跳频信号的跳周期估计

针对通信对抗的实际应用,提出了一种精确估计跳频信号跳周期的新方法。首先对跳频信号进行短时傅里叶变换(STFT),根据STFT的结果得到其峰值序列,然后对峰值序列进行单比特采样,从最终的单比特采样序列可以获得跳频信号跳频周期的估计。此算法简单,易于实现且计算量小,在信噪比大于-1 dB时,仿真结果验证了该算法的有效性。     

短时三谱分析在通信电台个体识别中的应用

提出一种利用短时Fourier变换理论构造三谱的新方法,用类似于普通三谱的短时Fourier三谱来分析信号的局部频谱特征,推导了短时三谱的数学形式,并用短时三谱系数提取信号频率相位特征。通过仿真实验分析了窗函数及其参数的选择,并运用支撑向量机（SVM）完成信号的识别。实验结果表明,此方法与普通双谱特征相比能够更好地反应通信电台个体的细微差异,具有更强的分类能力。     

Analysis and filtering using the optimally smoothed Wignerdistribution

The authors consider the analysis and filtering of a deterministic signal with slowly time-varying spectra using the optimally smoothed Wigner distribution (OSWD). They compare this mixed time-frequency representation (MTFR) to other MTFRs such as the spectrogram, the short-time Fourier transform (STFT), and the Wigner and pseudo-Wigner distributions. The authors propose an approach to designing linear time-varying filters for slowly time-varying signals which is based on the concept of local nonstationarity cancellation and show that it is equivalent to masking the optimal STFT. The performance of the filter in suppressing white noise and in decomposing a slowly time-varying signal into its components is studied and compared to the performance of the techniques based on the STFT     

基于STFT谱图滑窗相消的微动杂波去除方法

微动杂波往往具有较大的多普勒展宽,会抬高噪底、湮没弱目标,造成虚警和漏检。有效去除微动杂波对提高雷达性能具有重要意义。该文利用匀速目标回波和微动杂波在短时傅里叶变换(STFT)谱图中的形态差异,提出了一种基于STFT谱图滑窗相消的微动杂波去除方法。具体地,匀速运动目标回波在STFT谱图中表现为特定频率单元上平行于时间轴的直线型能量条带,而微动杂波具有时变非平稳特性,在STFT谱图中呈现出横跨多个频率单元的时变复杂形态。将原始STFT谱图沿时间维滑窗得到新的STFT谱图,则目标回波分布在这两种谱图中的相同位置,而微动杂波在这两种谱图中的位置存在明显差异。因此将上述两种谱图相减,根据相减前后谱图中各单元的强度变化情况,即可将目标回波和微动杂波分离,达到去除微动杂波的效果。仿真和实测结果均验证了所提方法的有效性。与常见基于时频变换的L-statistics算法相比,所提方法能够在去除微动杂波的同时,较好地保留了目标回波。     

高斯线调频小波变换及参数优化

线调频小波变换(CT)作为小波变换(WT)的一种推广,成了信号处理中的研究热点.该文推导出高斯线调频小波变换(GCT)的短时Fourier变换(STFT)计算形式.并利用分数阶Fourier变换和广义的时宽-带宽积来优化GCT的参数.与Wingner-rille分布(WVD)、短时Fourier变换(STFT)进行比较分析.仿真结果表明优化的GCT有很好的时频聚集性.     

基于联合对角化的声信号深度卷积混合盲分离方法

声信号在空间中的传播具有较强的多径效应,在接收端往往以卷积形式相互叠加,尤其在海洋、剧场等强混响条件下,混合滤波器冲激响应的长度会显著增加,现有的频域卷积盲分离算法将失效。为了消除长脉冲响应导致解混合模型失效的问题,该文对观测信号进行两次短时傅里叶变换(STFT),第1次STFT缩短了脉冲响应长度,第2次STFT将信号模型转化为瞬时盲分离,最终利用联合对角化(JD)技术估计出分离矩阵。与现有方法相比,所提方法解决了深度卷积混合下模型失效的问题,并且当源信号数较多或存在加性噪声时,可以得到更好的分离性能。仿真结果验证了方法的有效性和性能优势。     

