共查询到19条相似文献,搜索用时 109 毫秒
1.
2.
3.
针对动态出现和/或消失的时频信号,本文提出了一种时频模型和分析方法.该模型以时频信号各分量的幅度和相位为状态变量,并利用多项式预测模型为它们建立起状态方程,再视多分量混合时频信号的观测为测量方程,这就为多分量时频信号建立了状态空间模型.为了应对时频信号分量动态出现和/或消失的情况,本文利用非参数迭代自适应谱估计方法对时间加窗的信号进行分析,得到该时间窗内的短时谱,以该短时谱中噪声谱的3倍标准差准则来确定信号分量的数目.由此,基于提出的模型,就可利用无迹卡尔曼滤波算法来分析动态出现和/或消失的时频信号.分析和仿真均表明:提出方法无论在精确度、分辨率以及交叉时频谱分离等方面均优于文献报道的方法. 相似文献
4.
线性正则变换作为傅里叶变换、分数阶傅里叶变换更为广义的形式,已经在光学和信号处理等领域得到了应用.短时傅里叶变换是一种线性时频分布,避免了其他双线性时频分布中出现的交叉项干扰,是分析时频信号的有力工具.本文从线性正则变换的定义和性质出发,研究了线性正则变换与短时傅里叶变换的时频关系,提出了基于线性正则变换与短时傅里叶变换联合的时频分析方法,避免了交叉项问题能够实现chirp信号干扰抑制和多分量时频信号分离.最后用仿真实例表明,该方法是分析时频信号的有效手段. 相似文献
5.
针对传统时域或频域分析方法对时域、频域交叠但时频域不交叠的多分量信号分离能力不足的问题,提出了一种基于图像处理技术的分离方法.首先对多分量信号进行短时傅里叶变换(STFT),在获取多分量信号时频图像的基础上,引入图像处理技术,实现时频图像二值化,得到多分量信号的二值图像,并利用连通区域标记法对各分量进行定位;最后利用透分量消除法,将定位后的各分量依次提取出来,从而实现时频平面上的各分量分离.仿真实验表明,该方法能够实现多分量信号的有效分离,为后续信号的识别和参数估计奠定了基础. 相似文献
6.
7.
8.
9.
对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取方法.首先采用基于加权迭代自适应的STIAA时频分析方法分析了散射点模型的微多普勒特性,然后利用逆Radon变换分离重构不同散射点的微多普勒分量.该方法在低信噪比、邻近时频分布情况下能获得高分辨的多分量信号的完整微多普勒信息,性能分析显示STIAA-IRT重构精度较高,明显优于STFT-IRT (Short Time Fourier Transform-Inverse Radon Transform)和SM-IRT (S-Method-Inverse Radon Transform)特征提取方法. 相似文献
10.
11.
采用二次型时频分析方法对多分量线性调频信号进行分析,获取信号的时频域能量分布。首先讨论了线性调频信号的两种二次型时频分布:魏格纳-威尔分布及其改进形式——重排魏格纳-威尔分布;在此基础上,进一步对比验证了霍夫变换和若当变换对线性调频信号时频域能量的积累效果,以实现噪声背景中的多分量线性调频信号检测。仿真结果显示基于二次型时频分布的处理是实现多分量线性调频信号检测的一个有效方法。 相似文献
12.
交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。 相似文献
13.
提高时频分辨率对多分量非平稳信号的分析与重建具有至关重要的作用。传统的时频分析方法由于窗口固定,分析频率变化较快的信号时存在时频聚集性不高的问题,无法自适应分辨多分量信号。该文针对频率快速变化信号,利用信号的局部信息特征,提出一种自适应的时频同步压缩变换算法。该方法有效提升了已有同步压缩变换时频分辨率,特别适用于频率接近且快速变换的多分量信号。同时,利用可分性条件,该文提出利用局部瑞利熵值对自适应窗口参数进行估计。最后,通过对合成信号和实测信号分析,证明了所提方法的可行性,对分析和重建复杂非平稳信号具有重要意义。 相似文献
14.
针对空中飞机目标的微多普勒效应提出一种基于时频图与深度神经网络分离直升机、螺旋桨和喷气式三类飞机旋转部件和机身的方法。本文从飞机目标时频图像素差异着手,根据深度学习语义分割网络提取飞机目标时频掩膜图,将掩膜图与飞机目标多分量时频矩阵进行乘法拟合,实现三类飞机目标多分量信号分离。通过建立的仿真数据集进行多组实验,结果表明对飞机目标多分量信号,深度学习语义分割网络提取时频掩膜的方法能够很好地分离机身和旋转部件信号,并起到抑制杂波的效果。 相似文献
15.
16.
针对多分量信号重构的问题,该文提出了一种新颖的类傅里叶变换方法,并对其基本性质进行了分析.采用该方法将频域上混叠但在时频二维频谱图上不重叠的多分量信号变换到类傅里叶变换域,使之在频谱上不产生混叠,从而达到信号分离重构的目的.与分数傅里叶域最优滤波的方法进行的对比分析说明,类傅里叶变换方法的适用范围更宽.文中对非线性的多分量调幅信号进行了仿真计算,得到了满意的结果.表明该方法在信号检测和分析方面具有应用价值. 相似文献
17.
18.
研究利用谐波小波子带分解消除 Wigner-Ville 分布交叉项的雷达信号时频联合分析方法。通过对多分量信号进行子带分解预处理来消除信号之间以及信号与噪声之间的相互影响, 并求取个独立分量的 WVD,最后进行线性求和获得原始信号时频分布。仿真分析结果表明,对于在频域无交叉点的多分量信号,该方法能够有效抑制交叉项和噪声的干扰,提高了时频分辨效果并能准确提取出目标的特征信息,检测效果优于传统 WVD 分析方法,将有助于提高雷达信号检测、特征提取的能力。 相似文献
19.
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