线性调频信号分数阶频谱特征分析

线性调频信号是一种典型的非平稳信号,广泛应用于雷达、声纳、通信等领域.分数阶Fourier变换是一种新兴的时频变换,由于其独特的性质,成为线性调频信号检测与参数估计的一种良好工具.尤其是,作为一种线性变换,分数阶Fourier变换在处理多分量线性调频信号时能够避免交叉项的干扰.但是,多分量线性调频信号在分数阶Fourier域也存在相互影响的问题.为了分析该问题,研究线性调频信号在分数阶Fourier域的频谱分布特征是非常必要的.本文根据分数阶Fourier变换的定义以及分数阶Fourier变换与时频分布的关系,分析了线性调频信号在分数阶Fourier域的频谱分布特征,以及线性调频信号的分数阶频谱分布与分数阶旋转角α的变化关系;根据离散分数阶Fourier变换的实现算法,讨论了线性调频信号在离散分数阶Fourier变换条件下的分数阶频谱的分布特征,以及线性调频信号在分数阶Fourier域的能量谱的近似表达式.最后,利用LFM信号的分数阶频谱的分布特征,分析了多分量LFM信号中的信号尖峰偏移问题,并给出信号尖峰发生偏移的条件.本文为定量分析分数阶Fourier域多分量线性调频信号之间的相互影响奠定了基础,为改善分数阶Fourier变换对多分量线性调频信号的处理能力提供了参考.     

一种针对多分量信号的复延迟型时频分布的实现方法

 复延迟型时频分布(CTD)是近年来提出的一种新型时频分布.对于单分量调频信号,CTD具有良好的时频聚集性.但是对于包含两个或两个以上分量的多分量调频信号,直接采用定义式或传统频域卷积方法实现的CTD会产生大量的互交叉项,影响了它在各领域的应用.本文对CTD的传统频域卷积实现方法进行了三方面的修正,提出了一种适合多分量调频信号的修正型CTD频域卷积实现方法.仿真结果表明,本文方法对于多分量调频信号,既保持了CTD所固有的时频聚集性高的优点又极大地抑制了不同信号分量间的互交叉项.     

多窗口时频重排-Hough变换在雷达回波信号中的应用

针对时频重排变换在处理相距很近的线性调频雷达回波信号时存在重排振荡,易形成伪尖峰导致误检测的问题,提出了将时频重排和多窗口方法相结合的多窗口时频重排算法以降低重排振荡提高时频聚集性,然后再结合二值积累和Hough变换对能量相差较大的多分量雷达回波信号进行检测。仿真结果表明,该方法可以有效的检测出相距很近的雷达回波信号,同时抗噪声能力强,检测精度较高。     

基于重排方法的多分量线性调频信号分析

多分量线性调频信号的魏格纳分布(WVD)交叉项严重，而其平滑伪魏格纳分布(SPWVD)虽然抑制了交叉项但降低了时频聚集性。本文利用重排平滑伪魏格纳分布(RSPWVD)分析多分量线性调频信号，并以旁瓣电平(SLL)、交叉项干扰抑制(CTR)、分辨率损失(RL)等指标定量比较了它们的性能。仿真结果表明，RSPWVD旁瓣电平最低，交叉项抑制最好，分辨率损失最少。     

基于FRFT的非线性调频信号检测

基于分数阶傅里叶变换提供了信号从时域到频域平滑变化的特点,将分数阶傅里叶变换应用到非线性调频信号的估计和检测中,对非线性调频信号进行分段线性逼近。利用逼近后信号的Wigner—Ville时频分布以及原信号的时频分布的掩模结果进行能量累积,将积累结果作为检测统计量。在本算法中,以时频联合分析的角度,提出了基于时频域能量积累的信号检测器。最后将本方法和传统的非相干能量积累方法作比较,提出的算法获得了较好的检测性能。     

非线性调频信号的自适应时频滤波算法

针对传统的时域或频域滤波算法对非线性调频信号滤波去噪效果不好的问题,本文提出了一种时频域内非线性调频信号的自适应滤波去噪算法。首先对原信号进行广义S变换获得其时频分布,接下来利用有效信号时频分布特性选取时频通域,构造区域滤波算子并去除掉时频通域外的噪声分量的时频分布;然后利用有效信号分量的时频聚集性构造自适应时频滤波算子,对含有随机噪声的有效信号分量进行滤波处理,得到滤波去噪后的信号的时频分布;最后利用广义S逆变换将处理后的时频分布变换到时间域,得到滤波去噪后的信号。通过仿真实验的结果可知,本文提出的算法在非线性调频信号的滤波去噪和有效特性保持方面取得了较好的效果。      

典型非线性固定核函数时频分布的性能分析

传统的傅立叶变换无法满足对非线性、非平稳信号的分析,时频分析旨在构造一种时间和频率的密度函数,能够反映非平稳信号的时变特征,是非平稳信号分析的有力工具。文章讨论了魏格纳-威尔分布、伪平滑魏格纳-威尔分布及乔伊-威廉斯分布三种固定核函数时频分析方法的性能特征,进行计算机仿真,最后总结这三种分布在时频分辨率、抗干扰能力和信号适用性方面的优缺点。     

