欠定条件下自适应信噪比的多跳频信号网台分选方法

针对欠定条件下多跳频信号的网台分选问题,利用跳频信号在时频域上的稀疏性,采用了跳频源信号的时频单源点的时频比来估计混合矩阵,在计算时频比矩阵时采用快速全局均值聚类,进而利用子空间投影法与信源相对功率偏差相结合的方法进行欠定条件下的网台分选,同时为了提高在低信噪比条件下分选的效果,在寻找跳频源信号时频单源点时,采用了自适应信噪比的时频支撑点阈值设定方法。理论分析和仿真实验表明了该算法的有效性。     

欠定条件下一种自适应信噪比的多跳频信号网台分选方法

针对欠定条件下多跳频信号的网台分选问题,该文利用跳频信号在时频域上的稀疏性,采用了跳频源信号的时频单源点的时频比来估计混合矩阵,在计算时频比矩阵时采用快速全局 均值聚类,进而利用子空间投影法与信源相对功率偏差相结合的方法进行欠定条件下的网台分选,同时为了提高在低信噪比条件下分选的效果,在寻找跳频源信号时频单源点时,采用了自适应信噪比的时频支撑点阈值设定方法。理论分析和仿真实验表明了该算法的有效性。     

结构时变模态参数辨识的时频分析方法

应用线性和二次时频变换方法，即短时傅里叶变换和魏格纳—维尔分布，进行了时变结构模态参数的辨识．通过对刚度突变和刚度连续变化的单自由度系统时变参数辨识的仿真，论述了两种时频辨识方法的特点．仿真结果表明，时频变换辨识方法是辨识时变模态参数的有效工具，而且魏格纳—维尔分布二次时频表示能得到比基于短时傅里叶变换的谱图更好的辨识结果．     

基于移频技术的短时傅里叶变换阶比分析

提出了一种基于移频技术的短时傅里叶变换阶比分析算法.该算法利用傅里叶变换在频域的卷积性质,对原始信号在时域乘以e-j2πfit使fi的频谱能量搬迁到零频处,按一定的频率间隔改变fi就可以在零频处得到其他频率的频谱能量,以此来提高短时傅里叶变换在时频分析中的频率分辨率.然后在时频面上进行局部阈值降噪,同时跟踪转速的变化,最终应用到变速机械的阶比分析中.与短时傅里叶变换分析结果对比表明,本文方法可以更加准确地跟踪到实际的转速.实际降速过程中轴承信号利用本文方法进行阶比分析,成功提取到轴承的故障特征频率.     

有色噪声背景下的水声跳频信号参数估计

针对现有跳频信号参数估计方法未考虑有色噪声的影响,且估计精度与速度难以兼得的问题,提出了一种有色噪声背景下的水声跳频信号参数估计方法.该方法首先根据水声信号有色噪声背景的特点,对有色噪声进行白化处理;然后,在详细推导分析跳频信号短时傅里叶变换时频脊线的特征的基础上,给出了跳频信号跳周期和起跳时间的估计方法;最后,基于估计得到的跳周期和起跳时间,进一步估计跳频频率.理论分析和仿真结果表明,该方法计算量小,工程实用性强,在有色噪声背景下可以实现跳频信号参数的快速稳健估计.     

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.     

基于酉ESPRIT的跳频信号DOA估计

为了利用跳频信号的空域信息辅助同步跳频信号的网台分选,提出了一种基于STFD酉ESPRIT的跳频信号DOA估计算法。首先用WVDSPWVD组合时频分析方法对接收数据进行时频变换,然后提取出跳频信号的有效跳(hop),并对其建立空时频矩阵(STFD),最后利用酉ESPRIT算法进行跳频信号DOA估计。该方法通过酉变换将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了计算量,而且酉ESPRIT算法利用了数据的共轭信息使数据长度等价增加了一倍,提高了估计精度。仿真结果表明文中算法在信噪比大于2dB时,DOA估计性能优于ESPRIT算法。     

基于STFT与SPWVD的跳频参数盲估计算法

为了降低欠定条件下多网台跳频信号参数盲估计误差,提出一种基于短时傅里叶变换(STFT)与平滑伪WVD分布(SPWVD)相结合的方法.该方法先对信号进行STFT,确定跳变时刻的粗估计范围,再对粗估计范围内的信号进行SPWVD,得到跳变时刻的精确估计,从而估计出跳周期.理论分析与仿真实验结果表明:所提算法在欠定条件下可有效估计出同步正交多网台跳频信号的各参数,与现有的基于时频稀疏性的时频图修正方法相比,在复杂度少量增加的前提下,参数估计误差大幅减小.当信噪比为-4dB时,跳周期、跳变时刻、载频相对估计误差降低了2个数量级,而复杂度只增加了6倍.     

