共查询到19条相似文献,搜索用时 623 毫秒
1.
2.
3.
针对现有跳频信号参数盲估计算法存在时间分辨率和频率分辨率矛盾这一问题,提出了一种基于局部特征尺度分解的跳频信号参数估计新算法。该算法将跳频信号迭代地分解成若干个内禀尺度分量并进行降噪处理,然后对其最大瞬时幅度进行小波变换和傅里叶变换即可估计出跳频信号的跳变时刻和跳频周期,最后根据得到的跳变时刻和跳频周期可以进一步估计出跳频频率集。该算法不受时频不确定性原理的影响,能够在未知先验知识的条件下估计出跳频信号的跳周期、跳变时刻和跳频频率集。最后通过仿真验证了算法的有效性。 相似文献
4.
针对跳频信号侦察中,在非合作条件下进行信号跳同步问题,提出利用跳信号分段频谱比较分析实现跳频信号跳变时刻同步的方法。该方法首先利用短时傅里叶变换和小波变换的方法有效估计跳频信号跳速率参数,在此基础上通过在一个跳周期内取三段信号进行频谱比较,并滑动调整时间参数的方法进行跳同步获取。实验证明该方法不仅可以有效实现跳频的跳同步,同时克服了跳速率估计精度不足的问题,且方法结构简单易于工程实现。 相似文献
5.
为了在非协作情况下,对跳频信号的频率跳变时刻进行精确快速估计,提出一种基于压缩采样值的跳频信号跳变时刻快速估计算法。该算法首先通过压缩感知技术以远低于奈奎斯特采样定理要求的速率对跳频信号进行整周期滑动采样,然后根据不同时刻相邻两跳信号窗函数的特点,重构信号在傅里叶正交基上的2个权值最大的稀疏系数,并由此对前后两跳持续时间进行判断,从而对跳频信号的跳变时刻进行参数估计。仿真结果显示,该算法能有效地估计跳频信号的跳频转换时刻,且实时性优于现有时频估计类算法。 相似文献
6.
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。 相似文献
7.
8.
9.
一种新的跳频信号参数盲估计算法 总被引:1,自引:0,他引:1
本文针对通信对抗中的跳频信号参数盲估计问题,提出了一种基于原子分解算法的跳频信号参数盲估计方法.根据跳频信号内部结构的特点,以加窗正弦函数为基函数构造了一种与跳频信号匹配的3-参数时频原子字典,将跳频信号分解为有限个3-参数时频原子的组合,最终根据这些时频原子的参数值来估计跳频信号的参数.仿真实验表明,该方法能够在未知任何先验知识的情况下,对跳频信号的跳周期、跳变时刻和跳频频率进行有效估计. 相似文献
10.
11.
12.
13.
提出了一个适用于阵列天线的跳频信号检测模型。在该模型中,首先产生基于短时傅立叶变换的时频图,接着将跳频信号的各跳从时频图中分割出来,并用阵列信号处理中的到达方向(DOA)估计理论在频域中估计各跳的方向参数,最后通过空间聚类得到跳频信号的数目及各自的参数集。该模型具有计算量小、可检测变跳速跳频信号等优点。通过仿真实验验证了该模型的可行性和有效性。 相似文献
14.
针对短波复杂信道环境下的跳频信号参数估计问题,提出了一种基于图像处理的跳频信号参数盲估计算法。该算法在时频分析的基础上采用灰度共生矩阵提取信号的纹理特征,通过对纹理特征量的分割实现信号与背景噪声的分割,并运用形态学滤波去除二值化后产生的椒盐噪声;然后根据连通区域标记得到的各个信号在时频图中的位置信息来聚类,从而去除定频、突发等干扰信号,分选出跳频信号;最后根据分选出的跳频信号提取其跳频频线并进行修正,估计出跳频信号的跳周期、跳变时刻和跳频频率。仿真实验表明,该算法切实有效,能够在较低的信噪比条件下精确地估计出跳频信号的参数。 相似文献
15.
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。 相似文献
16.
17.
为了更好地处理脉冲噪声环境中的时变信号,本文提出了基于clipping方法的鲁棒局部多项式傅里叶变换(LPFT)及其重排算法。首先利用clipping方法对信号中掺杂的脉冲噪声进行抑制,得到较好的信号时频分布表示,然后将重排算法与该鲁棒LPFT相结合,以提高信号的时频聚集性。通过实验仿真可以看出,与基于中值滤波器的鲁棒LPFT相比,基于clipping方法的鲁棒LPFT同样能对被脉冲噪声干扰的信号给出较好的时频表示,而且其瞬时频率估计的最小均方误差(MSE)较低,计算量较小。并且,本文在基于clipping方法的鲁棒LPFT对掺杂脉冲噪声的信号进行处理的基础上,利用重排算法与其结合,有效增强了信号的时频聚集性。因此基于clipping方法的鲁棒LPFT及其重排算法是一种高效的处理脉冲噪声干扰信号及提高信号时频聚集性的方法。 相似文献
18.
19.
Considering the Gaussian asymptotic features of OFDM signals, the identification method of it is proposed in this paper by using the cumulants of the wavelet transform coefficients in different layer in a low SNR circumstance. Furthermore, taking the coexistence of the OFDM and Frequency Hopping (FH) signals into account, a new way to separate FH and OFDM signals is proposed based on SPWVD spectrum cancellation, and it can be used to estimate the FH parameters. The simulation results show that the OFDM and single-carrier signals can be identified with a high correct rate of 95% even at -6 dB SNR; meanwhile, the separation of mixed OFDM and FH signals can be achieved with a low SNR of-6 dB, and FH parameters can be estimated accurately. It shows that the recognition performance is improved by about 5 dB compared with the traditional method. 相似文献