基于希尔伯特变换的改进地震信号谱重排

谱重排最早被称为改进的滑动时窗法,用来提高常规的时频谱分析的分辨率,其基本原理是将原时频谱中每一点的能量进行聚焦重排。由于该算法仅对信号在频率域进行重排,致使其重排过程是不可逆的。为了优化时频重排算法,将原始的谱重排算法与希尔伯特变换相结合,通过对信号求取导数并使用加窗傅里叶变换对理论信号进行再处理得到改进后的处理结果。结果表明,基于希尔伯特变换的改进谱重排算法不仅兼顾了时频谱重排和加窗傅里叶变换的优势,提高了对信号时频变换的分辨率,而且在地震勘探领域具有广泛的应用前景。     

基于稀疏自适应S变换的储层流体流度计算

反射地震数据中的低频信息包含了丰富的与流体流度相关的信息,据此可以从中提取相关储层的流体流度属性,从而可以利用地震数据的低频信息识别流体。因此,为了提高分辨率以及工作效率,将稀疏自适应S变换引入储层流体流度的计算,该方法开发了基于稀疏性的窗参数优化,以用于自适应地调控对不同频率分量的窗函数,应用该方法计算时频谱信息并求取流度可得到较高的分辨率和能量聚集性,此外也省去了参数调节的步骤。相较于常规的时频分析方法,该方法在具有较高分辨率的同时,克服了测不准原理对信号可分辨的限制。因其对不同的频率分量都自适应地获取最优窗参数,通过仿真信号,合成楔形记录试算,稀疏自适应S变换有更高的分辨率和能量聚集性。实际地震数据的试验表明,稀疏自适应S变换可有效地求取流体流度,并较常规时频方法所求流度有更高的分辨率。     

利用高阶累积量的时频重叠MPSK信号调制识别

针对多信号的互相干扰,在时频重叠情况下调制识别困难的问题,提出一种基于高阶累积量的识别方法。由于不同数字调相信号的高阶累积量存在差异;并利用高阶累积量对噪声的不敏感性,从中选取四个特征参数。采用决策树的分类方法,对任意方式组合而成的十种相移键控三信号进行制式识别。实验结果表明,在信噪比不低于0 dB的情况下,可以有效地识别十种时频重叠三信号。与现有的算法对比,该算法在提高信号识别率的基础上,同时也增加了可识别时频重叠信号的个数。     

采用上行SCMA系统的新型导频结构及信道估计方法

在上行SCMA系统中,多用户在相同的子载波上传输信息导致正确估计每个用户的信道状态信息存在很大的困难。针对该问题,使用了一种适合于上行SCMA系统的新型导频结构。通过导频间隔和导频位置的合理设计,使得多用户的导频信号在导频结构上保持正交性,在接收端使用LS算法和LMMSE算法对导频进行信道估计,最后通过cubic内插得到完整的信道响应。仿真结果表明,基于LS算法的该导频结构更好地平衡了误码率性能和系统复杂度,减少了系统导频开销,并且运算量明显降低。     

基于自适应捕获算法的数字多波束抗干扰系统的应用

 针对宽带多星多波束应用现状和场景,提出了数字多波束抗干扰捕获算法和高稳健性接收机整机设计实现方法。该方法基于卫星接收机,以惯导提供的航向、俯仰角和横滚角为条件,确定单约束的导向矢量,推导出空时自适应处理结构的数字多波束改进型捕获算法。仿真实验表明,改进后的算法实现了多波束数据的合理应用,能够稳定载波相位,增强空间增益,提高空域分辨率。     

基于最大期望算法的多时变信号DOA估计方法

当多个辐射源同时存在并交替发射信号时,接收数据间相互交错,且多个数据间并无显性关联,无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息。为了同时、高效地实现多个参数的联合估计,提出采用最大期望算法进行估计多个时变信号参数估计的新方案,将一个高维多参数优化问题分解成多个并行的低维问题进行求解。该方法主要包含求解期望值步骤和期望值最大化两个步骤。求解期望值步骤主要建立接收信号与其辐射源的对应关系,即信号分选,而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息。这两个步骤相互迭代,交替进行辐射源信号的分选与测向。同时,还推导出无源合成圆阵相位差数据的最大似然方法进行入射角的精确估计的闭合形式解,并通过接收信号的复数响应进行相位模糊解算,并推导出测向精度的理论下限。最后,通过数值仿真结果验证了该方法的有效性。     

基于抗差估计和改进AIME的缓变故障检测方法

为了解决经典缓变故障检测法——自主完好性监测外推法(autonomous integrity monitoring extrapolation, AIME)在组合导航中检测故障延迟时间较长和不能准确判定故障结束时刻的问题, 提出了基于抗差估计和改进AIME的缓变故障检测方法。该方法采用标准t分布和IGG-Ⅲ (Institute of Geodesy & Geophysics Ⅲ)方案设计自适应增益矩阵以缓解卡尔曼滤波故障跟踪的影响。同时, 结合AIME故障检测状态, 提出由外推法和残差卡方检验(residual chi-square test method, RCTM)故障检测统计量构成的r_A/R统计量概念, 然后在AIME检测到缓变故障的状态下利用样本分位数原理对r_A/R序列进行异常值检测, 从而判断缓变故障结束时刻。仿真结果表明, 在检测缓变故障时, 所提方法可明显缩短故障检测延迟时间, 并能够准确判定故障结束时刻。     

基于多分辨率动态模态分解的电磁信号时频-能量分析

针对电磁信号时-频-空间-能量分析不兼容的问题, 提出一种基于分解时空域电磁辐射信号的数据驱动方法来分析复杂电磁环境。首先, 使用多分辨率动态模态分解方法将复杂电磁信号以不同的分辨率分离为不同时空尺度的模态分量。然后,利用时频分布对各模态瞬时频率和能量特征进行采集。这种动态的分解分析方式能快速侦测电路和电子系统的多方面电磁环境状态, 具有不需要先验数据训练, 不受时频分辨率限制, 可以实时分析和降低数据维数等优点,且提取的动态模式及其频谱分别在空间域和时域具有明确的物理意义。仿真实验显示, 重组信号和原信号的平均误差在-18 dB以下, 证明了所提方法的可行性和优势。     

Radial acceleration estimation of multiple high maneuvering targets

The acceleration of a high maneuvering target in signal processing is helpful to enhance the performance of the tracker and facilitate the classification of targets. At present, most of the research on acceleration estimation is carried out in cases of a single target with time-frequency analysis methods such as fractional Fourier transform （FRFT）, Hough-ambiguity transform （HAT）, and Wigner-Vil e distribution （WVD）, which need to satisfy enough time duration and sampling theorem. Only one reference proposed a method of acceleration estimation for multiple targets based on modified polynomial phase transform （MPPT） in the lin-ear frequency modulation （LFM） continuous-wave （CW） radar. The method of acceleration estimation for multiple targets in the pulse Doppler （PD） radar has not been reported so far. Compressive sensing （CS） has the advantage of sampling at a low rate and short duration without sacrificing estimation performance. There-fore, this paper proposes a new method of acceleration estimation for multiple maneuvering targets with the unknown number based on CS with pulse Doppler signals. Simulation results validate the effectiveness of the proposed method under several conditions with different duration, measurement numbers, signal to noise ra-tios （SNR）, and regularization parameters, respectively. Simulation results also show that the performance of the proposed method is superior to that of FRFT and HAT in the condition of multiple targets.