基于指数遗忘分布的瞬时频率估计算法

本文提出了基于指数遗忘分布的信号瞬时频率估计算法.与其他的时频分布算法相比,通过采用单边指数分析窗口,指数遗忘分布可以在时频分析中引入迭代算法从而大大提高计算效率,本文对这一算法的性能进行了理论分析,同时其有效性在相应的仿真试验中得到了证明.     

具有迭代结构的时频分布计算方法

本文讨论了时频分布中的迭代算法的问题.通过选择特殊的计算窗口,时频分布的迭代运算形式能够有效地利用前面数据段的分析结果,从而避免了重复性的运算,使得计算效率得到提高.本文对原有的利用单边窗口的时频分布迭代算法的性能进行了分析,提出了采用对称型窗口的迭代计算形式.与单边窗口相比,双边形式的计算窗口不但可以有效地提高时频表示精度,同时还能够更为准确的表示信号的瞬时频率.文章对各项理论分析结果提供了相应的仿真实验结果.     

基于频率模型和时频分析的正弦信号频率高精度估计算法

利用时频分析方法估计信号瞬时频率,在低信噪比条件下估计性能较差,但在时频图中,信号频率的变化趋势具有一定的规律,基本上都是围绕着信号的真实频率。基于此,给出了一种结合时频分析和信号频率模型相结合的方法,以实现信号瞬时频率的高精度估计。利用时频分析具有的良好时频分布的特点,采用最大能量方法（ME）预先估计得到信号的预估计瞬时频率（EIF）;再利用瞬时频率连续性、平滑性的先验信息,建立了信号瞬时频率估计模型,并采用概率最大原理(MP)估计瞬时频率概率最大的统计变化,估计得到预估计瞬时频率的滤波起始点;最后利用卡尔曼滤波和平滑算法对预估计瞬时频率进行滤波和平滑,从而得到信号频率的精确估计。      

雷达多普勒信号模拟的原理与实现

分析了雷达多普勒信号模拟的原理，提出了单边带调制中提高镜频抑制比的比较有效的方法：即由调制信号的相移偏差来补偿载波相位和幅度的偏差。针对某无线电引信实时动态测试系统的要求，采用DDS技术，利用FPGA产生了多个频率点、相移精确可调的两路信号，与栽波进行单边带调制，得出的多普勒频移信号较好地满足了系统的要求。     

自适应时频同步压缩算法研究

提高时频分辨率对多分量非平稳信号的分析与重建具有至关重要的作用。传统的时频分析方法由于窗口固定,分析频率变化较快的信号时存在时频聚集性不高的问题,无法自适应分辨多分量信号。该文针对频率快速变化信号,利用信号的局部信息特征,提出一种自适应的时频同步压缩变换算法。该方法有效提升了已有同步压缩变换时频分辨率,特别适用于频率接近且快速变换的多分量信号。同时,利用可分性条件,该文提出利用局部瑞利熵值对自适应窗口参数进行估计。最后,通过对合成信号和实测信号分析,证明了所提方法的可行性,对分析和重建复杂非平稳信号具有重要意义。     

基于DSP的通信信号瞬时频率时域提取

通信信号瞬时频率的提取是许多调制识别方法正确识别频率调制信号和相位调制信号的基础,绝大多数瞬时频率提取方法计算复杂、硬件实现难度大。提出一种信号瞬时频率的时域提取新方法,直接从正交分量和同相分量估计通信信号瞬时频率,结合DSP阐述了该方法的特性。利用Matlab软件对6种调制信号进行算法仿真,表明该方法的可行性,且不仅适合DSP硬件实现,而且计算简便、效果良好。     

低信噪比情况下调频信号的瞬时频率估计

提出一种基于互Wigner-Ville分布(XWVD)的瞬时频率迭代估计方法.理论分析了该方法的收敛性,通过仿真比较了各种瞬时频率估计方法在噪声下的估计方差,证明此方法在低信噪比情况下对估计线性调频信号的瞬时频率有较好的效果.并采用加窗的方法改进了此算法,仿真结果证明,改进的方法对非线性调频信号的瞬时频率进行了有效估计.     

