时相调制信号的S变换和反变换性能分析

将S变换(ST)时频分析方法应用到时相调制(TPM)信号的分析和处理中。ST及其反变换(IST)分别有多种实现算法,这些算法组合的选择对TPM解调系统的性能有重要影响。在介绍ST和IST多种实现算法的基础上,仿真了TPM信号的ST和IST,对比分析了各种算法组合的性能。仿真结果表明:在恢复TPM信号波形方面,fST-fIST组合的性能最优,tST-tIST(mtIST)组合的性能次之,交叉算法组合的性能最差。所得结论为后续的TPM信号滤波和检测过程中ST和IST算法的选择提供了重要依据。     

短时傅里叶变换在线性调频信号时频滤波中的应用

将短时傅里叶变换（STFT）的时频分析方法应用到线性调频（LFM）信号的滤波中, 突破了传统匹配滤波方法基于平稳假设的限制,将信号分析空间从一维频率域扩展到二维的 时间-频率域。利用自滤波的时频滤波方法进行LFM信号的滤波,然后分别采用时域和时频域 的均方误差（MSE）标准,分析了时频滤波的性能。仿真结果表明,基于STFT的时频滤波方 法能有效实现对LFM信号的滤波。     

基于时频加窗短时傅里叶变换的LFM干扰抑制

通过对线性调频(LFM)信号分数阶傅里叶变换的分析,该文提出了一种基于时频加窗短时傅里叶变换(TFW-STFT)的LFM干扰抑制算法。由于提出的时频窗对LFM干扰具有较好的频域能量聚集性能,因此TFW-STFT对信号的影响要小于无聚集性能的短时傅里叶变换。仿真结果证明该算法在信噪比损失和系统误比特率上明显优于基于短时傅里叶变换的算法。     

一种基于短时傅里叶变换的机载SAR自聚焦算法

短时傅里叶变换(Short-Time Fourier Transform, STFT)是研究非平稳信号最为广泛使用的重要方法。该文在讨论了利用STFT对线性调频信号(LFM)进行滤波以及调频率估计后,提出一种基于STFT的机载SAR自聚焦算法。该算法首先利用STFT对影响SAR图像质量的主要相位误差二次相位误差(QPE)进行估计和补偿,然后在残余相位误差估计时利用STFT对时变信号进行滤波以提高信杂比(SCR)。仿真和实测数据的处理结果验证了该文算法的有效性。     

LFM信号的分数阶傅里叶域自适应滤波算法研究

对于线性调频信号(LFM)的滤波,采用处理平稳信号的方法对其滤波往往得不到很好的效果。本文利用了线性调频信号在分数傅里叶变换域上具有很好的时频聚焦性的特点,来实现信号在分数阶傅里叶域的自适应滤波,自适应滤波算法采用改进的步长LMS方法,对传统的LMS算法做出了改进,算法中步长处理中引入了一个限制因子,可以较好地解决算法收敛速度和稳态失调量之间的矛盾。仿真结果表明,此算法在处理分数阶域的LFM信号滤波比传统的LMS算法有较好的滤波效果。      

基于FRFT的LFM信号自适应滤波算法及分析

针对线性调频(LFM)信号自适应滤波问题,利用分数阶傅里叶变换(FRFT)对LFM信号良好的能量聚集性的特点,提出了一种分数阶傅里叶域LFM信号自适应滤波算法.算法采用分级迭代运算的方法确定最佳变换角度,保证参数估计精度的同时,降低了运算量.结合泄漏LMS(LLMS)和归一化LMS(NLMS)算法,对传统LMS自适应算法的跟踪和滤波性能进行了改进,并给出了算法的收敛条件.在加权矢量的迭代公式中引入泄露因子,降低了记忆效应对滤波器的影响;并对自适应步长进行功率归一化,提高了收敛速率.仿真分析了参数对算法收敛性能的影响,结果表明,当输入LFM信号频率变化较快时,算法有较好的收敛性能和较小的均方误差,同时在低信噪比(SNR=10 dB)下也有良好的滤波效果.     

基于时频表示的LFM信号参数估计方法

宽带非平稳干扰LFM信号对DSSS系统通信性能威胁较大,为抑制其干扰,必须估算LFM信号参数。在此介绍了几种时频表示方法及其特点,然后采用Radon变换或Hough变换相结合的方法进行LFM信号参数估计,讨论了LFM参数估算过程对时频表示方法的要求。分析表明,选择适当的函数是时频分布估计LFM信号参数的重点,分数傅里叶变换有相对好的LFM信号参数估计性能。     

LFM的一种自适应滤波方法

研究了白噪声环境下线性调频信号的自适应滤波问题。提出了一种LFM自适应滤波算法,该算法利用分数阶傅里叶变换将LFM信号转化为正弦信号,在u域进行自适应滤波,利用分数阶傅里叶反变换得到滤波后的时域信号。该算法为白噪声下LFM信号增强、滤波提供了一种算法框架。性能分析表明,该算法的滤波效果取决于自适应滤波器的效果。最后仿真表明该算法效果明显,计算方便。     

DSSS系统LFM干扰抑制技术研究

针对传统的傅里叶变换只能对平稳干扰信号具有较好的抑制能力而对非平稳的LFM干扰信号不能有效抑制,该文引入了分数阶傅里叶变换（FRFT）,在分数阶傅里叶域给出了一种LFM信号最佳旋转角度确定的算法,并利用该算法对LFM在分数阶傅里叶域进行干扰抑制。仿真结果表明,该算法能够准确确定LFM信号在分数阶傅里叶域的最佳旋转角度,...     

