基于多抽样率系统的频谱多分辨率算法研究

快速傅里叶变换作为最常用的变换只能得到单一分辨率的频谱,给实际应用带来很多问题。本文介绍的基于多抽样率系统的变频谱多分辨率算法可以得到变分辨率的频谱,并针对多分辨率算法可能丢失突变信号频率的问题,提出了多分辨率改进算法。从仿真对比研究的结果看出,该方法比传统的信号分析方法更为优越。     

宽波束高频雷达的超分辨率时-空级联处理

针对在宽波束高频雷达目标探测中传统傅立叶变换频谱分析方法多普勒分辨率较低的问题,提出了一种全超分辨率的时-空域级联信号处理方法.首先利用多重信号分类(MUSIC)算法获得频域超分辨率谱估计,构造出相应于各信号频率的信号子空间,将原始信号向各子空间进行投影变换以获得相应于各信号频率的阵列快拍,然后利用其进行空域超分辨率谱估计,获得相应的到达角.利用该方法能有效地采用短相干积累时间进行多目标的频率-到达角参数估计,从而有效地提高了宽波束高频雷达的目标探测和跟踪性能.数值仿真实验验证了该方法的有效性.     

提高并行交替式高速数字化系统分辨率的研究

本文是关于幅度非均匀取样信号理论及其应用的第二篇论文.本文首先分析了文献[1]中的偏置误差对输入信号频谱的影响,说明了提高幅度分辨率的基本原理,然后推导出了输入信号为正弦信号时附加信号的频谱表达式,提出了两种提高该系统的幅度分辨率的方法.最后进行了计算机仿真,给出了系统的有效位数和输入信号频率的关系曲线.     

基于信息熵的自适应窗长STFT算法在AFVISAR中的应用

在用短时傅里叶变换（STFT）对全光纤速度干涉仪（AFVISAR）的输出信号进行瞬时频率估计时,由于窗长固定,频谱的时频分辨率不能根据信号特点而改变。为了解决这个问题,提出一种基于最小信息熵准则的自适应窗长STFT算法。仿真结果表明,该算法可以根据信号特征有效地解决时间分辨率和频率分辨率之间的折衷,提高瞬时频率估计的准确性。     

改善直接数字合成周期信号频率 分辨率的两种波形序列

在利用直接数字合成方法产生周期性宽带通信对抗背景信号时,信号的频率分辨率、带宽及频谱复杂度直接受限于合成系统的工作频率和存储容量.本文提出两种波形序列,能够在不改变合成系统工作频率和存储容量并且不影响合成信号的幅频包络和基本时域特性的情况下将其频率分辨率提高四倍以上,并且可以提高合成信号的频谱复杂度和可变性.这两种序列还可用于其它高频率分辨率周期信号的直接数字合成.     

LFMCW SAR非线性校正成像方法研究

线性调频连续波合成孔径雷达（LFMCW SAR）是一种新近提出来的成像雷达体制,它结合调频连续波与合成孔径成像技术,具有体积小、重量轻、成本低、分辨率高等一系列优点。然而,由于受系统的影响,调频信号的频率和时间并不完全满足线性关系。在详细分析了LFMCW的调频非线性对距离分辨率及FMCW SAR成像质量的影响之后,提出使用分段线性拟合的方法估计调频信号的非线性,并提出了非线性的校正方法,研究了存在非线性时的FMCW SAR成像算法,并给出了仿真结果,验证了该方法的有效性。     

基于时频谱融合的加速度计信号分析

时频谱分析可以提供信号在时间域和频率域的联合分布信息,针对该方法很难同时保证较高的时间分辨率和频率分辨率的问题,提出了一种时频聚集性很高的谱融合方法。先用谐波小波包将信号分解到不同频段,再用高时间分辨率的Morlet小波和高频率分辨率的短时傅里叶变换分别对各个频段上的分量进行分析,得到小波尺度矩阵和短时傅里叶变换时频矩阵,然后通过算法将二者融合在一个时频谱中。通过仿真和对动态条件下加速度计信号的分析,证明该算法既能提取出微弱的动态变化,又具有较高的时频分辨率,可以直观、全面、精确地对信号进行识别。     

