基于Duffing振子的弱Chirp信号检测与参数估计

在超低信噪比下, 针对 chirp 信号常规检测方法均失效. 提出一种超低信噪比下 chirp 信号的检测与参数估计方法. 该方法利用 Duffing 振子构建广义滤波器组,并以其最大 Lyapunov 指数的符号作为系统状态的判断标准. 根据 chirp 信号的特征, 将 chirp 信号的检测问题转化为一个周期信号检测的问题, 使其满足 Duffing 振子的检测条件. 获得调频斜率的估计后, 构造一个新序列, 再利用 Duffing 振子系统估计初频. 为提高信噪比, 本文还提出分段相关平滑的方法, 使检测和估计性能得到提高.     

基于稀疏表示的系统辨识方法

基于信号的稀疏表示理论提出一种线性时不变系统辨识方法.该方法利用线性调频信号作为线性时不变系统激励输入信号,在利用传统方法进行系统辨识前利用稀疏分解算法对系统输出信号进行噪声处理.线性调频信号具有较好的时频聚集特性,线性时不变系统的输出也将具有很好的时频特征,利用基于Gabor字典的稀疏分解将能有效地提取输出信号中的有效分量,滤除其中的噪声成分,提高系统辨识的精度.仿真实验表明,本文提出的方法在低信噪比情况下,辨识效果好于传统方法.     

Fourier extension and hough transform for multiple component FM signal analysis

Conventional representations in the time or frequency domain are inadequate for non-stationary signals which have statistical properties varying with time. In particular the advent of pulse compression techniques and the use of time varying chirp-type signals widespread in radar, sonar and seismic technologies means there is a need for time-frequency representation. We present a technique which extends the Fourier transform to non-stationary signals. We call the technique Fourier Extension analysis. We show that the analysis extends naturally to a time-frequency representation using the Hough transform projection, and investigate the resolutions obtainable with regard to separation of chirp signals compared with the usual matched filter approach common in radar processing. A visual interpretation of the magnitude and phase of the analytic results is introduced allowing a range of transform orders to be viewed simultaneously. Using frequency modulated signals, we demonstrate significantly higher resolution both in rate and time separation. Examples are given using synthetic and real world chirp signals illustrating improvements in time-frequency resolution using the new approach compared to the commonly used quadratic transforms.     

Radar detection of high-energy cosmic rays in non-Gaussian background using a time-frequency technique

Cosmic rays are the highest-energy observable particles in the universe. Their study opens a new frontier for scientists to better understand the nature of the universe. This paper reports our study of a bistatic radar approach that is being developed for remote sensing of cosmic-ray induced air showers. In this context, we propose a robust detection technique based on time-frequency domain for the received radar echoes. These echoes are modeled as linear-downward chirp signals, characterized by very short sweep periods, low energies, and corrupted by non-stationary and non-Gaussian background noise. In addition, the related parameters of the received echoes are variable within some expected ranges, determined by the physical parameters of the air showers. In this paper, we explore the performance of the proposed detection method through an extensive theoretical analysis. We derive formulae for probability of the correct detection, as well as false-alarm rate. Numerical simulations and experimental results that corroborate our analysis are also presented.     

分数阶Fourier变换在多分量信号谱图分析中的应用

作为时频分析方法的一种,谱图对多分量信号分析时受交叉项影响,特别是当信号相隔很近时尤为严重,而且频率分辨率会受影响。给出了结合分数阶Fourier变换（FrFT）对多分量信号进行谱图分析的方法。首先利用分数阶二阶矩极值点而找到相应的最优旋转阶数,对所给多分量信号按此阶数做分数阶Fourier变换,再在此基础上做谱图分析。仿真实例表明,该方法对初始频率、调频率很接近的多分量的chirp信号能有效识别,交叉项可得到较好的抑制。     

Joint multiple parameters estimation for coherent chirp signals using vector sensor array

In this paper, an algorithm is proposed to estimate starting frequency （SF）, chirp rate （CR）, 2-D direction-of-arrivals （DOA） and polarization of coherent chirp signals with vector sensor arrays. The fractional Fourier transformation （FRFT） is used to estimate SF and CR of chirp signals in this method. And a new correlation matrix is reconstructed to suppress the noise. The property of the vector sensor array is employed to solve the problem of insufficient rank from signal coherence. The L-shaped uniform array of expend aperture is used to improve the precision of es- timation, and the method of solving the ambiguity of angle under the condition of coherent signals is presented. The performance of this algorithm is compared with that of spatial smoothing method to verify the efficacy of this approach.     

基于声源时延估计的欠定盲分离方法

提出一种基于声源时延估计的二元时频掩蔽方法.通过三个接收信号实现多于多个语音源信号的欠定盲分离.利用语音信号的W-分离正交性,在时频域估计各个源信号到达接收阵列的相对时延序列;进而基于信号时延序列的估计,采用最大似然算法将时频域划分为与源信号个数相同的互不重叠的时频点集合,每个集合(近似)只包含一个源信号的所有时频分量;再通过二元时频掩蔽依次恢复出各集合所对应的源信号.该方法性能通过主观试听得到了验证,其分段信噪比增益至少为13 dB.较之欠定解混迭估计技术DUET,本文方法得到的分离信号与实际声源信号的相异度降低约3 dB.     

