一种多分量调频信号瞬时频率估计方法

针对多分量调频信号的相位结构分析问题,提出了一种基于维特比算法的瞬时频率估计方法。该算法受多目标跟踪中的航迹关联思想启发,将瞬时频率轨迹追踪同多目标航迹跟踪相结合,建立了一种新型隶属度惩罚函数,解决了原维特比算法只适用于单分量信号的问题。此外,还提出了一种新型时频交叉点的处理方法,能够提高多分量信号瞬时频率交叉时的估计精度。仿真表明,相较于现有的同类型算法,该方法能够准确地获取复杂相位结构的多分量信号瞬时频率信息,有效地提升了维特比算法在多分量信号瞬时频率估计上的适用性和稳健性。     

基于脊路跟踪的变分非线性调频模态分解方法

针对多个辐射源信号混合构成的多分量信号分离问题,提出基于脊路跟踪的变分非线性调频模态分解算法. 该方法使用改进的脊路重组算法对时频分布图中各分量瞬时频率进行提取,将提取出的各分量瞬时频率作为变分非线性调频模态分解的预设频率;利用重构后的多分量信号进行瞬时频率提取,更新预设频率后继续模态分解;重复上述过程,直到迭代前、后频率差值小于预设阈值,输出对应的模态分解结果. 实验结果表明,基于脊路跟踪的变分非线性调频模态分解算法比经典变分非线性调频模态分解算法具有更好的多分量信号分离效果.     

基于ESPRIT方法的直升机声目标特征提取

目的提取直升机声信号谐波频率作为特征用以识别直升机. 方法用旋转不变技术估计信号参数法(ESPRIT)从实测的直升机声信号中提取谐波频率,算法采用SVD-TLS. 结果 ESPRIT方法在直升机不同的飞行条件下,用有限长度的数据准确地提取了声信号的谐波频率. 结论用ESPRIT方法提取直升机声信号谐波频率是十分有效的,将谐波频率作为目标特征用以识别直升机是完全可行的.     

基于改进WD的多分量Chirp信号瞬时频率估计方法

对Chirp信号的常用估计方法是Wigner分布峰值(Wigner Distribution Maxima,WDM)法,但在低信噪比情况下,Wigner分布(Wigner Distribution,WD)峰值往往偏离真实值造成瞬时频率(Instantaeous Frequenty,IF)估计误差大.文中提出了一种基于改进WD的多分量Chirp信号瞬时频率估计方法——Wignet Viterbi拟合法(Wigner Viterbi Fjtting,WDVF)法.该方法将信号的WD作为图像,运用Viterbi算法分离出多分量Chirp信号的各个信号分量,再估计出各个分量的瞬时频率.新方法的估计精度高,在低信噪比情况下性能明显优于WDM法,并且WDVF法能较好地抑制时频交叉项与边缘效应.仿真结果表明,在信噪比为-15～-8 dB时,与WDM法相比,WDVF法的瞬时频率估计均方误差能减少约50%,具有良好的工程应用价值.     

宽带非平稳信号的瞬时频率测量方法

针对宽带非平稳信号,提出一种瞬时频率测量方法.利用加限自适应滤波器将信号分解为多个渐进单频信号,根据其解析信号的相位函数求出其瞬时频率;综合所有分量的时频关系实现对宽带非平稳信号瞬时频率的准确测量.仿真实验和误差分析结果表明,该方法克服了Fourier分析、Wavelet变换和Hilbert-Huang算法求解宽带非平稳信号瞬时频率的困难,在整个分析频段都能实现较高的频率测量分辨率,对信噪比在0dB以上的信号具有优于0.2MHz的测量误差.对8μs长度信号,该方法除了有25.816μs初始运算延时外,对连续数据处理具有实时性,能够满足宽带非平稳信号频率的瞬时测量要求.     

基于匹配傅里叶变换舰船回波参数估计方法研究

针对ISAR对非合作机动舰船目标的成像问题,将回波作多分量线性调频信号近似.依据匹配傅里叶变换理论,分析基于匹配傅里叶变换的多分量线性调频信号参数估计的统计特性.研究表明幅值、初始频率和调频率3个参量估计的均方误差均接近Cramer-Rao下界,通过蒙特卡罗仿真实验验证了理论推导的正确性.采用匹配傅里叶变换进行舰船目标回波多普勒参数估计,利用运动补偿完成瞬时成像,获得不同时刻的目标像及目标的运动姿态,实测数据验证方法的有效性.     

基于瞬时谱估计的ISAR距离瞬时多普勒成像算法

在假定散射点回波近似为线性调频信号,并结合逆合成孔径雷达（ＩＳＡＲ）成像中的特殊性（如散射点越距离单元走动）的情况下,提出了基于自适应ＬＦＭ信号分量的“ＣＬＥＡＮ”技术估计回波的瞬时频率,从而得到目标高分辨率的距离瞬时多普勒图像;实验ＩＳＡＲ数据的处理结果表明,该方法是有效的     

采用K-L正交分解降低Chirp信号噪声的方法

由于Chirp信号瞬时频率的估计易受噪声影响,该文利用K-L正交分解,提出了一种降低Chirp信号噪声的方法。K-L正交分解将噪声平均分配到各正交分量,而将信号主要集中在某一最大分量,从而提高信噪比。数学分析和仿真结果同时表明,该方法能降低信号噪声,改善信噪比达6 dB,使瞬时频率估计更为准确。最后,结合Chirp信号自相关函数的特性,对该方法的应用做了进一步的推广。     