基于重排方法的跳频信号分析研究

跳频信号是一种非平稳信号,用时频分布来分析跳频信号是一种很有效的方法。然而,线性时频分析方法的时频分辨率受到测不准原理的限制很难同时得到兼顾,不利于跳频信号的分选和参数的估计。文章利用重排方法对时频变换后的时频谱图进行处理,通过仿真可以看出,重排后时频谱图具有良好的时频聚集性,频率分辨率损失(RL)最大可以改善6dB左右,提高了时频谱图的可读性。     

一种直接利用连续时间非周期信号的频谱计算相应周期序列的频谱的方法

提出了直接利用连续时间非周期信号频谱计算相应周期序列频谱的方法。利用函数逼近冲激函数时,其曲线下的面积保持不变的特性,证明了周期冲激信号的频谱具有离散性、谐波性和均匀性。以此为基础,首先导出了连续时间非周期信号频域分解的表达式及其频谱计算公式,然后导出了非周期序列的频域分解表达式及其频谱计算公式,周期序列的频域分解表达式及其频谱的计算公式,最后给出了利用连续时间非周期信号的频谱来计算相应周期序列的频谱的方法。     

一种非均匀采样下小信号的检测方法

非均匀采样由于其具有不受采样频率限制、频率分辨率高以及抗混叠等优点,使得其应用十分广泛。但非均匀采样会引起信号的频谱噪声,这样使得非均匀采样下小信号的检测不易实现。本文分析了非均匀采样引起频谱噪声的原因,提出一种基于非均匀采样的小信号检测方法。该方法根据非均匀采样检测得到的大幅度信号,应用陷波器将其消除,降低了由大信号引起的频谱噪声,从而检测出小信号。文中详细说明了陷波方法的原理、陷波器宽度和深度的选择、陷波器中心频率的确定以及陷波器在非均匀采样下的应用,最后给出实验结果。理论和实验表明,基于非均匀采样的陷波方法是一种行之有效的信号频率检测方法,使用该方法处理信号可以得到准确的频率估计效果,检测出信号幅度相差100倍以上的多个信号频率。     

一种基于ITD算法的直扩信号检测算法

固有时间尺度分解(ITD)算法是一种局域波分解算法,该文对直接序列扩频信号ITD分解,提出了一种通过频域粗搜索和细搜索分别检测直扩信号码片速率和载波频率的快速算法。该算法以瞬时幅度作为分析参量,先设置截止频率对信号低通滤波处理,并通过引入伴随频率达到抑制噪声的目的,利用了固有时间尺度分解算法时频分辨率高,运算速度快的优势。仿真结果显示在-15dB信噪比下能够有效地检测出码片速率和载波频率。     

基于时频能量谱特征的跳频电台个体识别

针对于跳频电台的细微特征分类识别问题,提出基于跳频信号时频能量谱的细微特征提取算法。首先,利用跳频信号在时频域的稀疏特性,通过稀疏重构方法得到跳频信号时频能量谱;然后,在不同尺度条件下对时频能量谱进行分割,分别提取时频能量谱瑞利熵、多重分形维数和差分盒维数三种特征;最后,通过支持向量机分类器对提取特征集进行训练、分类和识别,实现跳频电台个体识别。利用四部电台的跳频信号,验证对比了本文算法与另外两种算法的识别性能。实验结果表明,本文方法所提取的细微特征集具有较强的分辨能力,避免了由单一特征的相似性而引起的误判问题,能够在少量训练样本条件下,保持较高的识别正确率。      

基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用

经验小波变换是最近提出的非平稳信号分析方法,针对其不足,提出了一种改进的经验小波变换方法;同时结合瞬时频率新定义,提出了一种非平稳信号时频分析新方法.该方法首先通过改进的经验小波变换将一个复杂的非平稳信号自适应地分解为若干个具有紧支集频谱的内禀模态函数之和;再通过对每个内禀模态函数进行解调,得到原始信号的时频分布.将提出的方法应用于滚动轴承试验数据分析,并将其与希尔伯特黄变换进行了对比,结果表明,论文提出的方法能够有效地诊断滚动轴承故障,且诊断效果优于希尔伯特黄变换方法.     

