基于能量归一化窗S变换的跳频信号参数盲估计

提出一种基于能量归一化窗的S变换的跳频信号参数盲估计方法。详细阐述了能量归一化窗S变换的基本原理,应用能量归一化窗S变换对跳频信号进行了分析并与其它时频分析方法作了比较,最后给出了跳频信号参数盲估计的具体算法步骤,并进行了仿真实验及性能分析。仿真结果表明该方法切实有效。     

一种短波跳频信号盲检测和参数盲估计的方法

提出一种基于阵列信号处理的短波跳频信号盲检测和参数盲估计方法,即在缺少足够的先验信息的条件下,充分挖掘信号的时域、频域和空域特性,完成短波FH信号的检测、分离并估计出其各自的参数集,包括驻留时间、跳速、跳时、到达方向(DOA)、频率集和跳频带宽.提出的门限策略不仅使得检测门限能够通过理论计算得到,而且还显著地抑制了非跳频信号的干扰,从而能有效地检测出FH信号.现场测试表明:该方法切实有效,且大大提高了信噪比,改善了整体性能.     

基于CMOR的跳频信号参数盲估计算法

针对传统算法在复杂的电磁环境中不能准确有效地检测跳频信号的不足,提出一种基于Morlet复小波变换(complex-Morlet wavelet transform,CMOR)的跳频信号参数估计算法,挖掘CMOR的尺度序列与跳频信号频率之间的内在联系。MATLAB仿真与真实信号验证结果表明,该算法无需任何先验条件,能够准确地估计跳频信号的跳变点、跳周期、跳速及跳频频率等性能参数,算法流程清晰度与估计精度均优于其它算法。     

低截获跳频网台信号参数联合估计方法

本文提出了一种新颖的同步正交跳频网台参数联合估计方法,该方法利用时间窗滑动将数据进行分割,对每段数据进行联合估计,利用门限排除那些包含多个频域的数据,余下的数据估计出的结果逐一归类后取平均进一步提高估计精度.计算机仿真实验表明,本方法可以准确估计出频率捷变雷达的频率和到达角.     

低信噪比下的跳频信号参数估计

针对基于时频分布的跳频信号参数估计存在信噪比阈值的问题,提出了一种参数估计的算法。该算法首先基于粒子群优化,利用匹配追踪算法对信号进行自适应分解,获取匹配原子;然后基于原子参数对跳频信号进行参数估计。仿真结果表明,该方法不仅解决了匹配追踪算法运算量巨大的问题,而且克服了跳频信号各参数估计误差的相互影响,同时在低信噪比下参数估计的方差也比较小,更加适应于实际的电子战环境。     

基于STFT时频比算法的跳频信号盲分离

威格纳—威利分布(WVD)算法会引起交叉项干扰,快速独立分量分析(FastICA)算法会使分离信号的幅度、相位等参数较源信号发生变化,针对这些算法存在的误差问题,结合跳频信号的特点,提出一种基于短时傅里叶变换时频比的跳频信号盲分离法。仿真实验表明,这种算法能够有效地分离出多个跳频信号,比FastICA算法更准确。     

基于图像处理的跳频信号参数估计

针对复杂的电磁环境对跳频信号检测所产生的影响,提出了一种新的基于图像处理的跳频信号参数估计方法。首先将短时傅里叶变换(STFT)后的时频图处理为二维图像,然后根据电磁环境中噪声在时频图中的表现形式,对时频图进行滤波处理,最后根据对时频图的分析得出跳频信号参数估计。使用真实数据所进行的实验结果表明,所提出的方法能有效地滤除实际跳频信号中的雾态噪声、定频和突发信号,且不需要知道信号的跳速或驻留时间等前提条件,运算原理清晰,时间成本低且具有较高的准确度。目前该方法已应用于某数字接收机产品中,能很好地满足实际需求及测量精度要求。     

基于独立成分分析的跳频信号盲分离

近年来,ICA（Independent Component Analysis,独立成分分析）已成为处理BSS（Blind Source Separation,盲源分离）问题的主要手段,同时也受到人们越来越多的关注。该文首先介绍ICA,然后引入FastICA算法的推导过程,最后通过MATLAB仿真将跳频信号进行盲分离,并与梯度算法所得的仿真结果进行对比分析。通过算法验证,经FastICA处理得到的分离信号与源信号相关系数的绝对值不小于0.99,与梯度算法比较可以明显地得到FastICA是一种更为有效的跳频信号盲分离方法。     

随机跳频信号的模糊函数与时频分析

在分析随机跳频信号模糊函数及其特性的基础上,给出了用于时频分析的矩形核函数与信号模糊平面的关系,提出了一种新的时频表示方法。理论推导和仿真结果表明该方法能够有效地分析随时间快速跳变的跳频信号。与平滑伪维格纳分布相比,在保持相似性能的情况下,该算法运算量比较小,可以有效地节约运算时间,适合于快速跳频信号的实时分析。     

