联合WVD和随机Hough变换估计信号参数

基于WVD-Hough变换方法,提出了一种基于WVD和随机Hough变换联合估计信号参数和抑制交叉项的方法.该方法将信号投影到参数空间,突出信号的特点,使得信号参数更容易被估计.当被用于检测多分量信号时,通过增加采样次数可有效地抑制交叉项,准确估计多分量信号的参数.仿真的结果验证了算法的有效性.     

基于RSPWVD的多分量FM信号盲分离

针对多分量任意形式的调频(FM)信号,利用平滑重排伪wigner-ville分布(RSPWVD)作为时频分析工具,平滑可以抑制各信号之间的交叉项,但会引起信号项的平滑,降低时频聚集性,通过重排可以提高时频聚集性.把RSPWVD的结果作为图像,利用Viterbi算法作进一步处理,分离信号分量.仿真结果表明,在未知任何信号先验知识的条件下,可以准确分离各个信号分量,得到精确的瞬时频率(IF)估计.     

一种考虑衰减直流分量的动态相量测量算法

对故障情况下电网电流信号中含有衰减直流分量的动态相量测量算法进行了研究,提出了一种考虑衰减直流分量的动态相量估计方法。首先,基于电流信号的周期性分量特性,在同步采样基础上计算衰减直流分量的系数;然后,基于Prony算法提取基频电流分量;最后,利用基于Kalman滤波的动态相量估计模型对提取后的信号参数进行估计。仿真结果表明:该方法能够有效分离衰减直流分量和估计相量值。     

GPS接收信号中线性扫频干扰的抑制

研究了阵列接收的GPS接收信号中线性扫频(LFM)干扰的抑制问题。LFM信号瞬时频率的估计是抑制干扰的关键,而要准确估计信号瞬时频率,必须抑制接收信号时频分布中交叉项干扰。本文对接收信号矢量进行白化,得到信号矢量白化后的空时频分布(STFD)矩阵。文中推出一个与传统方法获得的判决变量不同的判决变量,用该判决变量可以更加清晰地选出LFM信号在时频分布中的自项。根据时频脊点的分布估计LFM信号频率参数以及信号瞬时频率,之后即可根据瞬时频率构建陷波器滤除干扰。仿真表明该方法能够将受交叉项严重干扰的接收信号时频分布映射为清晰的接收信号自项的时频分布,在数据快拍数满足一定要求时可以很好地抑制掉LFM干扰。     

基于Gabor谱方法的跳频信号参数盲估计

提出了一种基于Gabor谱的未知跳频信号参数盲估计方法。该方法利用Gabor谱能量集中、时频分辨率高、交叉项干扰小的特点,在未知任何先验参数的情况下,能够准确估计出跳频信号的跳频频率、跳变时刻和跳频信号驻留时间等参数。通过计算机仿真得到了较为准确的估计结果,验证了该算法的有效性。     

基于Butterworth分布的跳频信号参数估计

能够有效地估计接收到的跳频信号参数是干扰跳频通信的关键。针对接收到的未知任何先验参数的跳频信号,提出了一种基于Butterworth分布的跳频信号参数估计算法。由于Butterworth分布具有较好的时频聚集性和抑制交叉项性能,该算法能够在低信噪比条件下有效提取并估计出跳频信号的跳频周期、跳变时刻和跳频频率。仿真结果证明了该算法对跳频信号参数估计的有效性。     

多分量LFM信号检测与参数估计的新方法

针对传统的多分量LFM信号检测与参数估计中存在的精度不高和交叉项问题,将小波重排与Hough变换结合起来,首先对信号进行小波变换,克服交叉项干扰,再经过时频重排保证精度,以重排后的时频分布作为图像,利用 Hough变换通过查表的方式,实现对各分量的依次截取和参数估计.仿真实验表明,该方法能够有效地提取多分量LFM信号中各分量的特征参数.     

采用区分性幅相联合字典学习的低截获概率信号分离方法

为解决采用字典学习的信号分离方法存在的相位信息缺失和子字典交叉表示问题，提出一种区分性幅相联合字典学习方法。该方法针对相位信息缺失问题，构建了幅相联合字典模型；针对混合信号在联合字典上投影时存在的交叉表示问题，基于区分性字典学习思想提出在字典学习过程目标函数中加入交叉表示抑制项。仿真结果表明：幅相联合字典能够充分表示典型低截获概率信号的幅相信息，交叉表示抑制项能有效抑制信号间的交叉表示，算法具有良好的分离性能。     

通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。     

异速跳频互扰下跳频信号的参数估计

针对在跳频互扰情况下对多跳频信号参数盲估计困难的问题,提出了一种异速跳频互扰下跳频信号的参数估计方法。该方法利用异速跳频信号周期的差异,通过二值连通域标记处理、连通域时长聚类,将互扰跳频信号从时频谱上分离后分别进行估计参数。仿真结果表明,该方法能够实现在异速跳频信号互扰下对分量跳频参数的估计,且在高信噪比下能保证高的跳周期估计成功率与低的跳周期估计相对误差和起跳时刻估计相对均方误差。但互扰存在时的整体估计性能比仅单一跳频信号存在时会有所降低,同时该方法在SNR过低时会失效。     

侵入和不变流型的坦克炮控伺服系统研究

针对坦克炮控系统未知齿隙及摩擦,设计了基于性能的新型控制器.提出了基于侵入和不变流型(I&I)的未知参数估计率的构造方法,使调节函数的选取及I&I估计率的设计变得直接简便.由于未知齿隙及摩擦被充分的描述成有界扰动与非线性动态项的组合,从而避免了将其简单的考虑成“总扰动”所造成的被控系统性能的损失.该控制器可有效抑制负载扰动及参数变化所带来的影响.同时通过快速准确的估计系统参数实现了对指令信号快速精确的跟踪.     

