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。     

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。     

基于熵测度和SQP方法的跳频信号时频表示

提出了一种基于三阶Renyi熵测度的双向高斯核函数,分析了核参数与熵测度的变化规律,并利用逐步二次规划法对其进行优化.与信号相关径向高斯核函数时频分布相比,该方法不需要任何先验假定,能够有效反映交叉项在时频分布中的大小,获取优化的时频表示,从而提高了跳频信号的参数估计精度,同时可以适应低信噪比环境.仿真结果验证了基于熵测度优化时频表示法分析跳频信号的有效性和实用性.     

自适应时频分析的发展历程

从分析固定核函数的时频分析法对分析信号的局限出发 ,引出基于数据的变窗长STFT分析、基于信号的径向高斯核时频分析、自适应配投影时频表示 ,简述了Chirp let变换的物理意义和数学基础。这一工作旨在揭示自适应时频分析的发展历程 ,同时阐明作为自适应时频分析的工具 ,Chirplet变换具有高度概括框架地位 ,其他种种自适应分析方法都是其低维特例。     

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.     

一种低信噪比条件下的瞬时频率估计算法

为了在低信噪比条件下更有效地提取信号的瞬时频率,提出了一种改进魏格纳-维勒分布的瞬时频率估计算法来降低瞬时频率的估计误差.首先,采用基于切比雪夫多项式的核函数代替魏格纳-维勒分布的核函数,根据信号计算最优核函数.然后用该最优核函数计算信号的时频分布,以减小信号交叉项的影响.最后,采用维特比算法从时频分布中估计信号的瞬时频率.仿真结果表明,信噪比为-15～-5 dB条件下,改进魏格纳-维勒分布算法瞬时频率估计值的均方误差相比于魏格纳-维勒分布算法和平滑伪魏格纳-维勒分布算法减小超过53%,有效降低了瞬时频率估计误差.在单分量信号和多分量信号情况下,改进魏格纳-维勒分布算法能得到性能更优的瞬时频率估计值.     

自适应移频变尺度随机共振在故障诊断中的应用

针对移频变尺度随机共振系统参数选择困难的问题,提出了一种基于时频指标的自适应移频变尺度随机共振算法.该算法选用了最高谱峰位置(频域)及过零间距方差(时域)作为优化目标函数,避开了以信噪比等为目标函数时需要预先知道目标信号确切频率的不足,能够自适应地获取最优系统参数,以最大信噪比检测出微弱周期信号.同时,由于移频变尺度随机共振的选用,该自适应算法突破了传统随机共振系统的限制,因此可以检测实际工程中的高频信号.仿真和故障诊断的工程应用结果表明,该自适应算法简单、易于理解,能有效地从强背景噪声中检测出高频微弱周期信号,具有较强的工程实用价值.     

自适应时频分析的发展历程

从分析固定核函数的时频分析法对分析信号的局限出发,引出其于数据的变窗长STFT分析、基于信号的径向高斯核时频分析、自适应配投影时频表示,阐述了Chirplet变换的物理意义和数学基础。这一工作旨在提示揭示自适应时频分析的发展历程,同时阐明作为自适应时频分析的工具,Chirplet变换具有高茺概括框架地位,其他种种自适应分析方法都是其低维持例。     

基于模糊熵与改进相关向量机的语音端点检测

为提高低信噪比下语音端点检测的准确性,提出了一种基于模糊熵与改进相关向量机的端点检测算法.首先对语音信号进行基于听觉感知特性的语音增强,然后提取每帧信号的模糊熵作为改进相关向量机的输入矢量,同时针对单一核函数对预测分类鲁棒性弱的问题,对不同核函数进行自适应多核组合,融合多个核函数的特性,提高分类精度和鲁棒性.实验结果表明:在低信噪比环境下,基于模糊熵与改进相关向量机的端点检测能更有效地检测出语音的端点,准确率达到93.2%.     

时频相关匹配法在信号提纯中的应用

非平稳信号与噪声之间存在较强的时频耦合,这使得经典的消噪方法难以实现信噪的有效分离。在分析短时傅里叶变换(STFT)、Wigner〖XC半字线.tif,JZ〗Ville时频分布(WVD)、Chirplet时频变换三大时频变换方法的理论基础上,提出了一种采用时频相关匹配进行非平稳信号噪声抑制的算法。该算法将信号的WVD作为模版与STFT能量谱分布互相关处理,得到无交叉项干扰且具有较高时频分辨率的信号时频二维谱(简称为自谱窗WVD)。采用二维最小二乘拟合方法将被分析信号中的有用成分匹配成Chirplet基函数