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.     

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.     

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.     

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。     

广义S变换和阈值分割联合抗频谱扩展-压缩移频干扰

根据频谱扩展-压缩(spectrum spread and compression, SSC)移频干扰信号和回波信号时频分布特性的差异,提出一种基于广义S变换和Tsallis交叉熵阈值分割的干扰抑制方法。分析了SSC移频干扰的干扰原理和干扰信号经过解线调后的信号形式,并利用时频聚焦性较好的广义S变换获取接收信号经过解线调后的时频图像,根据时频图像对应的灰度图像,以Tsallis交叉熵最小化作为目标函数,求出灰度图像的最佳分割阈值,并根据分割阈值构建时频滤波器,实现干扰抑制。仿真结果表明:该方法对于SSC移频干扰产生的假目标具有较好的抑制效果,干扰抑制比可达30 dB以上。     

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.     

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。     

弹道目标微多普勒特性基于逆Radon变换的稀疏表示

作为识别空间弹道目标的有效方法,微多普勒特性提取对于雷达系统的时频分辨率提出了很高的要求,因此,要求雷达系统具有更高的采样频率。作为近年来新兴的技术手段,在远低于奈奎斯特采样定理的采样频率下,压缩感知技术可以对具有稀疏特性的信号实现高精度还原。对空间弹道目标时频分布进行逆Radon变换,在变换后的IRT域内获得时频分布的稀疏表示,从而可以借助压缩感知技术有效降低采样频率的要求。     

基于HHT的雷达杂波抑制

传统时频分析方法不适于分析非平稳信号,Hilbert-Huang变换(HHT)是近年兴起的一种自适应、高效处理非线性、非平稳信号的时频分析方法.针对传统时频分析对雷达杂波抑制的局限性,采用HHT方法抑制雷达杂波.HHT方法对雷达回波信号的时频特性具有较高的分辨能力,能够清晰地突出目标弹性成分.仿真结果表明使用EMD结合阈值去噪、尺度滤波方法对抑制雷达回波中的杂波有一定效果.     

基于联合时频滤波的多目标回波信号分离算法

针对弹道中段多目标回波信号分离的问题,提出了基于联合时频滤波的多目标信号分离算法。该算法先对多目标回波信号进行自相关处理和峰值提取,得到目标信号的周期,接着用该周期对回波信号的Gabor变换和PWVD变换结果进行分段,然后将各段时频图相乘,获得新的时频支撑域,最后用新的时频支撑域对回波信号进行时频滤波,克服了交叉项的干扰和时频聚集性不高的缺点,分离出了不同周期的目标信号。仿真结果证明了该方法的有效性和先进性。     

基于实值离散Gabor变换的阶比跟踪滤波

提出了基于实值离散Gabor变换的阶比跟踪滤波方法．分析了阶比跟踪滤波为时频滤波的实质,给出了如何通过实值离散Gabor变换实现阶比跟踪滤波的步骤．通过对仿真信号阶比跟踪滤波前后的时频分布、阶比谱和时域信号对比,证实本方法能有效滤除阶比混叠成分．通过延长信号两端采样长度的方法可以消除阶比跟踪滤波后端点的误差．     

时频分析方法及其在自导信号检测中的应用

首先引入时频分析的概念,介绍了短时傅里叶变换、Wigner—Ville分布和连续小波变换的数学表示和性质.其次基于经典检测理论,讨论并比较了它们在高斯白噪声背景下对确知信号的检测问题.最后对它们在自导信号检测应用中的有关问题进行了分析,并指出了需进一步研究的方向.     

基于WVD-Radon变换的宽带延展目标回波参数提取

分析了宽带延展目标的时延-时间伸缩效应及其导致的回波信号在时域和频率域的特性;针对LFM信号的时频分布特点,利用WVD和Radon联合变换技术,提取LFM信号在时-频域分布上的特性参数,提出了一种宽带延展目标回波参数提取方法,得到了目标的时延—时间伸缩分布.仿真结果表明,该方法是可行的.     

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。     

MSPWVD-HOUGH变换的多目标分辨和雷达回波参数估计

传统的时频分析方法,如Winger Ville Distribution,smoothed pseudo Wigner-Ville distribution等在多目标分辨的时候,无法同时在时频分辨率和抑制交叉项两方面同时达到较好的效果,所提出的MSPWVD解决了这一问题,MSPWVDHOUGH还可在低信噪比的情况下检测出多目标,并估算其参数,可利用来进行雷达成像的运动补偿.     

线性核时频信号表示及其仿真

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     

基于分数低阶矩的水声信号滤波新方法

依据分数低阶统计量理论和舰船辐射噪声信号特性,建立了水声信号新的噪声模型,回顾了常规LMS滤波方法,并分析在非高斯噪声下性能退化的原因,提出了一簇基于分数低阶P-范数的LMP水声信号自适应降噪滤波新方法,理论分析和计算机仿真结果表明这种方法在高斯和非高斯(α稳定分布)条件下都具有良好的韧性。     

巴特沃斯滤波器在雷达目标航迹处理中的应用

对雷达目标航迹数据进行在线滤波处理,从而提高雷达测量数据的精度,具有十分重要的意义.提出一种利用巴特沃斯(Butterworth)滤波器实现雷达目标航迹在线平滑处理的方法.分析雷达目标信号的频谱特性,设计并计算出滤波器的参数,将雷达信号的噪声信号放大处理后进行在线滤波.仿真结果表明,本方法具有很好的滤波效果,并且计算迭...     

基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取与识别

针对磁记忆检测中缺陷信号持续时间短且频率范围小的特点,为提取磁记忆信号的有效特征,根据矩阵奇异值的特点,提出一种基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取方法．通过将时频分布矩阵从时间轴和频率轴分别划分为不同局部矩阵,提取出各矩阵的奇异值来构造特征向量．然后,将构造的特征向量作为支持向量机的输入向量对不同检测区域的金属磁记忆信号进行识别．实验结果表明：基于Wigner—Ville分布及局部奇异值分解算法构造的特征向量能有效提取磁记忆信号的特征信息,提高支持向量机的识别精度．     

基于小波变换和支持向量机的水下目标分类方法

水下目标识别技术是世界各国十分重视的研究课题之一,具有重要的理论和应用价值。简要介绍了小波变换、多分辨率分析及支持向量机的基本原理,针对舰船辐射噪声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号的多尺度子空间上提取信号的能量特征参数,归一化处理后构建特征向量,最后用支持向量机算法进行分类。仿真结果表明,利用小波变换的多分辨率分析和支持向量机能对舰船辐射噪声信号进行有效分类识别。