联合STFT-迭代变权拟合的LFM信号参数估计方法

针对现有线性调频(LFM)信号参数估计方法估计精度与估计速度难以兼得,以及对信号畸变敏感的难题,提出了一种联合Rife插值改进的短时傅里叶变换(STFT)-迭代变权最小二乘线性拟合(IRLSF)参数估计的方法。使用Rife插值改进的STFT较好地保持了LFM信号瞬时频率曲线的线性特征,迭代变权处理有效地抑制了估计得到的瞬时频率中出现异常值对参数估计精度的影响。该方法无需进行复杂的计算和参数搜索,实时性好。仿真分析表明,相对于常规最小二乘线性拟合(CLSF)方法信噪比下限降低了4dB。湖试结果验证了该方法的有效性和实用性。      

基于时频加窗短时傅里叶变换的LFM干扰抑制

通过对线性调频(LFM)信号分数阶傅里叶变换的分析,该文提出了一种基于时频加窗短时傅里叶变换(TFW-STFT)的LFM干扰抑制算法。由于提出的时频窗对LFM干扰具有较好的频域能量聚集性能,因此TFW-STFT对信号的影响要小于无聚集性能的短时傅里叶变换。仿真结果证明该算法在信噪比损失和系统误比特率上明显优于基于短时傅里叶变换的算法。     

短时傅里叶变换在线性调频信号时频滤波中的应用

将短时傅里叶变换（STFT）的时频分析方法应用到线性调频（LFM）信号的滤波中, 突破了传统匹配滤波方法基于平稳假设的限制,将信号分析空间从一维频率域扩展到二维的 时间-频率域。利用自滤波的时频滤波方法进行LFM信号的滤波,然后分别采用时域和时频域 的均方误差（MSE）标准,分析了时频滤波的性能。仿真结果表明,基于STFT的时频滤波方 法能有效实现对LFM信号的滤波。     

罗兰C周期识别时频分析方法研究

该文在分析罗兰C信号的STFT及WV时频变换表示基础上,仿真分析了天线输入端信噪比、天地波幅值比以及天地波相位差对罗兰C信号STFT及WV时频变换的影响。结果表明,罗兰C信号STFT及WV变换的峰值稳定,抗噪声性能强,但都存在多值性,而利用罗兰C信号WV变换的负峰值对应的频率点不同能够有效消除多值性,从而提出了基于WV变换的周期识别新方法。     

Short-time Fourier transform: two fundamental properties and an optimal implementation

Shift and rotation invariance properties of linear time-frequency representations are investigated. It is shown that among all linear time-frequency representations, only the short-time Fourier transform (STFT) family with the Hermite-Gaussian kernels satisfies both the shift invariance and rotation invariance properties that are satisfied by the Wigner distribution (WD). By extending the time-bandwidth product (TBP) concept to fractional Fourier domains, a generalized time-bandwidth product (GTBP) is defined. For mono-component signals, it is shown that GTBP provides a rotation independent measure of compactness. Similar to the TBP optimal STFT, the GTBP optimal STFT that causes the least amount of increase in the GTBP of the signal is obtained. Finally, a linear canonical decomposition of the obtained GTBP optimal STFT analysis is presented to identify its relation to the rotationally invariant STFT.     

一种融合相位估计的深度卷积神经网络语音增强方法

在时频域的语音增强中,幅度估计和相位估计都是影响语音增强性能的重要因素.为了在基于深度学习的语音增强方法中融合对相位的估计,本文将含噪语音短时傅里叶变换（STFT）的实部和虚部特征作为两个通道输入深度卷积神经网络,通过建立一个同步估计纯净语音STFT的实部和虚部特征的多任务学习模型,实现了对幅度和相位的同步估计.实验结果表明,相比仅考虑幅度估计的方法,本文方法具有更好的噪声抑制能力,在低信噪比条件下,显著提高了语音增强性能.     