基于固有时间尺度分解的能量算子解调法及故障诊断应用

针对Teager能量算子包络解调方法主要用于对单分量的调幅调频信号进行解调,而真实机械故障信号多为多分量的调幅调频信号的问题,提出了能量算子与固有时间尺度分解相结合的解调方法.首先,利用固有时间尺度分解法将原始振动信号分解为若干个固有旋转分量和一个单调趋势项,并基于波形匹配算法实现原始数据的自适应端点延拓以解决分解过程中的端点效应;然后再选取合适的固有旋转分量,利用能量算子方法实现调制信号的包络解调;最后,将该方法应用于仿真信号和故障模拟信号.结果表明:该方法能有效地提取机械振动信号的故障特征.     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

基于改进连通区域标记的跳频信号分选识别北大核心

针对小型无人机在复杂电磁环境下难以识别的问题,提出了基于改进连通区域标记的跳频信号估计与分选方法。首先,采用基于局部窗口的能量门限统计法,在信号时频域去噪;接着,对常规连接区域标记法进行改进,设计了新的连接区域片段关联和干扰抑制方法,解决连接区域断裂和干扰混合的问题;然后,针对多跳频信号混合情况,利用时频幅度差异重建连接区域;最后,根据改进的连通区域标记图进行参数抽取和信号分选识别。仿真结果显示,在噪声、干扰和多跳频信号混叠环境下,信号参数估计精度和目标信号的正确识别概率均明显高于常规连通区域标记方法。     

多子带雷达信号融合噪声抑制方法

全极点模型对信号构建线性模型,通过对模型进行定阶和计算可以得到估计信号的各个参数,从而实现信号预测。子带融合之前需要进行相干处理,可以通过相干函数等方式解决。root-MUSIC算法在低信噪比环境中极点选择并不稳健,会导致模型在阶数上判断错误。为解决全极点模型方法中子带融合在信噪比低时模型阶数估计不准的问题,提出一种噪声抑制方法。对信号Hankel矩阵的主对角奇异值矩阵加权处理,以消除噪声分量,并利用整体前向预测矩阵得到整体频段极点值与极点幅值,由此估计出低信噪比时的多子带融合信号。结果表明所提方法在仿真环境下,在信噪比-20 dB至10 dB时,相较于传统极点模型方案具有更好的估计结果。     

采用张量方法的盲干扰抑制及信源恢复技术

针对多输入多输出系统受到有意干扰情况下的盲干扰抑制和信源恢复问题，提出一种双阵列天线接收机结构，通过差分处理，在不考虑独立性的条件下实现盲干扰抑制。消除干扰后的数据有明显的张量切片特征，将其堆积成三阶张量，并通过基于张量分解的方法不经信道估计直接恢复源信号，相较于传统基于信道估计的信源恢复方法大大降低信道估计误差的影响，提高恢复精度。仿真结果表明，所提方法较传统基于训练序列进行信道估计的方法能以更小的训练开销达到更优的信号恢复性能。     

独立分量分析联合时域处理同频干扰抑制方法

针对多部线性调频脉冲压缩体制雷达间的同频干扰问题,提出一种独立分量分析联合时域多脉冲相关法的同频干扰抑制方法。对于目标回波信号和同频干扰信号在时域重叠而无法检测到目标的情形,利用独立分量分析算法从接收到的多周期回波混合信号中提取出目标回波信号,在脉冲压缩处理后,结合时域多脉冲相关法进一步抑制同频异步干扰。仿真结果表明,采用上述方法可以有效抑制同频干扰。     

EEMD联合AOK-TFR提取车辆微多普勒特征

利用连续波雷达探测运动车辆时,非线性、非平稳的多分量回波信号不易解析提取,基于此,提出了联合总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和自适应最优核时频分布(Adaptive Optimal Kernel Time-Frequency Distribution,AOK-TFR)的方法提取运动车辆的微多普勒(micro-Doppler)特征。建立了车体振动和车轮转动对雷达回波信号产生的复合调制效应数学模型,并对多分量回波信号进行了EEMD,通过联合AOKTFR解析回波信号的固有模态分量,得到了较清晰的微多普勒时频像,较好地克服了地杂波带来的EMD模态混叠。仿真分析表明该方法提取到的微多普勒特征参数与仿真参数吻合,证明了该方法的有效性。     

基于Wigner分布的干扰项抑制及算法

Wigner分布是一种真正意义上的时频分析方法,但存在其固有缺陷即虚假时频谱(干扰项)问题.将实信号转化成所对应的解析信号,并采用Choi-Williams方法对Wigner分布进行修正,实现了对干扰项的有效抑制,获得了满意的信号时频谱.给出了用解析信号计算信号Wigner分布及Choi-Williams分布算法.通过几个典型信号(多分量信号、调频信号等)对所研制的软件进行仿真实验,结果与理论相符,表明了软件算法的正确性.     

频率估计的多段异频等长信号相位积累算法

为提高信号频率估计精度和扩展已有方法的适用范围,提出一种基于相位积累的多段异频等长信号的频率估计算法。首先生成异频分析参数矩阵,克服分段信号频率不等问题;其次设计相位差补偿因子,克服分段信号相位不连续问题;最后搜索相位累积频谱最大值,获得信号频率估计值。为验证算法的正确性,给出了相应的数学推导证明。仿真实验结果表明,该算法具有较好的频率估计精度,频率估计误差约为现有方法的1/2,较为接近克拉美罗下限。