利用Duffing振子估计多频信号参数

针对Duffing振子在混沌阈值附近对其临近频率的微小信号敏感而对其他信号免疫的特性,提出利用Duffing 振子估计多频信号参数.将待测多频信号送入Duffing振子中,用多相位振子组法估计各分量的频率,再通过平均特征指数法得到各频率分量对应的幅值和相位.该方法是一种时域分析方法,实现简单,估计精度高,对频率分量接近和低信噪比的多频信号同样适用.仿真结果和分析证明了该方法的有效性     

矢量阵的非空间ESPRIT算法

矢量水听器同时测量声场中某点的声压和质点振速的正交分量,单个矢量水听器可视为空间共点阵.建立了任意阵型矢量阵的数据模型,研究了任意阵型矢量阵的非空间ESPRIT算法.非空间ESPRIT算法不是利用空间2个子阵组成的矩阵对,而是利用矢量水听器不同的输出分量组成矩阵对完成目标的二维角度(水平方位角和仰角)估计.仿真研究了该算法对单个源和多个源方位估计的情况,并利用外场试验数据验证了算法的有效性.结果表明,在当时的试验条件下,常规波束形成获得的主瓣波束宽度为30°左右,而非空间ESPRIT算法对目标方位估计的标准差为3°左右,说明基于矢量阵的非空间ESPRIT算法在未知阵列流形的前提下可对目标进行高精度方位估计.     

OFDM信号的DOA估计

通过分析研究了在 OFDM的频率选择性多径衰落的信号环境下进行 DOA估计的方法 ,针对于正交频分复用 (OFDM)信号的 DOA估计 ,提出了利用 OFDM信号的共轭循环相关等特性 ,对输出信号矩阵进行零点预处理 ,采用 ESPRIT和 MUSIC方法估计信号的 DOA.理论分析和计算机仿真实验均表明了这种方法的有效性     

ESPRIT-Based Feature Extraction of Helicopter Acoustic Signal

目的提取直升机声信号谐波频率作为特征用以识别直升机．方法用旋转不变技术估计信号参数法（ＥＳＰＲＩＴ）从实测的直升机声信号中提取谐波频率,算法采用ＳＶＤＴＬＳ．结果ＥＳＰＲＩＴ方法在直升机不同的飞行条件下,用有限长度的数据准确地提取了声信号的谐波频率．结论用ＥＳＰＲＩＴ方法提取直升机声信号谐波频率是十分有效的,将谐波频率作为目标特征用以识别直升机是完全可行的．     

基于独立分量分析的物联网多设备通信干扰抑制方法

通信干扰信号的增多,严重影响到了物联网多设备的正常通信,因此提出基于独立分量分析的物联网多设备通信干扰抑制方法。物联网多设备通信系统的干扰信号通过梳状滤波器和功率放大器转变为梳状阻塞干扰信号,通过独立分量分析的混合模型、解混模型和假设条件实现干扰信号独立分量分析,分离物联网多设备跳频信号和梳状阻塞干扰信号,实现干扰抑制。实验结果表明,该方法对混合信号的分离效果好,能有效抑制物联网多设备通信中的梳状阻塞干扰。     

一种基于余弦变换的LFM／CW测距系统信号处理方法

LFM／CW体制测距系统将目标距离信息转化为由回波信号与本振信号混频得到的差频信号的频率信息,通过分析该差频信号初始相位与目标距离的关系,研究了在测距中使用余弦变换代替傅里叶变换处理差频信号的可行性,分析了余弦变换引入的测距误差与系统参数间的关系,为减少处理差频信号时的运算量提供了理论参考。     

Method for digital IQ frequency-domain calibration based on conjugate symmetry

To address the problem of IQ imbalance in the demodulation of radar intermediate frequency(IF) signals,this paper proposes a method for digital IQ calibration in the frequency domain based on conjugate symmetry.By modeling the IF signal at the presence of IQ imbalance,its spectral characteristic is first analyzed.The IF signal in the frequency domain can be decomposed into the unilaterally ideal signal and bilateral error signal.Among these,the bilateral error signal can be further decomposed into two components,the mirror-frequency error and the main-frequency error.Then,the relationship between the original spectrum of these two components and the spectrum of their conjugate counterparts is used to conduct some simple calculations for obtaining a frequency-domain estimate of the error signal.Therefore,the estimated error can be used to make the compensation in the IF signal.Experimental results from synthetic aperture radar imaging verify that the proposed method can effectively suppress both the mirror-frequency error and the main-frequency error from the IF signal and calibrate IQ imbalance to achieve the high performance of imaging.     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．     

脉冲性噪声中二维波达方向估计算法

介绍了Alpha稳定分布和其分数低阶矩(FLOM),设计了一种用于2-D波达方向(DOA)估计的阵列配置,并基于相控分数低阶矩(PFLOM)提出了2-D DOA算法.由接收信号的PFLOM协方差矩阵得到有用信号的PFLOM协方差矩阵,对其进行特征值分解,并利用最小二乘或总体最小二乘方法就可得到DOA.最后,比较了基于传...     

A Fault Diagnosis Approach for Broken Rotor Bars Based on EMD and Envelope Analysis

Empirical Mode Decomposition （EMD） used to deal with non-linear and non-stable signals, is a time-frequency analytical method that has been developed recently. In this paper the EMD method is used to filter the noise from the stator current signal that arises when rotor bars break. Then a Hilbert Transform is used to extract the envelope from the filtered signal. With the EMD method again, the frequency band containing the fault characteristic-frequency components, 2sf, can be extracted from the signal＇s envelope. The last step is to use a Fast Fourier Transform （FFT） method to extract the fault characteristic frequency. This frequency can be detected in actual data from a faulty motor, as shown by example. Compared to the Extend Park Vector method this method is proved to be more sensitive under light motor load.