基于稀疏时频分布的跳频信号参数估计

基于常规时频分析方法的跳频信号参数估计中,采用核函数抑制时频分布交叉项会导致时频聚集性的下降,不利于信号参数提取。针对此问题,该文提出一种基于稀疏时频分布(STFD)的跳频信号处理方法。该方法首先根据Cohen类分布的原理和跳频信号模糊函数的特点,以模糊域矩形窗为核函数,构建了一种Cohen类的矩形核分布(RKD)。RKD可有效抑制交叉项,但其时频分辨率较低。为提高RKD的时频性能,在压缩感知框架下,利用跳频信号时频分布的稀疏特性,对RKD附加稀疏性约束,建立稀疏时频分布(STFD)的优化求解模型。STFD不仅能有效抑制交叉项,而且具有良好的时频聚集性。仿真分析表明,与传统时频分析方法相比,该文提出的基于STFD的跳频信号参数估计方法性能更优。     

基于稀疏重构的跳频信号时频分析方法

针对现有时频分析方法存在噪声抑制能力弱、时频聚集性不强的缺点,提出了一种基于稀疏重构的跳频信号时频分析方法来获取清晰的、高聚集度的时频图。首先根据惩罚函数的思想建立了跳频信号无约束的稀疏重构模型;然后理论分析了罚函数因子的取值标准;最后用近似l0范数算法求解得出跳频信号的时频图。仿真结果表明该算法能够有效地获取跳频信号的时频图。     

块稀疏贝叶斯模型下的跳频信号时频分析

针对传统时频分析方法存在的时频聚集性差以及交叉项干扰的问题,本文将接收到的跳频信号进行分割,构建时频稀疏模型,利用模型中的统计特性和结构特性采用块稀疏贝叶斯学习算法对跳频信号的时频图进行重构,在不需知道稀疏度和噪声强度的情况下,得到了高精度的时频图。但是由于算法在高维参数空间进行参数估计时复杂度较高,本文采用近似替换的方法对该算法进行改进,将高维参数空间转换到原始参数空间计算,大大减少了算法的复杂度,仿真结果表明改进算法在低信噪比的情况下能有效的得到跳频信号的高精度时频图且复杂度大大降低。      

基于过完备结构字典的跳频信号稀疏分解

过完备字典下的信号稀疏分解能够充分利用信号的结构特征,具有更好的稀疏分解性能。主要研究了跳频信号在过完备字典下的稀疏分解,提出了过完备结构字典下的跳频信号稀疏分解方法。利用跳频信号固有的结构特性,构造更加接近跳频信号结构特征的过完备字典,并采用FFT改进的匹配追踪算法对跳频信号进行稀疏分解。仿真结果表明该方法在分解效果和分解所需时间方面都有很大改善。     

变速目标的光子回波外差信号处理方法研究

变速运动目标的中频信号特征频谱具有连续集中的多频分量，且具有一定的多普勒展宽，在背景噪声和暗计数的影响下，光子回波外差信号的信噪比较低时，使用传统的信号处理方法得到的中频信号频谱以及时频分析特性效果较差。为提高信噪比，本文提出了将稀疏度自适应压缩感知和密度聚类相结合的信号处理方法，并采用该方法对变速目标的光子回波外差信号进行处理。该信号处理方法解决了变速目标频谱稀疏度K无法提前确定的问题，而且只需要较少的观测数据就可以重构信噪比较高的中频频谱。此外，该方法结合密度聚类算法对中频频谱进行了第二重去噪，大幅度减少了噪声分量。研究结果表明，该信号处理方法能够将信噪比提高一定幅度且多普勒展宽精度误差在10%以内，可以得到较为完整的重构中频信号频谱，同时较好地解决了信号时频分辨率较差的问题以及单光子探测等间隔时间序列造成的时频图中的倍频现象，得到了更好的时频特性描述。     

基于先验估计的自适应Chirplet信号展开

该文提出一种新的时频表示方法--自适应线性调频小波(Chirplet)信号展开算法。算法基于信号本征空间,融参数的初值估计和精确估计于一体,利用匹配追踪算法将信号自适应地展开在高斯线性调频小波基函数集上。通过展开系数和基函数参数获得信号的时频分布,其时频聚集性、抗噪性和时频分辨率不仅优于一般的时频分布而且优于已有的自适应时频分布,可以更好地刻画信号的本质。应用数值仿真检验了算法的有效性和时频分布的优良性能。     

一种低副瓣无混叠的线性调频信号时频分析方法

作为通信与勘探中广泛使用的一类信号,线性调频信号的参数分析经常采用基于Wigner-Ville分布(WVD)的时频分析方法。该方法具有高时频分辨率,但在交叉项、高副瓣以及频谱混叠问题上存在缺陷。该文提出一种名为空间变迹重排Wigner-Ville分布(SVA-rWVD)的时频分析方法,结合空间变迹技术(SVA)的副瓣抑制能力及短时傅里叶变换(STFT)的无混叠无交叉项特性,得到一个新的时频分布。基于单分量和多分量线性调频信号的仿真实验结果表明,该方法得到的时频分布可以降低副瓣水平至–40 dB以下同时消除交叉项及频谱混叠现象。     

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

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.     

