基于RSPWVD高速跳频信号跳周期估计算法

针对跳频通信进行有效干扰的关键在于对跳频信号参数进行精确的估计,提出了一种基于重分配平滑伪魏格纳维尔分布(reassigned smoothed pseudo Wigner-Ville distribution,RSPWVD)的高速跳频信号跳周期估计算法。该算法利用了RSPWVD良好的时频聚集性和抑制交叉项的能力,能够有效地估计出跳频信号的跳周期参数(hop duration)。仿真实验结果表明了该算法的准确性与有效性。     

基于高效时频分析的多LFM信号源的DOA估计

目前已提出的基于时频分析的DOA估计方法在多LFM信号源环境下性能不理想,抑制或消除交叉干扰项是提高方向估计性能的关键。提出了基于SPW变换的时频DOA估计方法,SPW结合了WVD与STFT的优点,在很好地抑制交叉项的同时,具有高的时频聚集性;它不需要对信号进行过采样,而且在降低运算代价方面具有显著优势。模拟实验表明,在多目标环境下,与基于PWVD和SPWVD的方法相比,基于SPW的方法的DOA估计精度有很大提高。如在信噪比为-20dB时,基于PWVD和SPWVD方法的方向估计标准差分别为0.25°和0.28°,而基于SPW的方法只有0.04°。     

跳频信号的相参与非相参积累时频差估计方法

跳频信号载频随时间变化发生跳变, 因此跳频信号具有丰富的频域信息,而且其在时域上为连续信号, 相比单跳信号也具有更丰富的时域信息。时频差估计精度与信号在时频域上的分布情况以及信号能量和噪声有关。时差估计主要与信号频域分布有关, 而频差估计主要与信号时域分布有关。跳频信号时频域信息丰富, 多跳相参积累后, 时频差参数估计能够充分利用信号的时频域信息, 克服单跳信号时频差估计精度不高的问题。针对跳频信号的时频差估计问题, 首先分析了单跳基带信号的互模糊函数, 再从时差与频差的维度推导了多跳基带信号互模糊函数的相位差异, 最后通过频差归一化与相位对齐补偿提出了多跳信号互模糊函数相参积累的时频差估计算法。同时, 在不满足相参积累的条件下, 分析了跳频信号的非相参时频差估计方法, 并理论分析了两种跳频信号时频差参数估计方法性能与信号各参数的关系。仿真结果表明跳频信号相参时频差估计算法性能最优, 非相参方法的估计性能其次, 单跳信号的估计性能最差, 验证了理论性能分析结果的正确性。     

基于修正空时频分布矩阵的到达角估计

讨论了密集信号环境下,雷达侦察系统对信号到达角(DOA)的估计方法。首先对参考阵元的输出作时频分析,估计信号的频率参数,从而选择时频脊点构造方向矩阵;然后对各阵元输出求互Wigner Ville分布(XWVD)以构造修正空间时频分布(STFD)矩阵;最后用修正STFD矩阵代替传统MUSIC算法中的协方差矩阵即可求得信号的时频———MUSIC空间谱,从而得到信号的DOA。计算机仿真结果表明该算法可实现对常规雷达脉冲、线性调频信号等多种信号的DOA估计。     

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。     

基于信号时频表示的宽带源波达方向估计

提出一种时频域宽带源波达方向(DOA：Direction of Arrival)估计算法。该算法通过计算参考阵元和其它阵元的互Wigner-Ville分布，构造出一种新的时频域数据向量模型，并利用Chirp信号的局部窄带特性，在信号的主要能量聚集区选择时频点构造时频相关矩阵代替传统的阵列相关矩阵，进行特征分解实现信号的DOA估计。该方法同时在空域和时频域进行处理，充分利用了时频分布的能量聚集性，不但实现了非平稳信号时频域的分离，还有效地提高了信噪比，增强了算法对噪声的稳健性。仿真结果验证了新方法的有效性。     

