基于最优核时频分布的装甲车辆微多普勒特征分析

依据微多普勒效应原理,构建了装甲车辆微动的雷达回波数学模型,推导了装甲车辆点目标的回波信号解析关系,并针对回波信号非平稳非线性的特点,利用最优核时频分布结合求时频脊的方法,仿真提取了装甲车辆微动线目标的回波微多普勒特征。仿真结果表明:线目标模型更能凸现、解析装甲车辆微动特征;采用的最优核时频分布结合求时频脊方法,具有比经典二次型分布更好的时频像,能较好地提取出微多普勒特征。最后,利用该方法分析了低信噪比下目标加速度、身管长度等参数对微多普勒特征的影响。     

基于时频分析的噪声去除

经典的数字信道化思想的实施都是建立在一组硬件滤波器构成的并行多路,虽然能实时处理,但随着处理数据带宽的增大和子信道频率分辨率的增加,设备开销将线性增长,整体可靠性也必然下降.基于信号的检测理论,在利用时频分析工具得到的时频图上进行信号检测,提出了检测去噪法.针对宽带数据背景噪声的特点,提出了噪声基底的3种估计算法:去大留小法、对数统计法和频移均值法,并线面结合对噪声基底进行平滑,实现了天电干扰的去除.通过实际接收到的某短波信号检验,证明了算法的有效性.     

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.     

基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理；设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力；利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。     

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.     

一种基于时频域滤波的ISAR瞬时成像算法

为了得到机动目标的瞬时像,需要采用时频分析的方法.分析了2种Cohen类时频分布Wigner-Ville分布(WVD)及Choi-Williams分布(CWD)的时频特性.基于时频域滤波的思想提出一种兼备高时频集聚性和交叉项抑制能力的瞬时频率估计方法.由此得到一种新的ISAR瞬时成像算法,对机动目标数据进行成像处理,结果说明了算法的优越性.     

一种改进的小波域LFM雷达信号参数估计算法

提出了基于重排小波-Radon变换的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。仿真结果表明,该方法有效提高了时频分布图的聚集性,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。     

基于时频图像三维熵特征的雷达信号识别

针对雷达信号识别算法存在着准确率低以及抗噪性差的问题,提出基于时频图像三维熵特征的雷达信号识别算法。该方法对雷达信号时频变换后得到的时频灰度图提取其香农熵(Sh En)、奇异谱熵(Ss En)和范数熵(No En),并将三维熵值作为信号识别的特征向量,采用支持向量机实现信号的分类识别。仿真实验表明,提出的算法能够在低信噪比下得到较高的正确识别率。     

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。