基于Duffing振子的弱正弦信号检测的改进

提出了一种基于Duffing混沌振子弱正弦信号的检测方法;为了能够检测更加微弱正弦信号的频率,对Duffing系统相关参数加以调整,使系统阈值与微弱正弦信号幅值大致相当;采用Duffing振子阵列法检测微弱正弦信号频率,在检测精度较高的前提下,缩小振子间频率比,增加振子数量;实验仿真表明可以检测幅值最低为0.002V的弱正弦信号。     

基于变步长阵发混沌的ZPW-2000低频信号检测方法研究

针对常规混沌阵列检测轨道移频信号所带低频信息存在复杂度高和精确性低的问题,对常规方法进行改进,提出了一种基于变步长阵发混沌的低频信号检测方法,该方法只运用一个Duffing振子,通过设置一组步长可以覆盖整个待检测低频信号所在频段的序列,来实现对轨道低频信号的检测。结合Duffing混沌系统检测信号的优越性,分析了利用变步长阵发混沌法检测低频信号的可行性,给出了此方法检测低频信号的步骤,并从理论上计算了可发生阵发混沌的步长序列,然后利用Matlab/Simulink搭建仿真模型进行仿真验证。结果表明,可用变步长阵法混沌法对低频信号进行检测。最后再利用阵发混沌周期法对仿真结果进行进一步研究,得出精确的低频信号。变步长阵发混沌法的检测性能在精确性及系统复杂度方面都优于传统的轨道低频信号检测方法,并且可以实现低信噪比下低频信号的检测。     

基于差分麦克风阵列和语音稀疏性的多源方位估计方法

差分麦克风阵列为实现小尺寸阵列条件下的声源定位提供了一条重要技术途径。语音信号具有稀疏性,利用该特性可实现基于差分麦克风阵列的多声源方位估计,其中的典型方法为直方图法。针对差分麦克风阵列,本文提出了一种基于时频掩蔽和模糊聚类分析的短时平均复声强多声源方位估计方法。分析了不同阵列尺寸条件下时频掩蔽频带范围的选择问题。该方法具有闭式解,在强混响噪声环境下的性能优于直方图法,并且受阵列尺寸变化的影响较小。为了改善直方图法的性能, 基于时频掩蔽的思想,文中还给出了一种修正的直方图方法。混响噪声环境下的仿真实验结果验证了本文所提方法的有效性。     

高斯噪声下伪码-线性调频复合信号参数提取方法

针对目前雷达信号参数估计算法在某种环境中性能急剧下降,甚至失效的问题,提出一种基于多相滤波器组和高阶累积量联合处理的伪码-线性调频复合信号参数估计算法.该算法首先利用多相滤波器组实现信号在频域上快速均匀划分,然后对输出的每个子带信号进行三阶累积量对角切片的短时估计,有效抑制高斯噪声的干扰,并经过包络检波后得到复合信号完整的时频矩阵,最后通过时频图像的Radon变换和频率曲线的提取实现信号伪码数目、码元宽度、调频斜率、信号载频、带宽以及起止频率的提取.仿真结果表明,该方法在信噪比大于-11 dB时的估计精度较高.     

基于粒子群优化以及深度胶囊网络的轴承故障诊断

针对发动机轴承损坏情况严重以及基于模型方法预测精度不稳定的问题,提出一种基于深度胶囊网络和粒子群优化算法的轴承故障预测方法。通过将观测振动信号自适应降噪后,基于粒子群优化算法进行稀疏盲分离,得到轴承振动信号,通过S变换获取时域图以及轴承振动特征,其次将时域图经由卷积层卷积,输入到胶囊层进行预测。将高低胶囊层之间的算法转化为数学优化问题,提升传输效率,最后得出高层胶囊的预测向量。结合具体轴承监测数据进行实例分析,与基于数据的浅卷积网络以及经验模态分解预测相比,算法体现了更稳定更精确的预测性能。     

多分量调频信号的阵列处理时频交叉项的抑制方法

在应用时频-MUSIC方法对多分量调频信号进行到达角估计的问题中,针对时频分布中交叉项的存在对估计性能的影响,提出了一种基于阵列信号处理抑制时频分布交叉项的新方法。该方法利用多信源在各阵元上的延迟对时频分布交叉项振荡相位的影响,联合运用多通道信号处理和图像处理的方法,采用二维乘法滤波,减小高频振荡交叉项在时频图像中的占据区域,从而达到抑制交叉项的目的。仿真实验显示该方法具有良好的效果。     

