一种改进的跳频信号时频分析方法

利用正交匹配追踪的稀疏表示算法进行跳频信号时频分析时,性能受到傅里叶基矩阵长度和稀疏度未知的限制。针对此问题,结合跳频信号特点对稀疏表示算法加以改进:将跳频信号分段,对每段信号进行傅里叶变换并进行门限检测,得到频率预估计值和信号稀疏度;利用频率预估计值构造频率细化子傅里叶基矩阵;基于正交匹配追踪算法得时频谱图。在运算量相同的情况下,改进方法比直接采用正交匹配追踪算法可获得更高精度的时频谱。     

改进非平稳信号的分析方法

研究了WVD和短时傅里叶变换两种时频分析方法的优势和局限性,从两种方法的定义出发,分析了两者间存在的联系,通过构造窗函数,提出一种改进的非平稳信号分析方法,并进行了相应的计算机仿真,结果表明信号的时频特性得到了改善,该方法还适用于多分量非平稳信号的分析。     

基于小波变换的非平稳信号分析与处理

针对傅里叶变换在非平稳信号分析中的难点问题,将小波变换和短时傅里叶变换应用于典型的非平稳信号,进行时频分析研究,所获得的特性比普通的傅里叶变换构成的频谱分析结果更清晰、准确,表明这两种时频分析方法独有的优越性、正确性、实用性.小波的多分辨特性更使得分析结果优于短时傅里叶变换.在此基础上用该方法对小波时频分析方法的抗噪性能进行研究,并从小波基函数的性质和实际仿真效果两方面设定参数,得出最优分析结果,改善了小波时频分析方法在高频处频率不易确定的问题.     

信号时频表示的一种方法

描述了一种带相位因子的时频分析方法。它基于一种可滑动的、尺度可变的高斯窗思想。这种窗的大小与频率有关，并与傅是城叶频谱之间有直接对应关系。笔者对这种时频分析方法做了理论分析，并通过实验验证了该方法在时频分析方面的特点。     

基于稀疏重构的窄带弱信号时延估计算法

提出了一种基于稀疏重构的窄带弱信号时延估计算法.利用信号的互相关谱构造数据矩阵,然后建立时延参数的冗余字典,最后通过矩阵奇异值分解在信号子空间中利用正交匹配追踪算法得到高精度时延估计.理论分析和仿真实验验证了算法的正确性和有效性.相比于传统方法,该算法可将窄带弱信号时延估计精度提高约1倍.     

基于近似L0范数算法的跳频信号时频分析

针对跳频信号的参数化时频分析方法加以改进。对跳频信号进行完备傅里叶基表示,建立其稀疏优化表示模型,将跳频信号的时频分析问题转化为稀疏优化问题,然后借助近似L0范数优化方法进行时频分析。针对时长0.01s的一段跳频信号进行计算机仿真,所得时频分布图显示,改进方法比短时傅里叶变换和WVD方法具有更高的时频分辨率和更强的抑制干扰能力。     

信号稀疏表示方法研究进展综述

稀疏分解表示能够大大降低数据存储量,提高压缩效率,一直是学者研究的热点.传统的信号稀疏表示主要集中在各种线性正交基变换以及组合正交基上,对于高维空间信息数据的表达,传统方法往往受到各种限制.研究学者根据人类视觉系统接受场具有局部、方向和带通的特性,提出多尺度几何分析的方法,并证明了对光滑的分段函数和高维空间信号的表达,达到了更好的逼近效果.由于传统方法没有考虑原始信号特点,无法达到更好的逼近,这就引出了对信号进行训练来构造自适应学习字典的研究,并且取得了一定的研究成果.本文对信号稀疏表示方法进行了分析研究,同时分析了目前信号稀疏表示的发展趋势.     

非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

稀疏信号表示中的幅度偏差及消除方法

在稀疏信号表示的并行选取字典算法中,当频率不在栅格点上时,对应的幅度估计可能会有很大的偏差.为了消除这个偏差,本文先求得较精确的频率估计值,然后在其邻域内进行进一步寻优,得到幅度估计.将此方法用于各种信噪比下的仿真信号,都能得到较好的幅度估计性能.因此此方法是一种能有效消除稀疏信号表示中幅度偏差的方法.     

