多Chirp成分信号双线性时频分布的交叉项分析

以广泛出现在许多工程应用领域和物理现象中的多Chirp成分信号为对象，研究了双线性时频分布对这种信号时频分布的交叉项特点，推导了几种分布的交叉项的数学表示，从模糊平面分析了交叉项抑制的机理，提出了双线性时频分布对多Chirp成分信号时频表示存在局限，仿真试验结果显示理论分析正确．     

基于ARMA模型滤波的微弱信号辨识

双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征,但双线性时频变换固有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的应用,提出采用ARMA模型滤波的方法来抑制双线性Wigner-Ville时频变换的交叉项干扰,并给出算法推导。结合实验数据,对比平滑伪Wigner-Ville算法的信号辨识结果,表明基于ARMA模型预滤波的双线性时频分析能更好的抑制交叉项干扰,具备更高的时频分辨能力和瞬态微弱信号辨识能力。     

EEMD和Cohen类联合抑制交叉项的时频特征提取方法

Wigner-Ville分布是一种双线性时频分布,对多分量信号分析存在交叉项干扰.本文提出了一种基于EEMD和Cohen类时频融合算法,该算法采用EEMD算法将信号从频域上分离为若干个固有模态函数之和,再对伪分量之外的各分量进行Cohen类时频变换并叠加,得到信号的时频分布,消除了信号内部各模态函数之间时频分布的交叉项.通过对EEMD和Cohen类时频融合算法进行仿真,与小波分解和Cohen类联合时频算法、EMD和Cohen类联合时频算法的仿真进行比较,结果表明,该算法抑制交叉项效果最好,重构误差最小,同时抑制了噪声对时频特征的干扰.     

VMD与Cohen核结合的时频分布交叉项抑制方法

在非平稳信号时频分析中,使用Cohen核所得时频分布的交叉项抑制与时、频分辨率难以兼顾。针对此,提出一种将变分模态分解（VMD）与Cohen核相结合的时频分析方法。首先对信号进行VMD分解,得到一组具有不同频率成分,相互独立的固有模态函数（IMF）分量,然后对每个IMF分量进行Cohen核时-频变换,再线性叠加重构出原始信号的时频分布。通过仿真分析,结果表明：该方法可以在保持时频分布中较高时、频分辨率的基础上,有效消除交叉项的干扰。     

变分模态分解与Cohen核结合的时频分布交叉项抑制方法

在非平稳信号时频分析中,使用Cohen核所得时频分布的交叉项抑制与时、频分辨率难以兼顾。针对此,提出一种将变分模态分解(VMD)与Cohen核相结合的时频分析方法。首先对信号进行VMD分解,得到一组具有不同频率成分,相互独立的变分模态函数(IMF)分量;然后对每个IMF分量进行Cohen核时-频变换;再线性叠加重构出原始信号的时频分布。通过仿真分析,结果表明:该方法可以在保持时频分布中较高时、频分辨率的基础上,有效消除交叉项的干扰。     

一种魏格纳-威利分布交叉项剔除新算法

为抑制魏格纳-威利分布分析多分量信号时交叉项的干扰,提出了一种交叉项剔除新算法,该方法通过分析多分量信号及跳频信号的魏格纳-威利分布交叉项特性,得出其交叉项数目和频率的一般规律,然后采用带通滤波器对时频分布结果中交叉项进行滤除。理论分析和仿真验证表明,该算法可以有效剔除多分量信号魏格纳-威利分布中的交叉项干扰,且具有优异的时频聚集性。     

基于Chirp原子分解的语音信号时频结构分析

从自适应信号分解的角度出发,使用匹配追踪算法将语音信号分解成非平稳Chirp原子的组合,根据单个Chirp原子的WVD分布线性组合分析语音信号的时频结构.仿真结果表明,该方法时频分辨率高,没有短时傅立叶变换中测不准原理的限制,不受传统WVD分布中有交叉项的影响.     

基于熵测度和SQP方法的跳频信号时频表示

提出了一种基于三阶Renyi熵测度的双向高斯核函数,分析了核参数与熵测度的变化规律,并利用逐步二次规划法对其进行优化.与信号相关径向高斯核函数时频分布相比,该方法不需要任何先验假定,能够有效反映交叉项在时频分布中的大小,获取优化的时频表示,从而提高了跳频信号的参数估计精度,同时可以适应低信噪比环境.仿真结果验证了基于熵测度优化时频表示法分析跳频信号的有效性和实用性.     

采用STFT Wigner变换抑制Wigner Ville分布交叉项

对于多分量非平稳信号分析,维格纳时频分布Wigner-Ville(WVD)存在严重的交叉项干扰.而GWT避免了Wigner-Ville分布的交叉项干扰而且具有良好的时频聚集性.但由于Gabor变换的时频聚集性不佳,当多分量信号进行Gabor变换时如果信号中各分量频率混叠,Gabor Wigner transform(GWT)就不能得到理想的结果.提出一种改进的STFT-Wigner算法,可以有效的抑制交叉项,并保持较高的时频聚集性.通过分析仿真信号和实测振动信号表明该方法能够取得良好的效果.     