高斯噪声下跳频信号的提取与噪声抑制

本文提出了一种在高斯白噪声环境下提取跳频信号的算法,将广义S变换(GST)和短时傅立叶变换(STFT)相结合,引入形态学图像处理技术,分别对其时频谱图进行平滑和锐化,结果进行乘积合并后,设计一种针对跳频信号的时频滤波算子进一步抑制噪声,提升跳频信号,得到高分辨率稳健的时频图案。仿真实验证明该算法得到的时频图案信噪比有明显提高,时频分辨率也有很大改善。     

基于重叠变换和时频分析的自适应抗干扰算法

将时频分析和重叠变换结合,提出了一种新的直接序列扩频通信窄带干扰抑制算法,通过重叠变换将多分量信号分解成为一系列单分量信号并通过维格纳分布法确定单分量干扰的频率。在此基础上设计了一自适应滤波器抑制掉干扰。这种方法对平稳信号和非平衡信号同样适用。给出相应的计算机仿真结果,并与其它变换域算法进行了比较。     

基于小波的信号去噪分析

由实际应用可得,作为一种新的多辨认分析方法的小波变换,由于具有多分辨特征和时频局部性,可同时进行频域和时域分析,所以特别适用于进行非平稳信号的处理。首先介绍了小波分析的信号去噪原理,其次接着阐述了4种去噪算法：小波分解与重构去噪方法、模极大值检测法、阈值法及平移不变量小波去噪法。对于叠加了高斯白噪声的仿真信号,分别将上述的4种方法用于去噪处理,并通过仿真过程不同及图形差异对几种方法进行比较。     

非平稳信号分析的广义解析模态分解方法

现有的非平稳信号分析方法都有各自不同的缺陷,短时傅里叶变换的时频分辨率受不确定性原理的限制,希尔伯特黄变换存在端点效应和模态混叠,易导致模糊的时频分布;解析模态分解只适合分析频率恒定的多分量信号;针对包含多个时变模态、特别是频谱重叠的非平稳信号,本文提出了一种新的信号分析方法———广义解析模态分解（Generalized Analytical Mode Decomposition,GAMD）．GAMD通过广义傅里叶变换将时变频率转换为频谱可分的,采用解析模态分解对其分解,再对得到的单分量信号进行逆广义傅里叶变换即可得到原始信号的分量．因此,GAMD非常适合分析时变的非平稳信号．通过仿真信号将GAMD与短时傅里叶变换和希尔伯特黄变换等方法进行了对比,结果表明GAMD方法的分解效果更精确,时频分辨率更高．     

基于小波变换和残差神经网络的全盲频谱感知方法

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。     

基于Radon-STFT变换的含噪LFM信号子空间分解

由于线性调频信号占有非常宽的频带,用奇异值分解就不能将含噪线性调频信号分解成信号子空间和噪声子空间,针对这一缺陷,本文提出了一种基于时频面旋转的含噪线性调频信号的子空间分解算法。文中分析了算法的性质,并提出了“伪信号子空间”的概念和用于检测直线倾角的Ｒａｄｏｎ－ＳＴＦＴ变换,理论分析和仿真实验的结果表明了这种子空间分解方法对一类含噪线性调频信号是可行的。     

LFM signal detection using LPP-Hough transform

This paper presents a new method to detect linear frequency modulated (LFM) signals by jointly using the local polynomial periodogram (LPP) and the Hough transform. Theoretical comparison is made on the 3 dB signal-to-noise ratios (SNRs), achieved by the pseudo-Wigner-Ville distribution (PWVD) and the LPP, to show that the latter is important to achieve significant increase of noise margins in the Hough transform domain. The results of computer simulations are presented for the detection of mono- and multi-component LFM signals corrupted by additive white Gaussian noise and impulsive noise. It is also found that by using the time-frequency filtering, the computational complexity of the detection can be substantially reduced. Both the theoretical analysis and the simulation results show that the proposed method achieves significant performance improvement on detecting the LFM signals in very low signal-to-noise ratio environments.     

基于时频分析法的地磁数据研究

对于非平稳随机信号,使用时频分析法可兼顾信号的时域和频域的局部特征。因此,采用短时傅里叶变换和小波变换对榆林台地磁秒数据进行分析研究,并总结这两种时频分析方法在地磁数据分析中的应用效果。