采用改进型时频滤波的海杂波抑制方法

海洋环境下，海杂波具有明显的非平稳、非高斯特性，海杂波谱中心频率不固定、谱宽较宽，严重影响了雷达对海面目标的检测。传统的频域滤波器难以对复杂多变的海杂波进行有效抑制。本文通过分析海杂波的时频谱频率变化特征，定量计算各距离单元时频谱的中心频率平滑度，提出了采用基于时频谱能量分布的改进型时频滤波方法进行海杂波抑制。通过实测海杂波数据对杂波抑制效果进行分析，验证了该算法能够有效滤除海杂波信号和保护低速目标信号能量，提高目标信杂噪比，对提升雷达检测能力具有重要的作用。      

强干扰下非平稳跳频信号高分辨测试技术研究

为了提高对强电磁辐射干扰下的非平稳跳频信号检测性能,提出一种基于时频分析的非平稳跳频信号高分辨测试技术.采用短时傅立叶变换构建非平稳信号的时频分析模型,把信号划分成许多小的时间间隔,在时间轴连续滑动窗口上对信号进行固有模态分解,提取非平稳跳频信号的Hilbert谱特征,谱特征有效反映了信号的幅值在整个频率段上随频率的变化情况,从而找出信号中跳变的频率分量,实现信号高分辨测试.仿真结果表明,采用该方法在强干扰条件下进行信号测试,信号输出的分辨能力较强,准确检测概率较高,性能优于传统方法.     

基于SVA算法和时频分析的ISAR成像

研究了时频分析在ISAR成像中的运用,论述了一维SVA算法和改进的二维SVA算法在提高图像分辨率、降低信号自身旁瓣电平方面的优势。在此基础上,提出将两者联合运用到机动目标的逆合成孔径雷达成像中,改善了传统的距离-多普勒算法对机动目标成像的模糊现象。实验结果证明了此方法的正确性和有效性。     

基于STFD&SCMUSIC的多跳频信号DOA估计与网台分选

为了在欠定条件下利用跳频信号的空域特征参数进行网台分选,该文提出一种基于STFD&SCMUSIC的跳频信号DOA估计算法。首先在时频域提取跳频信号的有效跳(hop),并建立该hop的空时频矩阵(STFD);然后在MUSIC算法基础上,利用噪声子空间降维思想构造SCMUSIC空间谱;最终通过半谱搜索实现DOA快速估计,进而利用DOA信息完成信号的分选;同时为了提高低信噪比算法的性能,采用形态学滤波的方法对时频图进行修正,在修正的时频图上完成跳频信号有效hop的提取。理论分析和仿真实验表明了该算法的有效性和良好的估计性能。      

采用双混频实现扩展目标运动参数 估计和散射中心重构

 推导了运动扩展目标在全去斜率体制下的回波信号形式,指出其为多分量多项式相位信号(mc-pps).分析了时频分析方法和多项式相位变换方法对该信号处理的不足,提出一种采用双混频实现扩展目标运动参数估计和和散射中心重构的新方法:通过对回波的双混频处理避免自相关处理带来的能量损失及分辨率降低;根据相关函数的功率谱特点,在频域抑制由多分量带来的交叉项干扰;通过循环估计减小参数估计误差的传播影响,最后利用ESPRIT超分辨估计方法提高参数估计精度.仿真结果表明该方法能有效提取目标的运动特征并能重构目标的一维散射中心.     

基于最优Bohman窗的改进S变换电能质量扰动特征精确快速提取方法

针对传统S变换存在时频分辨率低且计算量大的问题,该文提出一种基于最优Bohman窗的改进S变换。该方法通过直接控制窗长获得最优时频分辨率,同时只针对主要频率点进行时频分析,实现对各类扰动信号特征的精确快速提取。首先根据所提评价标准确定最优长度参数;其次将采样信号进行快速傅里叶变换得到FFT频谱,再通过基于极大值包络的动态测度快速算法确定主要频率点;然后根据主要频率点所处频段选择对应最优长度参数进行计算处理;最后根据模时频矩阵计算时频幅值向量完成时频特征提取。仿真分析和实验结果表明,所提方法相较于传统S变换具有更高的时频分辨率和更短的计算时间,适用于电能质量扰动信号特征的精确快速提取。     

一种基于时频相关性的快速频谱感知算法

频谱感知技术是认知无线电的核心和基础,而自从认知无线电技术被提出以来就一直受到极大的关注。通过对无线频谱占用情况的实时采集处理,对频谱占用情况在时域和频域上的相关性进行分析。利用这种时频域的相关性提出一种快速频谱感知算法,通过频繁模式挖掘提取有效模式,使得在只需要对部分频域和时域的频谱进行检测,就可以完成对整个频谱的占用情况的认知。最后通过实时采集数据进行实验分析,表明该算法确实能达到较好的性能。