认知型宽带恒模阵列水声通信多用户信号分离与干扰抑制算法

提出了一种适用于水声通信系统节点多用户信号获取与干扰抑制的宽带空时恒模阵列算法,实现多用户信号提取和宽带干扰的抑制。该算法与常规恒模阵列相比,具有更强的多径与干扰抑制能力。作为认知水声通信技术的重要组成部分,采用时频分析与瞬时自相关等调制特征提取算法,对宽带恒模阵列获取的多用户及干扰有效分类,从而为不同调制用户解调及干扰抑制提供解决方案。计算机仿真验证了该认知处理算法结构的良好性能。     

基于Duffing振子的铁路轨道移频信号测量系统设计

铁路轨道作为移频信号的传输载体,其对于信号对象传输轨迹疏密度的辨别能力,决定了轨道体系对移频信号的测量准确性。为实现对信号对象传输频率的准确辨别,设计基于Duffing振子的铁路轨道移频信号测量系统。将电源模块输出的电量信号,按需分配至STM32F103 微处理器、移频信号辨别模块与DSP测量单元之中,完善各级应用部件之间的连接关系,实现铁路轨道移频信号测量系统的硬件方案设计。确定移频信号的Duffing振子描述条件,针对其定义形式,构造移频信号的相空间,完成对铁路轨道移频信号的提取。求解铁路轨道的Lyapunov指数,并构建移频信号的Duffing方程,确定混沌测量参数的取值范围,实现对铁路轨道移频信号的测量,联合各级应用部件,完成基于Duffing振子的铁路轨道移频信号测量系统设计。实验结果表明,上述系统测量所得信号传输轨迹疏密度与真实轨迹疏密度相似度较高,能够实现对铁路轨道移频信号的准确测量。     

基于EMD时频分析方法的性能研究

针对传统的时频分析方法存在的局限性,评述了一种最新的可适用于非平稳、非线性信号的时频分析法-Hilbert-Huang时频分析.研究了经验模态分解(Empirical Mode Decomposition,EMD)与希尔伯特变换(Hilbert Transformation,HT)相结合的提取信号瞬时特征的EMD/HS法,并对其性能进行了分析.仿真实验中通过与传统的时频分析效果的比较,表明该法具有理想的时频聚集性,并且消除了交叉干扰项.     

多分量调频信号的阵列处理时频特征提取

在应用时频—MUSIC方法对多分量调频信号进行到达角估计的问题中,针对时频分布中交叉项的存在对估计性能的影响,本文提出了一种基于阵列信号处理抑制时频分布交叉项的新方法。该方法利用多信源在各阵元上的延迟对时频分布交叉项振荡相位的影响,联合运用多通道信号处理和图像处理的方法,采用二维乘法滤波,减小高频振荡交叉项在时频图像中的占据区域,从而达到抑制交叉项的目的。仿真实验显示该方法具有良好的效果。     

Normal and hypoacoustic infant cry signal classification using time-frequency analysis and general regression neural network

Crying is the most noticeable behavior of infancy. Infant cry signals can be used to identify physical or psychological status of an infant. Recently, acoustic analysis of infant cry signal has shown promising results and it has been proven to be an excellent tool to investigate the pathological status of an infant. This paper proposes short-time Fourier transform (STFT) based time-frequency analysis of infant cry signals. Few statistical features are derived from the time-frequency plot of infant cry signals and used as features to quantify infant cry signals. General Regression Neural Network (GRNN) is employed as a classifier for discriminating infant cry signals. Two classes of infant cry signals are considered such as normal cry signals and pathological cry signals from deaf infants. To prove the reliability of the proposed features, two neural network models such as Multilayer Perceptron (MLP) and Time-Delay Neural Network (TDNN) trained by scaled conjugate gradient algorithm are also used as classifiers. The experimental results show that the GRNN classifier gives very promising classification accuracy compared to MLP and TDNN and the proposed method can effectively classify normal and pathological infant cries.     

低信噪比下跳频信号参数盲估计

针对通信对抗的实际应用,提出了一种在低信噪比下估计跳频信号跳速的方法。首先利用谱图的无交叉干扰项和修正平滑伪Wigner-Vile分布（MSPWD）的强时频聚集性,将谱图和MSPWD进行组合得到了清晰稳健的时频分布;然后基于此分布,利用二次差分法沿着频率轴搜寻每个时间的峰值显示来校正时频矩阵;根据此时频矩阵,分别利用FFT方法、自适应门限法、代价函数法来进行跳频周期估计,仿真结果显示,时频分布经过二次差分处理后,在更低信噪比下提高了估计精度,在跳速较低时,FFT方法在低信噪比时性能较好,在跳速较高时,代价函数法性能较好。     

短时分数阶傅里叶变换的基本性质

作为一种不会对信号时频结构在解线调时产生压缩扭曲的线性时频分析工具,短时分数阶傅里叶变换(STFrFT)相比于分数阶傅里叶变换更适于处理多项式相位信号.证明了短时分数阶傅里叶变换的一些基本性质,例如:重构条件和帕塞瓦尔定理等.以chirp信号为例给出了STFrFT的窗函数和窗口参数的选择依据.本文结论为短时分数阶傅里叶变换的应用提供参考.