估计跳频信号参数的多窗口迭代平滑伪WVD新算法

采用时-频分析方法获取跳频信号的瞬时频率、跳周期、跳频图案等主要参数,在短时傅立叶变换、Wigner-Ville分布等传统时-频分析算法均无法达到抑制噪声和实时参数检测的情况下,提出一种能适应跳频信号速率变化的多窗口迭代平滑伪Wigner-Ville分布(SPWVD)算法来进行跳频信号参数的实时估计。仿真结果表明,该算法在较低信噪比(-8 dB)的情况下也具有良好的实时估计效果。     

基于T-SBL的多跳频信号参数估计

针对多跳频信号参数估计问题,利用跳频信号频率在时频域上的稀疏性,在块稀疏贝叶斯学习(b SBL)的基础上,提出了一种T-SBL稀疏学习算法,通过重构后信号的时频图完成跳频信号的跳周期、中心时刻、跳时刻等参数的估计.首先将接收信号进行重叠分割得到观测矩阵;然后根据跳频信号时频域的稀疏性建立信号的多测量(MMV)稀疏模型,在块稀疏贝叶斯学习算法的基础上将多测量模型转化为单测量(SMV)模型;最后通过重构后信号的清晰时频图进行参数的快速估计.为了进一步提高低信噪比下的估计性能,采用形态学滤波的方法对获得的时频图进行修正.理论分析和仿真实验表明了该算法的有效性和良好的估计性能.     

基于瞬时频率的窗宽递增寻优的短时傅里叶变换

讨论了窗函数在时频分析中的作用,分析了S变换的缺陷,指出了依据分析频率调整窗宽和使用窄窗均严重影响时频分析效果.以短时傅里叶变换为基础,提出了一种窗宽根据信号自身时变特征进行自主调节的时频分析方法,该方法以瞬时频率的变化作为判断信号频谱结构发生变化的依据,通过在瞬时频率变化之前逐次递增窗宽,使窗函数能够覆盖信号中的局部平稳区域的大部甚至全部,从而可对信号中的各局部平稳段得到最佳的时频分辨率.通过对线调频信号、时变信号和含噪声信号的分析和比较可知,本方法可准确描述信号的时间分布特征,并可同时获得最佳的频率分辨率,且对噪声不敏感,具有一定的先进性和实用性.     

基于Morlet小波尺度参数寻优的匹配追踪时频分析

与短时傅里叶变换、连续小波变换、广义S变换等时频分析方法相比,匹配追踪方法具有更高的时频分辨率,但传统的贪婪迭代算法计算效率较低。以Morlet小波作为时频原子进行匹配追踪,通过分析尺度因子不同时Morlet小波时频原子在时间域的形态,比较信号向频率、相位和延时相同,仅尺度因子不同的不同时频原子投影的投影值,认为尺度因子对时频原子的形态具有较强的控制作用,因而对时频原子和信号局部特征的匹配性能具有较强的控制作用。基于以上分析,在利用复地震道计算信号的瞬时信息作为时频原子频率、相位和时延等参数的基础上,对Morlet小波时频原子的尺度参数首先进行一维寻优,在得到最佳尺度因子基础上对时频原子参数进行微调,提高了计算效率。针对模型测试了算法的有效性及在去除噪声和薄层厚度求取等方面的应用前景。     

时间域和频率域二阶同步压缩变换及其在储层识别中的应用

从时间域推导出时间域二阶同步压缩短时傅里叶变换和时间域二阶同步压缩小波变换,从频率域推导出频率域二阶同步压缩短时傅里叶变换和频率域二阶同步压缩小波变换,通过公式推导结果可以得到二阶同步压缩变换的统一形式,这一规律可以推广到其他二阶同步压缩线性时频变换中去。将二阶同步压缩小波变换应用到实际地震资料处理中。结果表明:该方法可以得到非常高的时频分辨率,能够有效识别储层及有利圈闭,所得结果与测井资料相吻合;相对于传统线性时频分析方法和一阶同步压缩变换方法,二阶同步压缩变换可以使能量更加聚焦到时频脊上,提高时频域分辨率。     

