决归一化多核最小均方非线性自适应滤波算法在非平稳信号下“字典”存在冗余核函数的问题。最后数值仿真结果与比较验证了所提算法的有效性。     

基于MCMC的模糊自适应重要抽样法

针对传统的基于马尔可夫链蒙特卡罗 (Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于失效边界确定的系统,而不适用于失效域模糊的渐变结构系统问题,提出基于MCMC的模糊自适应重要抽样法。首先从模糊失效域内的某个初始点出发,根据Metropolis准则构造马尔可夫模拟样本点;然后利用自适应核密度估计构建核抽样概率密度函数并进行重要抽样;最后离散化模糊失效域以计算系统的模糊失效概率。该方法合理地解决了以往渐变结构系统性能可靠性难以仿真分析及仿真效率低的难题,具有较高的仿真效率和精度。应用舵机案例对方法的适用性及高效性进行了验证。