共查询到18条相似文献,搜索用时 104 毫秒
1.
2.
3.
4.
针对在跳频信号跳变时刻和跳变频率估计方面实时性和估计精度无法同时兼顾的问题,提出了一种基于短时傅立叶变换(STFT)和多重信号分类(MUSIC)算法的跳频信号参数估计方法。在建立跳频信号数学模型的基础上,利用STFT选取较大时间窗对整个信号在时域进行粗搜索,生成时频谱图,提取时频脊线从而获得跳变时刻,然后选取较小时间窗在已知跳变时间段利用STFT进行跳变时刻的细估计,并利用MUSIC算法进行频率的精确估计。该方法利用STFT的二次估计,减少了MUSIC搜索范围,从而降低了时间开销。仿真表明该算法的跳变时刻频率估计精度高,实时性能满足参数测量需求。 相似文献
5.
一种新的跳频信号参数盲估计算法 总被引:1,自引:0,他引:1
本文针对通信对抗中的跳频信号参数盲估计问题,提出了一种基于原子分解算法的跳频信号参数盲估计方法.根据跳频信号内部结构的特点,以加窗正弦函数为基函数构造了一种与跳频信号匹配的3-参数时频原子字典,将跳频信号分解为有限个3-参数时频原子的组合,最终根据这些时频原子的参数值来估计跳频信号的参数.仿真实验表明,该方法能够在未知任何先验知识的情况下,对跳频信号的跳周期、跳变时刻和跳频频率进行有效估计. 相似文献
6.
针对跳频信号参数估计中平滑类维格纳分布(WVD)运算量大和时频分辨率下降等问题,提出一种基于形态学滤波与组合时频分布的跳频参数盲估计方法。该方法首先利用短时傅里叶变换(STFT)和维格纳分布得到跳频信号的组合时频分布,然后通过形态学滤波得到清晰的时频图,进而估计出跳周期、跳变时刻和跳频频率等参数。理论分析和仿真结果表明,与直接利用平滑伪维格纳(SPWVD)进行跳频参数估计相比,该方法计算量更小,估计精确度更高。 相似文献
7.
遗传算法具有全局寻优能力强、计算效率高等优点。利用遗传算法和线性回归算法来解决跳频信号盲估计问题,可以有效地估计出跳频信号的各个跳变时刻点、各跳的载波频率和相位。根据跳频信号的特点,给出了遗传算法的染色体编码结构以及选择、交叉和变异算子的设计,并提供了遗传算法的流程图。在计算染色体的适应值时,采用了线性回归法估计信号的载频和相位。最后仿真结果表明,该方法有很好的收敛性。 相似文献
8.
9.
该文针对传统的跳频信号参数估计方法在alpha稳定分布噪声下性能严重退化的问题,引入基于柯西分布的最大似然估计方法。将跳频信号分解到由信号包络参数和频率参数构成的2维平面,基于柯西分布建立最大似然函数,在抑制alpha稳定分布噪声的同时,直接对信号的频率参数进行估计。在构建的最大似然函数基础上,该方法依据跳频信号的短时平稳性,对信号进行加窗,有效获得信号的跳频频率及其跳变次序,进而实现对信号的跳变时刻和跳频周期等参数的估计。仿真结果表明,在alpha稳定分布噪声环境中,相比基于分数低阶统计量及基于Myriad滤波的时频分析方法,该文所提方法提高了跳频信号的参数估计精度,具有良好的稳健性。 相似文献
10.
一种短波跳频信号参数估计的方法 总被引:1,自引:0,他引:1
针对短波跳频信号跳速慢、一跳持续长、多径效应的特点,采用多窗口叠加,把截获信号分成若干段,分别对其进行重排Gabor谱分析,提取频率脊线,再把脊线按顺序拼成一个整体,从而提取跳频信号的参数。 相似文献
11.
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.
针对多路混合的同步组网跳频信号,提出了一种基于时频分析的盲分离方法。首先利用同步组网的各跳频信号中各信号跳时相同、跳周期相同等特点,利用平滑伪魏格纳分布(SPWVD)提取信号在时频分布上的特征值。在此基础上,采用基于短时傅里叶变换(STFT)时频比方法对同步组网跳频电台信号进行分离。仿真实验表明,这种方法能有效分离同步组网电台跳频信号,且在跳频间隔较小时,依然具有良好的分离效果。 相似文献
14.
15.
Considering the Gaussian asymptotic features of OFDM signals, the identification method of it is proposed in this paper by using the cumulants of the wavelet transform coefficients in different layer in a low SNR circumstance. Furthermore, taking the coexistence of the OFDM and Frequency Hopping (FH) signals into account, a new way to separate FH and OFDM signals is proposed based on SPWVD spectrum cancellation, and it can be used to estimate the FH parameters. The simulation results show that the OFDM and single-carrier signals can be identified with a high correct rate of 95% even at -6 dB SNR; meanwhile, the separation of mixed OFDM and FH signals can be achieved with a low SNR of-6 dB, and FH parameters can be estimated accurately. It shows that the recognition performance is improved by about 5 dB compared with the traditional method. 相似文献
16.
17.
18.
在实际接收到的电台瞬态信号通常都表现出非平稳性或非线性,可以通过对此类信号的瞬时参数的估计达到信号检测及电台个体识别的目的。然而,利用传统的方法如希尔伯特变换或小波变换对这些非平稳信号进行处理时常常会遇到困难。提出一种基于固有时间尺度分解的非平稳信号瞬时参数提取及电台个体识别方法,仿真试验结果证明了该方法的有效性。 相似文献