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.     

减法聚类的多分量线性调频信号检测与参数估计算法

针对Wigner-Hough变换在低信噪比下易产生伪峰,导致在进行检测时阈值选取困难,无法准确对多分量线性调频信号进行检测和参数估计的问题,提出了一种基于减法聚类的平滑伪Wigner-Hough(SPWHT)变换的检测和参数估计算法。首先采用平滑伪Wigner-Hough变换(SPWHT),通过平滑交叉项和噪声来达到抑制干扰的目的,并运用阈值分割的图像处理方法进一步消噪,减少Hough变换后所产生的伪峰;再利用较低门限对Hough变换后的图像进行峰值检测,防止对信号的漏检。最后,对于备选峰值进行减法聚类的二次处理,实现信号参数寻优,去除伪峰影响和时频分辨率下降引起的峰值展宽,完成对多分量信号的准确检测和参数估计。该算法通过聚类避免了阈值设置的困难,解决了低信噪比下多分量线性调频信号的检测与参数估计问题。仿真结果表明了在-10 d B信噪比下该算法仍有较好的检测及估计性能。     

基于小波包变换的威格纳分布交叉项的抑制

威格纳分布是一种重要的时频分析方法,但交叉干扰问题影响了它的推广应用.基于小波包分析,利用小波包对信号的威格纳时频分布进行分解,并利用分解系数重构时频图,使交叉项得到抑制和改善,实验结果表明此方法简单有效.     

基于正弦调频傅里叶变换的自旋微动群目标分辨

近年来针对孤立目标的微动特征提取技术已较为成熟,但针对群目标的分辨与微动特征提取技术尚有待深入研究。本文以空间自旋微动群目标为例,提出了一种基于正弦调频傅里叶变换的自旋微动群目标分辨方法。首先建立了自旋微动群目标的回波模型,在此基础上采用正弦调频傅里叶变换来提取回波中的微多普勒特征分量。针对正弦调频傅里叶变换在分析多分量正弦调频信号时所特有的交叉项问题,提出了一种有效的交叉项抑制方法。最后,结合交叉项抑制方法,利用正弦调频傅里叶变换处理自旋群目标微动信号,实现了对自旋微动群目标的分辨,并准确地提取出各子目标自旋频率特征。     

高速运动目标的瞬时距离-多普勒成像

首先建立高速运动目标宽带雷达回波模型,分析了高速运动对目标一维距离像的影响,针对其回波是调频斜率相同的多分量LFM信号的特点,提出利用自适应短时傅立叶变换的方法获得一维瞬时距离像,消除了高速运动目标距离压缩中的色散效应,经过运动补偿和横向分辨,最终获得目标清晰的二维像.和传统速度补偿方法相比,有效减小了运算量,仿真证明了该方法的有效性.     

抑制维格纳分布交叉干扰项的联合算法

维格纳分布(WVD:Wigner-Ville Distribution)交叉干扰项的存在,严重地影响了其处理效果。为此,笔者结合交叉干扰项的性质,提出改进算法--基于STFT(Short-Time Fpiroer Tramsfpr)与WVD的联合算法(STFT-WVD)。该联合算法将信号的谱图与维格纳分布作互相关处理,以期达到抑制交叉干扰项的效果。通过理论分析与仿真实验证明,STFT-WVD算法在有效抑制WVD交叉干扰项带来不良影响的同时,保持了WVD较高的时频分辨率,是一种行之有效的WVD改进算法。     

基于Radon-STFT的DSSS系统线性调频干扰抑制

提出了一种基于Radon-短时傅里叶变换(Radon-STFT)的直接序列扩频(DSSS)系统线性调频干扰的抑制方法.该方法只需估计得到线性调频干扰信号的初始频率和调频率即可进行有效的干扰抑制,使干扰抑制过程的复杂程度大为降低.性能分析和仿真实验表明,该方法可以在较大的动态范围内有效地抑制线性调频干扰.与基于STFT的抑制算法相比,其参数估计精度提高;与基于WHT的抑制算法相比,该方法在多分量条件下效果更为突出.     

基于空间时频分析的循环平稳盲源分离

介绍了基于空间时频分布的循环平稳盲源分离方法,对空间时频分析中交叉项引起的分离能力下降的情况进行了分析,同时将降噪处理应用到算法中,能有效地降低交叉项和噪声的干扰,如选择更有效的时频点进行空间矩阵联合对角化,最终将未知混合信号分离。仿真结果表明,该算法具有较好的收敛性,分离效果明显。