共查询到18条相似文献,搜索用时 703 毫秒
1.
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。 相似文献
2.
3.
4.
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。 相似文献
5.
LFM信号的分数阶傅里叶域自适应滤波算法研究 总被引:1,自引:0,他引:1
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。 相似文献
6.
基于FRFT的LFM信号自适应滤波算法及分析 总被引:1,自引:0,他引:1
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. 相似文献
7.
8.
9.
10.
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。 相似文献
11.
12.
13.
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. 相似文献
14.
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
15.
16.
17.
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. 相似文献