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。     

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。     

基于重排小波-Radon变换的LFM雷达信号参数估计

小波变换是一种兼顾时频分辨率的线性变换,对多分量情况不会引入交叉项。针对此问题,提出基于重排小波-Radon变换的多分量线性调频信号的参数估计法。该方法先将小波尺度图转为时频分布图,为提高聚集性引入了时频重排,再将重排图进行Radon变换以进行参数估计。对单分量和双分量的情况进行了仿真,结果表明,该方法有效提高了时频分布图的聚集性,大大节省了后续Radon变换的时间,同时也抑制了噪声干扰,辨识效果明显提高。     

基于离散正弦调频变换的多分量正弦调频信号参数估计方法

作为一种非平稳时频信号,正弦调频(sinusoid frequency modulation, SFM)信号在雷达和无线通信领域得到广泛应用。为了解决常规时频分析方法无法有效估计多分量SFM信号参数的问题,提出离散正弦调频变换(discrete sinusoidal frequency modulation transform, DSFMT)。利用SFM信号在DSFMT域的聚敛特征,提出基于DSFMT的多分量SFM信号参数估计方法。给出多分量SFM信号和DSFMT变换的数学模型,论证了多分量SFM信号在DSFMT域聚敛特征的差异,仿真分析基于DSFMT的多分量SFM信号参数估计方法的技术性能。理论分析和实验结果表明：多分量SFM信号在DSFMT域有明显的聚敛特征差异,基于DSFMT的多分量SFM信号参数估计方法可有效估计多个SFM信号幅度和调制指数。     

应用自适应时频分布的瞬时频率估计

估计信号的瞬时频率常用解析信号的相位差分或Cohen类时频分布的时间一阶条件矩 ,但这些方法在信噪比较低时存在较大的方差。提出了一种新的瞬时频率估计方法 ,它把被分析的信号自适应地扩展到一组有限的 ,具有较好的时频局部化特征的基函数集上 ,用相应的自适应时频分布的谱峰检测来估计信号瞬时频率。仿真结果表明 ,该方法具有较好的抗噪声能力 ,且能够灵活地应用于估计多分量信号的瞬时频率 ,可以取得比其它方法更好的效果。     

多分量雷达辐射源信号检测新方法

针对现有方法难以有效检测多分量雷达辐射源信号(multi-component emitter signal,MCES)的问题,提出一种SHE(S-metbod,Hough-transform and elimination-method)检测新方法。该方法引入S-method计算信号的时频分布,采用Hough变换检测调频斜率,通过提出的时频面消除法实现信号分量的逐次提取和参数检测。SHE方法计算复杂度低,容噪能力强,易实现在线检测。仿真实验结果表明:SHE方法能准确检测MCES中各信号分量起止时间和瞬时频率,不易受交叉项干扰,脉宽检测精度大于98.030%,带宽检测精度大于96.430%,信噪比降低到-5dB时仍然保持高检测精度。     

基于WHT的多分量LFM参数估计与分离

强度相当的多分量LFM信号在Wigner-hough(WHT)平面上呈现出多个尖峰值,各尖峰值对应各分量在时频平面上频率轴上的初始频率和调频斜率。提出了一种基于WHT的多分量LFM信号的参数估计与信号分离算法。该算法结合解线调和窄带滤波器分离和估计各分量的参数的算法,可以一次提取多个尖峰值。仿真结果证明,此方法可有效地对多分量IJM信号进行精确的参数估计与分离且不出现虚假信息。     

基于LPFT-MUSIC的窄带多项式相位信号波达方向估计方法

基于局部多项式傅里叶变换（local polynomial Fourier transform, LPFT）,提出了一种新颖有效的窄带多项式相位信号波达方向估计算法。虽然LPFT比Wigner-Ville分布运算复杂,但该变换具有更优的瞬时频率估计能力、较低的交叉项影响,及处理多项式相位信号的能力。理论分析表明,本文方法的信噪比提升能力优于基于Wigner-Ville分布的传统时频子空间多重信号分类（multiple signal classification, MUSIC）法。仿真实验验证该方法的性能。     

瞬时频率的一种估计方法

为了得到在物理上有意义的瞬时频率 ,必须把基于信号全局性的限制条件修改为局部的限制条件 ,并且把这些条件转换成物理上可实现的步骤。首先讨论了用希尔伯特变换定义的瞬时频率的定义 ,然后介绍了一种新的瞬时频率估计方法。该方法利用局域波分解方法 ,把复杂的信号分解成有限个基本模式分量 ,从而使由希尔伯特变换定义的瞬时频率具有实际物理意义。由于该方法是基于信号局部特征的 ,因此适用于非线性、非平稳信号的处理。最后指出了这一方法研究的有关问题。     

基于TFD-Hough变换的毫米波导引头微运动参数提取算法

分析了旋转目标的微多普勒特性与微运动参数的关系,指出其微多普勒信号为三参数的正弦调频信号。针对这一信号形式,推导了多分量正弦调频信号的时频分布特性,提出了一种在时频图上检测三参数正弦曲线的Hough变换方法,进而提出了一种基于TFD-Hough(time frequency distribution-Hough)变换的微运动参数提取算法。仿真实验和外场试验数据处理表明了该方法的有效性和鲁棒性。     

FM interference suppression for PRC-CW radar based on adaptive STFT and time-varying filtering

The influence of frequency modulation (FM) interference on correlation detection performance of the pseudo random code continuous wave (PRC-CW) radar is analyzed.It is found that the correlation output deteriorates greatly when the FM interference power exceeds the anti-jamming limit of the radar.According to the fact that the PRC-CW radar echo is a wideband pseudo random signal occupying the whole TF plane,while the FM interference only concentrates in a small portion,a new method is proposed based on adaptive short-time Fourier transform (STFT) and time-varying filtering for FM interference suppression.This method filters the received signal by using a binary mask to excise only the portion of the TF plane corrupted by the interference.Two types of interference,linear FM (LFM) and sinusoidal FM (SFM),under different signal-to-jamming ratio (SJR) are studied.It is shown that the proposed method can effectively suppress the FM interference and improve the performance of target detection.     