基于窄带微多普勒调制的锥体目标参数估计

当雷达对锥体目标发射窄带信号时,进动调制会使回波中包含的散射中心瞬时频率发生周期性变化,这种变化可以反映出目标几何尺寸与结构特性,针对此该文提出一种基于窄带微多普勒调制的空间锥体目标参数估计方法。首先对目标散射特性进行分析,推导进动引起的目标散射中心瞬时频率变化公式;然后利用时变自回归模型估计散射中心瞬时频率,并对估计结果进行重新关联以消除其中出现的关联错误;最后根据锥顶和锥底散射中心瞬时频率变化性质,结合目标弹道估计得到目标几何尺寸参数及微动参数。基于电磁计算数据的实验结果验证了该文所提方法的有效性和精确性。     

微多普勒瞬时频率估计算法对噪声的适应性能研究

微多普勒特征提取的关键在于瞬时频率的计算,峰值检测法和一阶时间条件矩法是基于高分辨时频分布的两种瞬时频率估计算法.本文对两种瞬时频率估计算法对噪声的适应性能进行了理论分析和仿真计算,结果表明,当信号受噪声污染后,在一定的信噪比条件下,峰值检测法瞬时频率估计算法对能量分布的变化不敏感,但一阶时间条件矩法瞬时频率估计算法对时频域能量分布十分敏感,因此,峰值检测法较一阶时间条件矩法对噪声具有鲁棒性.实际中雷达接收到的信号都是受噪声污染的,分析两种算法对噪声的适应性能对工程实际应用具有重要参考价值.     

基于改进CS算法的侧斜视SAR成像

针对SAR的斜视工作模式,该文建立了雷达信号的回波模型,详细分析了回波信号的瞬时方位频率和瞬时多普勒频率及距离Chirp斜视对方位频率的影响,结合经典的 CS算法,提出了一种基于斜视的改进CS算法,并利用该方法进行了仿真试验,理论分析和仿真结果表明,该方法更符合斜视SAR的几何关系,能有效的进行距离压缩、距离徙动校正和方位聚焦,改善成像质量。     

基于中心矩特征的雷达HRRP自动目标识别

针对雷达高分辨距离像(HRRP)的方位敏感性和平移敏感性,对一定角域内的HRRP非相干平均,提取具有平移不变性的中心矩作为特征向量,采用Karhunen-Loeve变换进一步进行特征压缩,建立相应的支撑矢量机(SVM)分类算法.与基于原始距离像特征的最大似然(ML)方法和基于中心矩特征的ML方法识别结果比较,该方法在减少计算量的同时具有较高的识别率,具有良好的推广能力.     

The Wigner distribution of noisy signals with adaptivetime-frequency varying window

Time-frequency representations using the Wigner distribution (WD) may be significantly obscured by the noise in the observations. The analysis performed for the WD of discrete-time noisy signals shows that this time-frequency representation can be optimized by the appropriate choice of the window length. However, the practical value of this analysis is not significant because the optimization requires knowledge of the bias, which depends on the unknown derivatives of the WD. A simple adaptive algorithm for the efficient time-frequency representation of noisy signals is developed in this paper. The algorithm uses only the noisy estimate of the WD and the analytical formula for the variance of this estimate. The quality of this adaptive algorithm is close to the one that could be achieved by the algorithm with the optimal window length, provided that the WD derivatives were known in advance. The proposed algorithm is based on the idea that has been developed in our previous work for the instantaneous frequency (IF) estimation. Here, a direct addressing to the WD itself, rather than to the instantaneous frequency, resulted in a time and frequency varying window length and showed that the assumption of small noise and bias is no longer necessary. A simplified version of the algorithm, using only two different window lengths, is presented. It is shown that the procedure developed for the adaptive window length selection can be generalized for application on multicomponent signals with any distribution from the Cohen (1989, 1990, 1992) class. Simulations show that the developed algorithms are efficient, even for a very low value of the signal-to-noise ratio     

Multiple window time-frequency distribution and coherence of EEGusing Slepian sequences and Hermite functions

Multiple window (MW) time-frequency analysis (TFA) is a newly developed technique to estimate a time-varying spectrum for random nonstationary signals with low bias and variance. In this paper, we describe the application of MW-TFA techniques to electroencephalogram (EEG) and compare the results with those of the conventional spectrogram. We find that the MW-TFA provide us with not only low bias and variance time-frequency (TF) distribution for EEG but also TF coherence estimation between a single realization of EEG recorded from two sites. We also compare the performance of the MW-TFA using two sets of windows, Slepian sequences, and Hermite functions. If care is taken in matching the two windows, we find no noticeable difference in the resulting TF representations.     