基于重排SPWVD的跳频信号参数提取方法

提出了一种基于重排平滑伪Wigner-Ville分布（SPWVD）的未知跳频信号参数盲估计方法。在未知任何先验条件情况下,能够从截获信号中提取并估计出非合作跳频信号的跳频信号驻留时间、跳变时刻和跳频频率。介绍了重排时频分析原理,比较了跳频信号的WVD分布、平滑伪WVD分布和重排平滑伪WVD分布（MSPWVD）,设计了基于MSPWVD分布的跳频信号参数盲提取算法,通过计算机仿真得到了较为准确的提取结果,并对算法的性能进行了分析。     

基于改进WVD的跳频信号参数估计方法

为了克服传统的平滑伪魏格纳分布(SPWVD)在跳频信号参数估计中分辨率降低的问题,提出基于改进WVD算法的跳频信号参数估计新方法。通过分析跳频信号WVD的性质和特点,构造出与跳频信号WVD自项支撑区重合的时频窗,用其与信号WVD相乘进行加窗,有效抑制交叉干扰项的同时保持了WVD良好的时频分辨率,得到了清晰的跳频信号时频分布,基于此分布给出跳频信号参数估计的具体步骤。仿真实验结果表明,该方法有效可行且具有很好的整体性能。     

重排谱图在跳频信号参数估计中的应用

为能准确提取出跳频信号的参数,提出了基于重排谱图的方法对跳频信号进行参数提取.对跳频信号进行重排谱图,得到其能量分布的最大值,对由最大值构成的矢量进行傅里叶变换,根据得到的数据,按照峰值检测法进行估计,得到对跳频周期、跳变时刻及跳频频率的估计值.对跳频跳速(跳频周期的倒数)进行仿真,仿真结果表明,与简单的谱图方法相比,重排谱图具有更好的时频分辨率,并且能得到更精确的估计值.     

一种用于跳频信号参数估计的时频表示方法

在时延和频移两个方向上,对跳频信号的模糊函数进行了分析,提出了一种基于跳频信号模糊函数自项特征的时频表示方法。其核函数在信号的模糊域能够有效地滤除噪声和交叉项,并保留绝大部分的自项能量。仿真试验结果证实,与平滑伪维格纳分布相比较,该方法提高了信号项的时频聚集性,具有更好的参数估计性能。     

基于熵测度的跳频信号谱图分析

为了有效分析跳频信号并估计其参数,依据跳频信号谱图和Wigner-Ville分布(WVD)的特征分析,提出了一种自适应跳频信号时频分析方法。该方法依据熵测度进行谱图窗函数宽度选择,获取优化的跳频信号谱图表示。理论分析和仿真结果表明,基于熵测度的谱图分析方法能够在大于0dB的高斯白噪声环境下,给出跳频周期参数的准确估计;与平滑伪Wigner分布及其自适应方法相比,该方法能够在较低信噪比下有效降低参数估计的方差,提高参数估计的准确性;同时对于长观测信号,具有更快的运算速度。     

基于窗函数设计的跳频信号时频分析

基于抑制交叉项,提高信号分量时频聚集性的考虑,提出一种基于可调窗函数进行平滑伪维格纳分布核函数设计的时频分析方法：在保持平滑伪维格纳分布中核函数宽度不变的情况下,根据核函数自项和互项能量分布比,通过调整窗函数中的扩展因子改变核函数形状,获取跳频信号优良的时频表示。与固定窗函数方法相比,应用该时频表示,可以有效估计跳频信号的时频参数,而且有很好的抗噪声干扰能力。     

低信噪比OFDM信号符号周期盲估计

针对认知无线电系统中正交频分复用(OFDM)信号参数估计这一重要问题,利用OFDM信号的循环谱实现了符号周期的盲估计。首先证明了加循环前缀矩形脉冲成型的OFDM信号具有循环平稳性,然后分别在无噪声和低信噪比条件下,以单载波信号的循环谱为基础,利用OFDM信号各子载波的正交性,从理论上推导出了OFDM信号的循环谱表达式。最后通过对连续信号和离散信号进行仿真,得到了相同的循环谱图,并且在低信噪比条件下,利用循环谱实现了OFDM信号符号周期的盲估计。     

一种复合微运动的微多普勒分析与参数估计

目标的微运动所产生的微多普勒特征包含了目标的运动和结构信息,在目标的分类、识别等领域中有着重要的作用。建立了振动与加速运动的复合微动模型,定量分析了目标的微多普勒调制特征,提出了利用提取峰值法和拟合直线法估计目标的加速度、振动频率和振动幅度等参数的方法,通过仿真验证了模型的正确性和参数估计的有效性。