共查询到19条相似文献,搜索用时 140 毫秒
1.
信号脉内特征提取技术是雷达对抗系统分选、识别截获信号的关键技术。提出了一种首先用小波分析对脉内频率编码信号进行去噪,在此基础上再利用小波脊线法提取脉内特征的方法。计算机仿真验证了算法的有效性,具有一定的应用价值。 相似文献
2.
3.
信号脉内调制信息识别技术对密集和复杂电磁环境中辐射源的分选和识别有着重要意义。通过讨论小波变换法、伪WVD法等典型LFM信号调制特征提取方法,提出了将小波变换法和伪WVD法提取的结果进行截断综合,再提取时频图脊线的新算法。实现了在低信噪比条件下,准确提取LFM信号的调制特征。仿真结果证实了算法的可行性。 相似文献
4.
二相编码信号的调制特征对于信号的分选和识别是很重要的参数。在利用小波变换提取二相编码信号的调制特征时,尺度参数的设置很重要,他影响到小波脊线提取。通过正弦波频率估计的综合方法来精确地估计出信号的载频,并得到合适的尺度参数,再得到小波脊线。利用小波变换的模值来得到二相编码信号的调制特征。仿真试验验证了此方法的有效性。 相似文献
5.
基于时频分析的跳频信号的参数盲估计方法 总被引:2,自引:0,他引:2
采用平滑伪Wigner—Ville分布(SPWVD)来估计跳频信号载波频率,提取频率脊线,对频率脊线进行一次小波变换来估计未知跳频信号的参数,该方法可以在不需要知道跳频信号任何先验参数的情况下,估计出信号的码元速率,载波频率改变时刻。对频率编码信号的WVD,PWVD和SPWVD结果作了比较,指出了SPWVD的优点,给出了基于时频分析跳频信号参数估计的具体算法步骤.计算机仿真表明该方法是行之有效的。 相似文献
6.
在利用小波变换提取二相编码信号的调制特征时,尺度参数的设置很重要,文中通过正弦波频率估计的综合方法来精确的估计出信号的载频,从而得到合适的尺度参数,并得到小波脊线.通过计算小波脊线上小波变换的模值来得到二相编码信号调制特征.实验结果表明了此方法在较低信噪比下的有效性. 相似文献
7.
8.
9.
时频分析是脉内特征分析中常用的一种方法,通过提取雷达脉冲信号的小波脊函数可以获得脉内调制信号在每个采样点的瞬时频率,然后再使用神经网络的方法对小波变换提取出的瞬时频率进行分析,便可以得到信号的脉内调制特征。以MoBet小波和多层感知器为例,对低信噪比下的典型雷达信号进行了仿真分析,结果验证了小波-神经网络分析脉内特征的有效性。 相似文献
10.
为提高海事监测中高频地波雷达(High Frequency Surface Wave Radar,HFS-WR)对运动目标的检测准确率,提出了一种基于频谱细化和小波尺度谱重排时频分析的运动目标检测算法.对HFSWR的接收信号进行频率细化处理以提高后续时频分析的频率分辨率;然后,进行基于Morlet小波的时频分析以提取目标的时频分布特征,为提高时频分布的集中性和抑制交叉项干扰,对小波尺度谱进行重排;根据得到的时频分布特征实现可疑目标区的精确检测.实验结果表明:该算法能有效检测多普勒频率相差很小的运动目标以及海杂波附近的运动目标,可用于对常规目标检测算法无法判定的可疑目标区域进行精细、准确的目标检测与分析. 相似文献
11.
经验小波变换是最近提出的非平稳信号分析方法,针对其不足,提出了一种改进的经验小波变换方法;同时结合瞬时频率新定义,提出了一种非平稳信号时频分析新方法.该方法首先通过改进的经验小波变换将一个复杂的非平稳信号自适应地分解为若干个具有紧支集频谱的内禀模态函数之和;再通过对每个内禀模态函数进行解调,得到原始信号的时频分布.将提出的方法应用于滚动轴承试验数据分析,并将其与希尔伯特黄变换进行了对比,结果表明,论文提出的方法能够有效地诊断滚动轴承故障,且诊断效果优于希尔伯特黄变换方法. 相似文献
12.
针对低信噪比条件下雷达信号分选识别算法识别率低且复杂度高的问题,提出了一种基于多重同步压缩变换(MSST)的雷达辐射源分选识别算法。首先通过MSST得到信号的时频图像矩阵;然后,对时频图像进行预处理,提取出时频图像的灰度共生矩阵纹理特征和Zernike矩特征;同时提取了信号的功率谱参数特征和平方谱统计特征,组成特征参数向量;最后利用支持向量机分类器实现了对雷达信号的自动分选识别。仿真结果表明,在信噪比为-2 dB时,该算法对9种雷达信号(CW、LFM、NLFM、BPSK、MPSK、Costas、LFM/BPSK、LFM/FSK和BPSK/FSK)的整体平均识别成功率大于96.5%。 相似文献
13.
14.
15.
通过对FSK/PSK混合调制雷达信号脉内特征的分析,提出了一种FSK/PSK混合调制信号多参数估计方法。利用快速四阶循环累积量算法、时频脊线分析与小波变换相结合的方法,实现了跳频频率和码速率等参数的高精度估计。仿真表明,该方法可在较低信噪比下得到该混合调制信号的多参数高精度估计,具有较高的工程应用价值。 相似文献
16.
17.
18.
为了解决非平稳信号的时频图特征难以提取的问题,提出了基于小波变换和残差神经网络的全盲频谱感知方法。该方法通过连续小波变换将捕获的主用户信号变换成时频信息矩阵,同时转化为图片作为输入,通过残差网络进行训练和识别。仿真测试了不同小波基对非平稳信号的分解能力和所提算法在各种复杂无线信道环境下对非平稳信号的检测性能和泛化能力,以及对不同主用户信号的适应能力。结果表明,在信噪比为-16 dB时,该方法能在虚警概率为0.1时达到0.92的检测概率,同时amor小波更适合用于非平稳信号的分解且训练识别能力更优。 相似文献