基于分形盒维数的线性调频信号参数估计

针对当前线性调频（linear frequency modulation, LFM）信号参数估计算法中对调频斜率的估计复杂度高、实时性差且信噪比适应范围较小等缺点,提出了基于分形盒维数的LFM信号调频斜率估计方法。该方法通过计算信号调频斜率与盒维数的关系曲线,利用盒维数对LFM信号的调频斜率进行估计,探讨了信号的幅度和相位对信号盒维数的影响,计算了不同信噪比下的估计误差,并与传统的基于匹配傅里叶变换（matching Fourier transform, MFT）的LFM信号参数估计算法进行了对比仿真,绘制了脉冲宽度、调频带宽与盒维数三者的关系曲线图。仿真结果表明,该算法在建立了对应关系数据库后,在信噪比变化范围比较大的情况下的估计误差仍然比较小,且算法简单,对于实时性估计具有很好的应用价值。     

Multi-component LFM signal detection and parameter estimation based on Radon-HHT

A new method is proposed to analyze multi-component linear frequency modulated （LFM） signals, which eliminates cross terms in conventional Wigner-Ville distribution （WVD）. The approach is based on Radon transform and Hilbert-Huang transform （HHT）, which is a recently developed method adaptive to non-linear and non-stationary signals. The complicated signal is decomposed into several intrinsic mode functions （IMF） by the empirical mode decomposition （EMD）, which makes the consequent instantaneous frequency meaningful. After the instantaneous frequency and Hilbert spectrum are computed, multi-component LFM signals detection and parameter estimation are obtained using Radon transform on the Hilbert spectrum plane. The simulation results show its feasibility and effectiveness.     

基于分数阶Gabor变换的LFM回波信号压缩采样方法

针对现有的压缩采样系统在线性调频(linear frequency modulated, LFM)回波信号压缩采样重构过程中存在的重构效果不佳的问题,提出一种基于分数阶Gabor变换的回波信号压缩采样方法。首先,利用不同目标回波信号在时延上的差异性,给出基于分数阶Gabor变换的LFM回波信号稀疏表示方法,并分析了分数阶Gabor变换的完备性条件。然后,根据分数阶Gabor变换低通滤波的实现方式,设计了LFM回波信号压缩采样系统,建立了信号重构模型。最后,通过仿真实验与应用实例分析,验证了所提压缩采样系统的有效性。实验结果表明,与现有压缩采样系统相比,所提压缩采样系统的重构误差更低、重构效果更好。     

基于SCA的欠定跳频网台分选方法

针对组网跳频信号在欠定条件下网台分选效果不佳的问题,提出了一种基于稀疏成分分析(sparse component analysis, SCA)的欠定跳频网台分选方法。在估计混合矩阵时,首先利用观测信号的实部与虚部方向一致性检测时频单源点,在采用S变换构造时频比矩阵的基础上,利用方差法实现了混合矩阵估计;在源信号恢复时,利用改进的子空间投影法得到源信号的时频域分离,最后可通过S逆变换得到时域分离信号,从而实现了欠定条件下的跳频网台分选。仿真结果表明，该方法有效实现了混合跳频信号在欠定条件下的网台分选且适用于跳频同步或异步组网方式,提高了分选性能和抗噪性能。     

基于离散双正交傅里叶变换的FMCW雷达测距方法

针对毫米波调频连续波（frequency modulated continuous wave, FMCW）雷达调制斜率的非线性带来测距误差问题,提出采用闭环控制与双正交傅里叶变换算法相结合的方法实现高精度测距。该方法首先通过分段降频得到非线性调制FMCW的片段,再用离散双正交傅里叶变换求出各段调制斜率,并按时间顺序排列生成校正曲线,最后用闭环控制进行非线性实时校正。实验结果表明,该方法使信号的调制斜率线性度误差下降到0.27%,测距误差降低了87%。     

基于切割聚类的快速多分量LFM信号分离

针对多分量线性调频(linear frequency modulation, LFM)雷达信号检测和参数估计精度低、计算速度慢等问题,提出了一种基于小波变换的切割聚类拟合参数估计的算法。该方法首先通过小波变换得到信号的三维时频分布图,其次采用等高线截取提取出小波脊线,再找出脊线的交点,以交点为界对小波脊线图进行切割,利用模糊C均值聚类完成各LFM分量脊线的聚类,最后分别对每段脊线进行拟合加权,从而估计出多分量LFM信号参数。仿真结果表明,与基于Hough变换检测直线方法相比,不仅在计算复杂度以及参数估计的准确度上都有较大的提升,而且当LFM信号分量达到4个以上亦有较准确的检测精度。     

Ultrasonic signal classification based on ambiguity plane feature

Ambiguity function (AF) is proposed to represent ultrasonic signal to resolve the preprocessing prob-lem of different center frequencies and different arriving times among ultrasonic signals for feature extraction, as well as offer time-frequency features for signal classification. Moreover, Karhunen-Loeve (K-L) transform is considered to extract signal features from ambiguity plane, and then the features are presented to probabilistic neural network (PNN) for signal classification. Experimental results show that ambiguity function eliminates the difference of center frequency and arriving time existing in ultrasonic signals, and ambiguity plane features extracted by K-L transform describe the signal of different classes effectively in a reduced dimensional space. Classification result suggests that the ambiguity plane features obtain better performance than the features extracted by wavelet transform (WT).