利用RPLS算法实现电力系统频率跟踪

针对在电力系统频率跟踪算法中推导过程复杂、计算量大等问题,提出了一种利用递推偏最小二乘法(RPLS)实现电力系统频率跟踪的新算法。该方法在递推过程中,采用滑动窗法更新数据,同时引入了适当的遗忘因子。仿真结果表明,该算法在电力系统频率跟踪中具有计算复杂度小,推导过程简单,频率跟踪收敛速度快,测量精度高的特点,其是电力系统频率跟踪中的一种新方法。     

Tomography time-frequency transform

The paper shows that the fractional Fourier transform (FRFT) of a signal is the Radon transform of the time-frequency distribution of the same signal. Therefore, a time-frequency distribution known as the tomography time-frequency transform (TTFT) is defined as the inverse Radon transform of the FRFT of the signal. Because the computation of the TTFT does not explicitly require any window or kernel function, high resolutions in both the frequency and time domains can be achieved. When the signal contains multiple components, the cross terms can be effectively removed by an adaptive filtering process that is applied on the FRFT rather than the final result. Therefore, distortions made by the filtering process on the desired signal components can be minimized     

基于自项窗的WVD交叉项抑制技术

为了解决维格纳-维利分布(WVD)的交叉项干扰问题,提出一种覆盖自项支撑区的时频窗——自项窗,通过对信号的WVD进行加窗处理,得到改进的时频分布。首先分析了多分量信号WVD中自项和交叉项的不同特点,接着论述了自项窗法的原理及自项窗的构造方法,分析了改进的时频分布的性质,最后进行了仿真验证。结果表明,自项窗法能够有效消除WVD中的交叉项,并保留WVD良好的时频分辨率和能量聚集性,适合于非平稳信号的时频分析。     

一种基于STFT的跳频参数估计新方法

针对STFT在进行跳频信号参数估计时,时间分辨率和频率分辨率存在固有矛盾这一问题,通过分析窗函数对跳频信号STFT变换后时频谱图的影响,提出了一种基于STFT的跳频参数估计方法。该方法直接利用窗函数参数提取跳频参数,避免了时频谱图对参数估计精度的影响。通过不断改变窗函数起始时刻及窗函数宽度,寻找时频聚集性最好的时频谱图,确定目标窗函数参数。仿真结果表明,该方法实现了跳频参数的有效估计。     

广义S变换及其时频滤波

首先从基于高斯窗函数的短时傅里叶变换推导出了一种广义S变换,分析了它与S变换及小波变换的关系,给出了它的运算实现.理论分析与仿真实验表明,广义S变换的时频窗口不仅能够随着频率尺度自适应地调整,而且克服了S变换中时窗函数的变化趋势固定不变的问题,使广义S变换在应用中具有更高的实用性和灵活性.利用其高质量的时频分布,在时频平面中设计时频滤波器,用于非平稳信号中特定信号分量的提取,展示了广义S变换在这一应用中的有效性.     

基于熵的Gabor变换窗函数宽度自适应选择算法

该文针对Gabor变换中窗函数宽度选择的问题,提出了以提高Gabor表示的聚集性和时频分辨率为目的的窗函数宽度自适应选择算法。提出对香农熵的取值范围进行改进,使其更适合度量时频分布的聚集性,进而根据熵度量实现了与信号非平稳性相适应的最优窗函数宽度选择。仿真结果表明该算法对单分量及多分量信号都能有效地选择最优窗函数宽度,能够获得聚集性好、时频分辨率高的Gabor表示,并具有很好的抗噪性能。