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.     

基于改进FRFT的多相码信号检测与参数估计

针对低信噪比下多相码信号的检测与参数估计问题,提出了基于扩展分数阶傅里叶变换(EFRFT)的多相码检测与参数估计方法。该方法根据多相码信号多条时频脊线平行的特点,通过改进分数阶傅里叶变换(FRFT)的核函数,积累了各脊线的能量,从而完成了多相码信号的检测与参数估计。仿真实验证实该方法在低信噪比条件下可以有效检测多相码信号,同时也可以准确估计信号的调制参数。     

基于分数阶频率域混合相关的线性调频信号检测与参数估计

针对线性调频(LFM)信号分数阶傅里叶变换的特性,提出了一种分数阶频率域相关算法.该算法不仅能够在低信噪比条件下对LFM信号进行检测,还能与时间域相关法混合求解,获得包含时延及多谱勒频移参数的信息,实现精确参数估计.在分数阶频率域相关中,不必进行角度的一维及二维搜索,具有简洁、高效的特点.计算机仿真结果表明,该方法是有效的.     

分数阶傅里叶变换的数值实现

信号及其傅里叶变换可以分别反映信号在时频两域内的信息。傅里叶变换是一种常用的数学工具，在数学、物理及工程技术领域都得到了十分广泛的应用。介绍了一种崭新的信号分析工具——分数阶傅里叶变换，并用经典的傅里叶变换的观点对分数阶傅里叶变换进行了解释。对于分数阶傅里叶变换的实现，因一般情况下分数阶傅里叶变换给不出解析表达式，故分数阶傅里叶变换的数值算法的研究是十分重要的。给出了分数阶傅里叶变换的较准确的数值计算方法。利用此方法对被线性调频函数污染混叠的高斯信号进行了滤波分离。     

基于加权型三次相位函数和FRFT的LPI信号识别研究

针对低截获概率雷达信号难以识别和分类的问题,提出了基于加权型三次相位函数和分数阶傅里叶变换的低截获概率雷达信号识别算法。用短时傅里叶变换剖析了应用较广的八种低截获概率雷达信号的时频特性,然后依据调频率将其分为两类。先用加权型三次相位函数估计信号的调频率,然后再用分数阶傅里叶变换获得信号的各分量峰值,根据峰值能量比进行细分类。通过大量的实验仿真验证,本算法在信噪比为0 d B的条件下,正确识别率能够达到95%以上。     

基于扫频滤波器线性调频信号的滤波算法

研究了白噪声环境下线性调频信号的自适应滤波问题.提出一种线性调频信号(LFM)自适应滤波算法.该算法利用分数阶傅里叶变换将LFM信号转化为正弦信号,在分数阶傅里叶域进行自适应滤波,利用分数阶傅里叶反变换得到滤波后的时域信号.分数阶的滤波器可以使用扫频滤波器替代.性能分析表明,该算法的滤波效果取决于自适应滤波器的效果,在使用最下均方(LMS)算法时,步长的选取决定了滤波器的性能,在实际应用中必须按需选取.仿真表明该算法效果明显,计算方便.     

基于类间功率谱差的FRFT-TDCS门限判决算法

针对分数阶傅里叶变换域通信系统采用传统门限判决算法难以有效剔除多分量线性调频干扰的问题,根据高斯白噪声和多分量线性调频干扰分数阶傅里叶变换域功率谱特征,提出了基于类间功率谱差的门限判决算法。该算法利用了分数阶傅里叶变换不影响高斯白噪声的统计特性,在分数阶傅里叶变换域的三维频谱上自适应地确定门限值,既可以有效对多分量线性调频干扰频谱剔除,又解决了分数阶傅里叶变换的变换阶次对门限判决带来的不利影响。仿真结果表明,该算法在双极性调制和循环移位键控调制下,对多分量线性调频干扰剔除的有效性,尤其在大干信比情况下,误码率的提升尤为明显,对提高分数阶傅里叶变换域通信系统抗多分量线性调频干扰的能力具有一定的实用价值。     

基于分数阶傅里叶变换步态特征提取

针对短时傅里叶变换等时频分析方法不能提取由腿部和手臂运动产生的细致微多普勒特征这一问题,提出了采用分数阶傅里叶变换的雷达步态信号分析方法.在短时傅里叶分析的基础上,应用分数阶傅里叶变换对步态回波信号进行处理,由实测步态数据生成分数阶傅里叶变换谱图并进行了详细分析.结果表明,通过分数阶傅里叶变换可以从步态数据中提取出手臂、腿部摆动的细致微多普勒特征.     