改进时频脊线的跳频参数盲估计算法

为解决基于时频脊线的跳频参数估计算法在信噪比低于-5 dB时估计误差较大且存在定频干扰时方法失效的问题,提出了该算法的改进算法。在短时傅里叶变换(short time Fourier transform, STFT)的基础上,利用迭代去噪法对原时频图进行去噪处理,根据跳频信号与定频干扰驻留时间的不同,采用k-means算法对其进行聚类,消除定频干扰并提取其时频脊线,利用Haar小波对提取到的时频脊线进行奇异点检测,并估计出跳频信号的跳频周期、起跳时间和跳频频率。仿真结果表明,所提算法在信噪比低于-5 dB且存在较强定频干扰的情况下,仍能对跳频参数进行正确估计,且优于原有算法。     

基于时频分布的跳频信号盲分离方法

根据跳频信号的非平稳特性,提出一种基于时频分布的跳频信号盲分离方法。该方法利用不同源信号时频特征的差异,通过对混合信号的一组时频分布矩阵联合近似对角化来实现信号的盲分离。理论分析和仿真结果表明,这种方法在未知任何先验参数的情况下,能够有效分离多个跳频网台,而且具有较强的噪声抑制能力。     

跳频信号的跳速估计

针对电子对抗的实际应用,提出了一种精确估计跳频信号跳速的方法。利用短时傅里叶变换分析跳频信号,得到其时频表示,再利用小波变换提取该时频表示的边沿信息,进而利用谱分析实现了跳速的精确估计。该算法完全避免了频谱交叉项的影响,理论分析证明了其可行性。仿真试验表明,在不要求高采样率的情况下,信噪比大于-5.5 dB时该算法是有效的。     

高效的多跳频信号2D-DOA估计算法

为了利用跳频信号的空域特征参数辅助多跳频信号的网台分选,在空时频分析的基础上,提出一种基于多重信号分类(multiple signal classification, MUSIC)对称压缩谱(MUSIC symmetrical compressed spectrum, MSCS)的多跳频信号二维波达方向(two dimensional direction of arrival, 2D-DOA)高效估计算法。首先根据跳频信号的时频域特征,构建每一跳的空时频矩阵(spatial time frequency distribution, STFD),获取时频域的协方差矩阵;然后将共轭子空间的思想引入到MUSIC算法中,通过对噪声子空间及其共轭的交集进行奇异值分解,实现噪声子空间的降维;最终通过半谱搜索实现2D-DOA的高效估计。同时为了提高低信噪比条件下算法的性能,在时频图处理过程中采用形态学滤波进行去噪,并在修正的时频图上完成了跳频信号每一跳的提取。通过理论论证和实验仿真表明,本文算法相比于MUSIC算法,在保证均方根误差相当和估计成功率有所提高的情况下,计算复杂度降低了一半。     

基于数字图像处理的信号时频分布精度改善方法

提出了利用数字图像处理技术对信号时频表示结果进行处理的方法。该方法通过时频平面的平滑滤波、阈值处理与时频分布脊线提取等算法,能够在抑制噪声的同时,得到具有高度聚集性的时频分布。相对于信号的模糊域处理和计算核选择方法,该方法不需要关于信号的先验知识,其结论可以为多信号环境中信号区分、描述与参数识别提供依据,同时可以应用于宽带信号的到达角估计。相应的仿真结果验证了该方法的有效性。     

基于时频方差聚类的FH信号参数盲估计

为解决复杂电磁环境下跳频(frequency hopping, FH)参数的盲估计问题,提出了基于时频方差聚类的算法。考虑在低信噪比(signal-to-noise ratio, SNR)和定频干扰同时存在的情况下,通过短时傅里叶变换(short time Fourier transform, STFT)将信号变换到时频域,利用遗传算法对信号的时频区间进行提取,根据时频方差对其进行k-means聚类,消除噪声和定频干扰并提取时频脊线,然后运用Haar小波对该时频脊线进行奇异点检测,进而估计出FH信号的FH周期、跳速和FH频率等参数。仿真结果表明,所提算法在SNR低于-5 dB且存在定频干扰的情况下,能够实现对FH参数的精确估计,参数估计正确概率达到90%以上。     

