线性核时频信号分析方法研究

根据chirp信号在模糊域的特点,本文提出了线性核时频表示方法。这种方法在提高分辨率、消除交叉项以及抑制噪声等方面都具有较高的性能,理论分析和实验结果都证实了这种方法的有效性。     

基于时频自适应最优核的时频分析方法

为了抑制多分量信号中同时间点各分量信号引起的交叉项干扰,提出了一种新的时频分析方法--时频自适应最优核时频表示。与以往的基于信号时频表示和时间自适应最优核时频表示不同,该方法通过对Wigner-Ville分布做二维加窗傅里叶变换以得到局部模糊函数,使得核函数不但能够随时间而自适应,而且能够随着频率而自适应。给出了该方法的实现步骤,通过将其用于分析合成信号,表明时频自适应最优核时频表示抑制交叉项效果明显,且能够比时间自适应最优核时频表示更为清楚地刻画信号。     

自适应核时频分布在抑制交叉项中的应用

分析了固定核函数时频分布在抑制交叉项方面的局限性以及基于信号特征的自适应时频分布对时频分辨率的改善。通过对基于信号特征的径向高斯核时频分布进行改进,提出了一种基于信号特征的自适应核时频分布的改进算法。该算法采用短时模糊函数和随时间变化的自适应核,能够在时频分布中区分出多分量信号的细节部分。仿真结果表明,该分布具有较高的时频分辨率,且无交叉项干扰。同时它还适合分析长时间信号和实现在线信号处理。     

多LFM信号自适应时频表示方法

提出了一种多线性调频信号自适应时频表示方法及其快速算法:首先采用分数阶傅里叶变换的快速算法计算出模糊函数,再通过Radon-Ambiguity变换设计出信号的最优核函数,以滤除噪声和多线性调频信号在模糊域中的互项,最后通过二维傅里叶变换得到信号的时频表示。在多分量线性调频信号情况下借助"clean"的思想来抑制强分量对弱分量的干扰。仿真表明该方法在低信噪比环境下也十分有效,且运算复杂度小。     

用于多分量线性调频信号的自适应核分布

首先分析了自适应高斯核函数的局限性,并作了改进,同时给出了其参数估计方法。然后,基于线性调频信号模糊度函数特征,提出了一种新的自适应核函数。两种新的核函数的宽度对信号长度具有自适应能力,所以在获得了一定的交叉项抑制能力的同时,避免了较大的信号自项能量损失。不仅对更一般的多分量线性调频信号具有适用性,而且简化了参数的求解。因而,相对于自适应高斯核函数而言,两者性能更优。仿真结果验证了本文方法的有效性。     

基于自适应高斯核函数时频分布的水声信号处理研究

时频分析被广泛应用于水下目标宽带回波信号以及短时瞬态信号的处理。在水声信号的特征检测和分类方面,时频分析的时变谱提供了区分不同类别目标信号的特征信息。提出一种基于自适应核函数时频分布的水声信号处理方法。与固定核函数时频分布相比,自适应高斯核函数时频分布由于它的核函数随信号而自适应改变,因此对交叉项有很好的抑制效果。计算结果表明,对于多分量线性调频水声信号,采用高斯核函数自适应时频分析不仅对交叉项具有很好的抑制作用,而且对信号的自分量具有较好的聚集作用。     

类相关时频分布在雷达目标识别中的应用

针对雷达一维距离像的非平稳特性,提出一种利用类相关时频分布的高分辨雷达目标识别方法.该方法通过优化时频分布中的核函数来实现在模糊时频平面的特征抽取和特征压缩.在此基础上,提出并实现了利用模拟退火算法同时优化时频特征和识别性能的目标识别方案.仿真实验结果表明,基于类相关时频分布的雷达目标识别方法合理可行,提出的模拟退火核函数优化算法在识别性能上优于已有的Fisher鉴别比优化算法.     

基于模糊函数的LFM UWB雷达信号滑动平均波达方向估计

针对线性调频类超宽带雷达信号的线性时频特性,提出了基于2阶统计量——信号模糊函数的线性调频类超宽带雷达信号波达方向估计算法,通过分析仿真证明该方法优于传统方法。根据分析指出循环平稳算法与模糊函数算法之间的关系,介绍了循环平稳算法对基于窄脉冲形式的无载波超宽带雷达信号DOA估计的有效性。系统完整地论述了超宽带雷达信号DOA估计算法。     

多分量二维线性调频信号瞬时频率变化率估计

针对多分量二维线性调频信号的瞬时频率变化率估计问题,提出了一种新方法.定义了二维线性调频信号的二维三次相位函数CPF.通过分析可知,应用二维CPF方法处理多分量二维线性调频信号时,会由于交叉干扰项的存在而产生伪峰,接着借助于二维CPF构造了二维三次相位函数乘积项PCPF.应用该方法可以在较低信噪比下,准确地估计出多分量二维线性调频信号的瞬时频率变化率.仿真实验验证了该方法的有效性.     

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。