一种时频分布核函数构造方法

立足于信号的参数化模型—多分量多项式相位信号,提出了一种新的时频分布并给出了其构造方法.该方法根据待分析的瞬时相关函数中自项分量及交叉项分量相位的不同特点,采用相位匹配的方法估计各信号分量的瞬时频率.所构造的时频分布不仅具有理想的频率聚集性,而且实现了绝大多数交叉项分量的有效抑制,有效克服了多线性时频分析方法的局限性.     

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。     

基于自适应冗余字典的语音信号稀疏表示算法

基于冗余字典的信号稀疏表示是一种新的信号表示理论,当前的理论研究主要集中在字典构造算法和稀疏分解算法两方面。该文提出一种新的基于自适应冗余字典的语音信号稀疏表示算法,该算法针对自相关函数为指数衰减的平稳信号,从K-L展开出发,建立了匹配信号结构的冗余字典,进而提出一种高效的基于非线性逼近的信号稀疏表示算法。实验结果表明冗余字典中原子的自适应性和代数结构使短时平稳语音信号稀疏表示具有较高的稀疏度和较好的重构精度,并使稀疏表示算法较好地应用于语音压缩感知理论。     

局域波自适应时频分析特性研究

局域波自适应时频分析是处理非平稳数据较为有效的新方法.该文较系统地研究了局域波分析的瞬时频率估计、分解的物理意义、高于小波分析的时频分辨率、没有Wigner-Ville时频分布交叉项和分解二维图像的特性.     

基于重排Gabor谱方法的跳频信号参数估计

对接收到的跳频信号进行时频分析是跳频信号参数估计的重要步骤。利用重排方法对信号的时频谱图进行重排,有效地抑制了交叉干扰项,提高了信号的时频聚集性并且改善了信号时频谱图的可读性。对跳频信号的Gabor谱进行重排,能够在低信噪比条件下估计出跳频信号的跳频周期、跳变时刻和跳频频率等参数。仿真结果表明,与Gabor谱方法比较,采用重。排Gabor谱方法对跳频信号进行分析,提高了跳频信号的跳频周期和跳变时刻估计的准确性。     

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。      

基于短时傅立叶变换和Wigner-Ville分布的联合变换

短时傅立叶变换是一种线性变换,对于多分量信号来说不存在交叉项,但时频聚集性不好;wgner-Ville分布具有很好的时频聚集性,但对于多分量信号却存在交叉项。文章讨论了一种结合短时傅立叶变换和Wigner-Ville分布各自优点的方法,通过将二者进行“融合”,可以得到既没有交叉项,而且时频聚集性叉好的时频分布。通过实验验证了该方法的有效性,并且该方法在低信噪比下对信号有很好的检测性能。     

基于三参数Chirp原子分解的语音信号的时频表示

由语音信号的产生机理决定其呈现明显的非平稳特性,传统的信号分析方法不能刻画其局部时变结构.本文提出了基于三参数Chirp原子分解的语音信号的时频表示,该方法把语音信号分解为由比例、旋转、径向位移表示的三参数Chirp时频原子的线性组合,并用这些Chirp原子的WVD的叠加来逼近语音信号的时频表示.仿真实验结果表明,该方法与WVD相比无交叉项干扰,与谱图相比具有较高的时频聚集性,并且还可以提供语音信号的局部时频结构的参数.     

双向高斯核函数时频分布及在瞬时频率估计中的应用

将双向高斯核函数时频分布引入到非平稳信号瞬时频率估计。通过控制时延、频移参数,该时频分布能够有效提高时频分辨率,同时对多分量信号检测时存在的交叉项能够得到很好的抑制。理论推导及计算机仿真均表明该分布具有良好的性能。     

基于迭代自适应稀疏分解的雷达信号去噪

稀疏分解能有效分离信号和噪声,因此适用于信号去噪.文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数.针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度.仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比.     

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S变换的信号瞬时频率特征提取

S变换是一种优越的时频分析方法,能够清晰表达信号瞬时频率的变化特征。与传统时频分析方法相对比,S变换的抗噪性较强,无交叉项干扰。本文提出了采用S变换来提取调制信号的瞬时频率。仿真实验结果表明,S变换时频谱能够清晰表示出不同信号的瞬时频率特征。