基于自适应抽取STFT的混合DS/FH扩频信号参数估计

针对混合DS/FH扩频信号的参数估计问题,提出了一种基于自适应抽取的STFT信号分析方法。该方法利用STFT的信道化实现,采用抽取处理实现自适应窗长时频分析,有效地解决了窗长变化带来的数据量问题,易于通信侦测接收机实现。仿真实验以BPSK_DS/FH信号为例,表明了该估计方法的有效性。     

具有三维转动目标的ISAR成像新方法

传统的逆合成孔径雷达(inversesyntheticapertureradar,ISAR)距离 多普勒成像算法基于目标平稳飞行假设。当目标作机动飞行时,转速和转轴经常是时变的,采用传统方法成像会使图像模糊,甚至无法辨识。为此需要分距离单元进行时频分析,得到距离 瞬时多普勒图像。采用重排后的平滑伪Wigner Ville分布(smoothedpseudoWigner Villedistribution,SPWVD),既克服了WVD交叉项严重,不能正确成像的缺点,又克服了SPWVD降低时频集聚性,不能准确定位的缺点。仿真结果表明,该方法对机动目标能得到高质量的雷达图像。     

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...     

分量载频差极小时频信号的超分辨率分析方法

针对多个调制形式完全相同且分量间载频差极小的时频信号,提出了一种超分辨率分析信号的模型和方法。首先,以各分量的幅度和相位为状态变量,信号的时域观测和基于相同调制形式而构建的瞬时频率斜率为测量方程,为分量间载频差极小的时频信号构建多观测的状态空间模型。然后,为了估计模型需要的分量数目,利用匹配解调变换将原信号解调为近似平稳的窄带信号,再使用稀疏迭代自适应协方差估计该窄带信号在时间窗内的协方差,基于这一估计协方差并利用判别函数法估计该窗内的分量数目。最后,以多个滑动时间窗内估计结果的众数作为信号分量数目,就可基于提出的模型以及数据融合滤波算法对时频信号进行超分辨率分析。仿真结果表明,所提方法的性能优于其他方法。     

基于多分辨率显著性滤波的微动信号增强方法

微动信号是典型的非平稳信号, 时频分析能够获得微动信号的联合时间-频率分布图像, 是微动信号分析的主要工具之一, 良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中, 时频图像通常受到噪声污染, 使得微动信号难以分辨, 严重制约了后续特征提取和参数估计。根据显著性检测和图像金字塔的基本原理, 本文在多分辨率表示图像上分别计算显著性并滤波, 最后进行加权融合获得增强的时频图像, 有效抑制了噪声, 提升了低信噪比(signal to noise ratio, SNR)下时频图像的质量和微动信号的显著性。实验结果表明, 对于仿真信号以及暗室测量信号, 在-7~7 dB SNR下, 采用该方法均能显著提升时频图像质量, 且-3 dB以下时能大幅提高周期估计的准确率, 是一种有效的微动信号增强方法。     

分量载频差极小时频信号的超分辨率分析方法

针对多个调制形式完全相同且分量间载频差极小的时频信号,提出了一种超分辨率分析信号的模型和方法。首先,以各分量的幅度和相位为状态变量,信号的时域观测和基于相同调制形式而构建的瞬时频率斜率为测量方程,为分量间载频差极小的时频信号构建多观测的状态空间模型。然后,为了估计模型需要的分量数目,利用匹配解调变换将原信号解调为近似平稳的窄带信号,再使用稀疏迭代自适应协方差估计该窄带信号在时间窗内的协方差,基于这一估计协方差并利用判别函数法估计该窗内的分量数目。最后,以多个滑动时间窗内估计结果的众数作为信号分量数目,就可基于提出的模型以及数据融合滤波算法对时频信号进行超分辨率分析。仿真结果表明,所提方法的性能优于其他方法。