基于RPRG+ICCD与RANSAC的多分量多项式相位信号参数估计

多分量多项式相位信号的检测和参数估计是多项式相位信号处理的一大难点。时频分析方法能够通过时频分布表征多项式相位信号的瞬时频率,通过对提取的瞬时频率进行多项式拟合得到其系数,经过简单的变换即可获得多项式相位信号的参数。文中利用RPRG+ICCD分离多分量多项式相位信号得到各个分量的瞬时频率,再使用RANSAC进行多项式拟合,最终实现了多项式相位信号的参数估计。实验结果表明,文中提出的方法能够实现在时频域部分重叠的多分量多项式相位信号的分离和参数估计。     

基于混合时-频分布的信号检测与瞬时频率估计

提出了一种基于分数阶线性及分数阶非线性时-频分布混合法,该方法将分数阶维格拉分布与加窗分数阶短时傅里叶变换相结合,在适当的分数阶时-频域进行信号检测与瞬时频率的估计.对于多分量信号,该方法能够有效地消除交叉项,同时提高自项的时-频分辨率.在对线性调频信号检测与瞬时频率估计应用中,计算机仿真表明该方法是有效的,具有良好的工程应用前景.     

基于时频图像处理方法的多分量信号分离

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.     

多分量线性调频信号检测方法

现代雷达体制下,线形调频(LFM)信号是一种常用的脉冲压缩雷达信号。为了精确获取多分量线性调频信号中分量的数量,引入聚类方法对LFM信号的Radon-时频分析结果进行聚类分析,同时完成多个分量的检测；为了减少聚类分析的输入数据集和提高计算效率,对Radon-时频分析结果进行了近似零均值处理,并分析了不同信噪比情况下的处理结果。仿真和试验结果表明：在较低信噪比条件下,这种方法可有效地检测多分量LFM信号中分量数和进行参数估计。     

多分量线性调频信号的Wigner-Ville分布交叉项去除

针对多分量线性调频信号WVD（Wigner-Ville Distribution）检测中的交叉项问题,提出一种交叉项去除方法.利用自项和交叉项的频率特性,将WVD时频矩阵进行坐标旋转,在变换域上滤波去除交叉项.理论推导了矩阵旋转变换公式以及旋转后自项和交叉项的表达式,并且针对缓慢震荡的交叉项受滤波器性能限制不能完全去除的情况,提出能量加权的方法进行改进.仿真和实验结果验证,该方法不仅能够去除交叉项,且不会降低分辨率.     

一种多分量LFM信号脉内调制特征的提取方法

本文提出以多分量LFM信号的时频分布作为图像，利用Hough变换检测图像中直线的原理，将多分量LFM信号脉内特征的提取转换为在参数空间寻找局部最大值及其坐标的问题，通过查找表的方式和对最大峰值邻域进行截取，依次实现对各分量的脉内特征提取。仿真实验表明，该方法能够有效地提取多分量LFM信号各自分量的脉内特征，具有较高的抗噪声性能．且对交叉项有一定的抑制作用。     

强噪声环境下的多分量LFM信号识别

提出通过固定延迟的模糊函数来识别多分量LFM信号的线性调频率。然后利用识别出的线性调频率对信号进行解线调,再对解线调后的信号进行FFT来识别每个LFM信号分量的初始频率。最后对该方法进行了计算机仿真验证,仿真结果表明该方法能对强噪声环境下的多分量LFM信号进行有效识别。该方法计算量小、可靠性高,完全可以在工程上实现对多分量LFM信号的实时侦察识别。     

一种基于Radon变换的时频分析方法

针对CW脉冲和线性调频(LFM)信号,利用Radon变换沿直线积分的特性,将其与时频分布(TFD)结合在一起,抑制多频率分量信号各个分量之间的交叉项干扰,提高时频分布的时频二维分辨力。通过仿真数据验证算法具有良好的时频分辨能力以及抑制交叉项干扰能力。     

用于多分量线性调频信号的自适应核分布分析

该文针对多分量线性调频信号,提出了一种新的自适应核时频分布-自适应高斯核分布,并给出了有效的核函数估计准则;以自适应高斯核分布为例,分析了采用自适应核时频分布对信号自身项及交叉项的影响,从而说明自适应核相对于固定核的优势所在;总结了基于模糊域自适应设计多分量线性调频信号核函数的一般方法。计算机仿真结果表明了自适应高斯核分布在抑制交叉项并保持较高时频分辨力方面的有效性。     

基于时间-调频斜率分布的多线性调频信号检测与参数估计

该文提出并分析了多线性调频信号的时间-调频斜率分布,并提出了一种基于该分布的多线性调频信号检测和参数估计方法。性能分析和仿真表明该方法是一种渐进最优的估计方法,具有高的参数估计精度和检测性能,且能用于低信噪比的场合。     

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。     

基于支持向量聚类的多分量线性调频信号检测

为了精确获取多分量线性调频(Linear FM, LFM)信号中分量的数量,该文引入支持向量聚类(Support Vector Clustering, SVC)算法对LFM信号的Radon-时频分析结果进行聚类分析,完成多个分量的检测;并通过减少SVC算法中输入集样本数量和改进聚类标识方法为直接聚类标识法,提高了SVC算法的计算效率。仿真结果表明:在较低信噪比条件下,Radon-时频分析和SVC结合的方法可有效地检测多分量LFM信号中分量数和进行参数估计。