基于非正交对角化算法的非平稳信号盲分离

运用分段平稳的思想处理非平稳信号,对每一子分段信号进行计算,得到相关矩阵群,并运用非正交对角化算法(alternatmg columns diagonal centers,ACDC)求得分离矩阵的逆阵,从而在混合信号中分离出源信号.仿真结果表明,在信噪比为40 dB的情况下,信号的平均干扰比可以保持在-15 dB以下.因而采用分段平稳和非正交对角化算法相结合的思想来处理信噪比较高时的非平稳信号,可以取得较好的分离效果.     

基于相位核的时频信号分析

提出了一种相位核时频分布,将自主项与交叉项在时频平面上分离,并且保持了高度的时－频分辨率,便于分析信号的时频结构特征;同时这种时频分布又满足一些时频分布性质,有利于进一步的应用．针对离散时间、频率时频分布与连续时间、频率时频分布的不同之处,给出了离散化相位核时频分布的计算方法,讨论了附加其他时频分布特性的相位核时频分布．     

基于稀疏表示的室内指纹定位算法

为解决室内实时定位中精度不高的问题,提出了一种基于稀疏表示的室内指纹定位算法.针对传统的指纹数据库匹配算法的不足,将待测点的位置估计看作多分类问题.首先在室内区域选择若干个参考点,多次测量参考点的WiFi信号强度,构建稀疏数据字典.通过稀疏表示的方法,用参考点的指纹矢量对待测点处的指纹矢量进行重构,计算重构误差并根据其对待测点位置进行估计.实验结果表明,与传统SVM定位方法相比,该算法的定位精度有明显提高.     

结合稀疏表示的跨摄像头运动目标跟踪算法

跨摄像头下的目标跟踪极富挑战性,其原因是由于不同摄像头所涵盖区域存在差异性以及运动目标行为轨迹具有随机性,从而导致干扰误差的积累,影响匹配准确度,致使跟踪失败.针对此问题,提出一种结合稀疏表示理论的跟踪模型.该模型首先通过不同摄像头间的背景亮度值,对待测目标进行光照补偿处理,以获取稳定的模板矩阵.在模型求解阶段,针对传...     

基于StOMP稀疏方法的高光谱图像目标检测

稀疏表示方法已经被成功应用于高光谱图像目标检测领域,并且取得了较好的检测效果,但由于高光谱图像往往具有很大的数据量,传统的稀疏检测算法计算成本很高。针对这种情况,提出了应用St OMP算法的高光谱图像稀疏目标检测算法,对求解稀疏系数的步骤进行了改进,减少了此过程中的迭代次数,大幅度降低了运算量,提高了检测速度。使用了2组数据进行仿真实验,结果表明,St OMP算法的应用有效地提高了检测速度与检测精度。     

一种高分辨自适应信号时频表示

提出了一种采用线性调频窗函数的自适应短时傅里叶变换方法,利用时间－时延－多普勒函数和Ｒａｄｏｎ变换技术估计信号的瞬时调频指数,并自适应地调整窗函数的参数,获得了高分辨纺的时频表示,与现有的自适应ＳＴＦＴ方法相比,该方法是一种开环的计算方法,避免了非线性优化和迭代运算,实验结果证明了该方法的有效性。     

基于稀疏表示的特定目标识别

针对轮廓检测系统输出采样信号的特点,结合稀疏表示及主成分分析理论,提出了一种基于稀疏表示的特定目标识别方法。该方法首先通过主成分分析提取采样信号的主要成分以消除冗余信息,同时将信号转换为相同维数的特征向量,然后将特征向量投影到低维空间构造出字典,通过该字典对测试信号进行稀疏表示、识别。数值仿真与现场实验结果表明:该方法在低维空间下具有很好的识别效果;并结合实际情况,对有损坏传感器的系统进行测试,结果表明本文方法具有较好的鲁棒性。