基于脉内步进LFM时频分析的抗间歇采样干扰方法

在深入研究抗间歇采样干扰的基础上,针对其时域不连续转发与时域不连续采样两个特点,提出一种基于脉内步进线性调频（LFM）时频分析的抗间歇采样干扰方法.该方法利用脉内步进LFM子脉冲之间的正交性互相掩护,通过短时傅里叶变换,将时频矩阵在时间维投影,提取干扰不连续转发段信号,并以该段信号最大值为门限,对时频矩阵进行干扰抑制,抑制后时频矩阵通过逆短时傅里叶变换,得到时域信号,并用于目标检测.理论推导和仿真结果表明,该方法可以有效抑制不同样式的间歇采样干扰,最大限度提取不受干扰信号.      

一种基于新误差标准的ANF线性调频信号参数估计方法

本文针对卫星导航系统中常用的压制式线性调频(LFM)干扰,为解决其参数估计精度与估计速度难以兼得的难题,将自适应陷波(ANF)方法应用于LFM信号参数估计.首先,给出一种基于新误差标准的ANF,并对比该方法与经典误差标准的ANF方法估计点频信号频率估计效果;其次,分析将该方法应用于LFM信号参数估计的可行性,并与基于Rife插值改进的短时傅里叶变换(STFT)方法仿真比较.本文方法无须进行复杂的计算和参数搜索,实时性好.仿真分析表明,本文算法较STFT算法估计精度高且稳定.     

两种时频分析算法的分析比较

随着信息传递速度的提高,信号处理技术要求提高。从信号频域可以观测信号特点,但是对于自然中的非平稳信号,仅仅频域观测不能反映信号频率在时间轴上的变化,由此提出了时频分析技术,可以产生时间与频率的联合函数,方便观测信号频率在时间轴上的变化。在现有的时频分析技术中较为常见的算法有短时傅里叶变换、WVD、线性调频小波等。本文介绍WVD和线性调频小波两种算法,并通过实验仿真对两种算法进行分析。     

一种样点缺失条件下的跳频信号参数估计方法

在样点随机缺失条件下研究跳频信号参数估计问题具有现实意义。 针对样点缺失条件下线性时 频分析方法失效的问题, 提出了一种基于正交匹配追踪(orthogonal matching pursuit, OMP) 和卡尔曼滤波 (Kalmanfilter,KF) 的跳频信号参数实时估计方法。 该方法对信号加滑动窗, 将窗内样点随机缺失建模为 一个信号稀疏表示问题, 傅里叶正交基作为过完备字典, 利用 OMP 直接估计窗内信号频率而不需要恢复信 号。 KF 针对估计得到的信号频率进行平滑, 当频率跳变时, KF 的频率预测值将严重偏离历史值和频率估 计值, 偏离程度作为跳变时刻估计的依据。 仿真结果和对比实验表明, 在样点没有缺失时, 该方法具有更优 的跳频信号参数估计性能, 在滑动窗长足够并满足信号稀疏度要求时, 即使在样点缺失的条件下, 依然可以 获得有效的跳频信号参数估计结果。     

线调频小波变换及其应用

线调频小波变换是一种新的线性时频分析方法.在介绍线调频小波变换的基础上,比较了短时傅里叶变换、连续小波变换、线调频小波变换在瞬时频率计算方面的优缺点.最后给出了在石油勘探开发中利用线调频小波变换对沉积旋回信号进行分析的一些初步应用.     

常用时频变换方法的浅析与比较

傅里叶变换、短时傅里叶变换和小波变换是信号处理中最常用的时频变换工具,本文对这三种常用时频变换工具进行了理论介绍,并比较和分析了三种变换方法在信号处理中特点和存在的缺陷。     

时变自回归模型在清醒大鼠局部场电位特征分析中的应用

同步和去同步状态是清醒大鼠脑活动的两种典型状态,分析不同状态下局部场电位(LFP)的时频特性差异是提取刺激响应特征的基础。针对LFP信号的非平稳特性,采用时变自回归(TVAR)算法建立LFP状态空间模型;并利用卡尔曼滤波迭代方法对模型系数进行动态更新。然后基于TVAR系数计算LFP的功率谱,对不同状态的LFP信号进行时频特性分析。研究结果表明,利用TVAR模型结合卡尔曼滤波算法获得的时频功率谱与基于短时傅里叶变换方法的结果相比,具有更高的时频分辨率,而且通过对LFP的时频分析可以有效捕捉大脑活动状态的动态变化,对于大脑功能机制的解析具有重要意义。