一种改进的跳频信号参数估计方法

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。     

基于博弈理论的移动自组网激励机制研究

摘 要：针对移动自组网中节点在报文转发过程中的表现出的自私行为,利用博弈理论,从静态和动态2个方面对其进行了完整的建模与分析。首先,提出了一种严厉针锋相对策略,并建立了一个无限重复报文转发博弈模型,求得了激励一致性条件。然后,利用演化博弈理论对节点由自私向协作转变的动态过程进行了分析,并证明了严厉针锋相对策略的演化稳定性。仿真结果表明,即使在自私节点比率为1的条件下,只要合理选择惩罚参数,均可有效激励自私节点的协作转发行为,整体网络性能最多可提升80%。     

一种基于短时傅里叶变换的机载SAR自聚焦算法

短时傅里叶变换(Short-Time Fourier Transform, STFT)是研究非平稳信号最为广泛使用的重要方法。该文在讨论了利用STFT对线性调频信号(LFM)进行滤波以及调频率估计后,提出一种基于STFT的机载SAR自聚焦算法。该算法首先利用STFT对影响SAR图像质量的主要相位误差二次相位误差(QPE)进行估计和补偿,然后在残余相位误差估计时利用STFT对时变信号进行滤波以提高信杂比(SCR)。仿真和实测数据的处理结果验证了该文算法的有效性。     

Automatic detection of conduction block based on time-frequencyanalysis of unipolar electrograms

It is commonly thought that lethal tachyarrhythmias, such as ventricular fibrillation (VF), are perpetuated by functional reentry, which occurs when an activation wave blocks and rotates around tissue that is excitable (i.e., functional block). Electrograms recorded near these regions typically contain two sequential deflections representing activation on either side of the block. By detecting these "double potentials," we hypothesize that functional block can be detected by a single electrode. METHODS: Unipolar electrograms were recorded from a 24 x 21 mapping array on the intact ventricular epicardium of five pigs during electrically-induced VF. The short time Fourier Transform (STFT) of each electrogram was analyzed to identify double potentials. To evaluate the performance of the STFT algorithm, conduction block was located in activation maps using a minimum conduction velocity criterion (10 cm/s) and then compared to the results of the STFT algorithm. RESULTS: The STFT algorithm detected conduction block with a sensitivity of 0.74 +/- 0.12 and a specificity of 0.99 +/- 0.00. CONCLUSION: We have developed an automated algorithm that can detect functional block during VF from a single electrode recording. Possible applications include fast, objective identification of block in mapping data and realtime localization of reentrant substrates using mapping catheters.     

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.     

采用STFT幅度值的长信号相位恢复算法

针对以往基于短时傅里叶变换(STFT)幅度值的相位恢复（STFTMPR）算法仅能处理一组较短的信号,并且信号的STFT幅度测量值的长度只能是质数的情况,提出了一种基于STFT幅度值的长信号相位恢复（LS-STFTMPR）算法。把一组长信号变化成几组较短的数组信号,通过改进的最小二乘（LS）法获取梯度下降（GD）法的迭代初始值,然后最小化各数组信号的非凸损失函数,并最终收敛到全局最小值。实验结果表明,在恢复一组较长信号的时候,所提算法的性能明显优于STFTMPR算法,并且具有较强的抗噪声能力。     

一种基于小波脊时频分析的差分跳频信号检测方法

针对差分跳频信号频带宽、跳速快、检测难的问题,在分析比较短时傅里叶变换(STFT)的基础之上,提出一种通过提取小波脊进行时频分析和参数估计的信号检测方法。该方法的检测效果明显优于短时傅里叶变换,当信噪比大于-7 dB时,在不要求高采样率的情况下,对于差分跳频信号的参数估计是有效的。     

基于稀疏表示的声频目标识别方法研究

提出分别利用短时傅里叶变换和小波变换进行特征提取和稀疏表示分类(SRC)的车辆识别方法.其中,短时傅里叶变换(STFT)和离散小波变换(DWT)分别从每个传感节点收集到的声音信息中提取车辆的特征向量,SRC通过特征训练集建立一个过完备字典来求解稀疏最优化问题,从而实现分类识别.实验结果表明,短时傅里叶变换提取特征并进行分类的效果高于用小波变换进行特征提取并分类的方法,也高于利用MFCC提取车辆声音特征并进行分类的方法.