一种水声宽带双曲调频信号波达方向估计方法

提出了一种基于短时分数阶傅里叶变换的水下宽带双曲调频信号波达方向估计方法.建立了均匀线列阵声呐远场宽带双曲调频信号接收数据模型,在时域将接收信号进行分时段处理,对每一段短时信号分别进行分数阶傅里叶变换,将时域阵列接收数据转化成多段短时分数阶傅里叶域阵列数据,同时将多个时段的时变阵列流形矩阵变换成与每个时段一一对应的多个固定阵列流形矩阵.利用多重信号分类算法估计各短时信号的空间谱,应用求和运算进一步得到整体时段双曲调频信号空间谱,通过谱峰搜索实现对双曲调频信号的波达方向估计.通过仿真实验与分析,对该方法的水声双曲调频信号波达方向估计的有效性进行了验证,分析了该方法在阵列接收信号时域分段数、信噪比、目标方位等参数变化条件下的性能.与传统方法相比,该方法具有更高的方位分辨率和估计精度.     

基于谱熵和多尺度小波的码元速率估计方法

针对实际信号码元速率估计中噪声对估计精度的影响和小波方法最优尺度的选择问题,提出了一种基于谱熵分析和多尺度小波变换的码元速率估计方法。通过谱熵检测有效滤除带内噪声,并采用并行多尺度小波分析和精度函数分析提取最优小波尺度。实验结果表明,该方法的估计性能优于传统小波分析方法,并且在低信噪比情况下具有更好的估计鲁棒性。     

基于分数阶傅里叶变换的多分量线性调频信号检测和参数估计的快速自适应方法

本文提出了两种基于分数阶傅里叶变换(FRFT)的多分量线性调频(LFM)信号检测和参数估计的快速自适应方法,针对分数阶变换的二维搜索问题,提出了利用单线相位法分析信号时间自相关序列频谱和调频斜率预判法两种预估方法,在不影响估算精度的前提下,大幅度降低了计算的时间复杂度,且在低信噪比的情况下也可有良好的效果。仿真结果证明了方法的有效性。     

含未知参数的多分量Chirp信号的分数阶傅里叶分析

目的 提出基于分数阶傅里叶变换（ＦＲＦＴ）的含未知参数的多分量Ｃｈｉｒｐ信号的检测和参数估计方法。方法 由分数阶傅里叶变换的Ｃｈｉｒｐ基分解特性及其与时频分布的关系论证多分量Ｃｈｉｒｐ信号的分数阶傅里叶分析方法,并通过计算机模拟验证方法的有效性。结果与结论 和联合的Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布（ＷＶＤ）及Ｈｏｕｇｈ变换（ＨＴ）方法相比,基于ＦＲＦＴ的含未知参数的多分量Ｃｈｉｒｐ信号的分析方法,不用     

一种基于小波包熵的频谱检测算法

为了解决能量检测算法在低信噪比条件下频谱检测性能差的问题,提出了一种基于小波包熵的频谱检测算法.首先采用小波包变换对接收信号进行多层分解,并计算最后一层各节点的重构信号;然后计算各个节点重构信号的小波包熵值;最后选取熵值最小的重构信号作为检测信号进行能量检测.理论分析及仿真结果表明,在低信噪比情况下,该算法可以有效地抑制噪声影响,提高频谱检测性能.     

一种基于小波系数方差的语音端点检测方法

首先分析讨论了小波变换的原理,在此基础上提出了一种利用小波系数方差识别含噪语音信号中静音与语音的新算法。算法首先对含噪语音进行小波分解,观察各层小波系数的统计特性,提取它们的方差作为检测特征,从而进行语音端点检测。对该算法进行了仿真实验,并与传统的基于能量与过零率的端点检测算法进行了比较。实验结果表明:该算法在低信噪比条件下也能够有效分割语音。     

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法．分析了白噪声和一般信号的小波变换系数的不同特点，对Hampel滤波器进行了改进．利用白噪声和一般信号小波变换系数的不同特点，用改进后的滤波器对信号小波变换系数序列进行滤波处理，从而达到降噪的目的．仿真结果表明，滤波算法对不同种类、不同信噪比的信号有很好的降噪效果，尤其适用于强噪声背景下弱信号的检测。     

fMRI time series analysis based on stationary wavelet and spectrum analysis

The low signal to noise ratio (SNR) of functional MRI (fMRI) prefers more sensitive data analysis methods. Based on stationary wavelet transform and spectrum analysis, a new method with high detective sensitivity was developed for analyzing fMRI time series, which does not require any prior assumption of the characteristics of noises. In the proposed method, every component of fMRI time series in the different time-frequency scales of stationary wavelet transform was discerned by the spectrum analysis, then the components from noises were removed using the stationary wavelet transform, finally the components of real brain activation were detected by cross-correlation analysis. The results obtained from both simulated and in vivo visual experiments illustrated that the proposed method has much higher sensitivity than the traditional cross-correlation method.     

分数阶傅里叶变换数值计算中的量纲归一化

针对分数阶傅里叶变换(FRFT)快速算法中所要求的量纲归一化与实际工程计算脱节的问题,对量纲归一化进行了研究,提出了离散尺度变换和数据补零/截取2种实用的量纲归一化方法,研究了2种方法对chirp信号参数估计的影响,导出了采用离散尺度化方法时,归一化前后的chirp信号参数的变换关系.通过仿真实例说明FRFT快速算法能够应用于实际工程计算.     

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。