基于短时傅里叶变换的无人机射频指纹分类识别

近年来,无人机“黑飞”事件常有发生,对低空空域的安全及部分场所的安全保密带来了极大的隐患。为加强对空域无人机的识别管理,提出了一种基于短时傅里叶变换的无人机识别方法。首先对无人机遥控器射频信号进行短时傅里叶变换得到射频信号的时频谱;其次通过分析时频谱,得到能量轨迹,获取能量瞬态并提取能量瞬态特征;最后采用K-近邻算法对提取的能量瞬态特征进行分类识别,并分析比较不同分类算法的性能。分析结果表明,所提方法的识别率可达到98.19%。     

Radon-Wigner变换法加速目标多普勒回波提取

目标加速运动会使雷达回波多普勒频谱展宽,导致傅里叶频谱分析方法信噪比下降、分辨率降低。为此给出了基于Radon-Wigner变换(RWT)的加速目标脉冲多普勒回波提取方法。论述了加速机动目标的脉冲多普勒雷达回波模型和傅里叶变换频谱分析方法,给出了基于RWT的雷达多普勒二次相位信号提取方法。对傅里叶变换和RWT方法进行了仿真比较,表明RWT具有较强的输出信噪比和速度加速度分辨能力。     

基于小波变换的MSK信号码速率盲估计

针对最小频移键控调制信号的码速率估计问题,提出一种基于Haar小波变换的MSK信号码速率盲估计方法。首先对接收信号作傅里叶变换得到信号频谱,对频谱频点分析粗估计信号的码速率,接着通过粗估计的码速率选取短时傅里叶变换窗函数长度和3个小波尺度,利用短时傅里叶变换得到信号瞬时频率变化,再利用小波的边缘检测特性对信号瞬时频率序列相位跳变点检测,最后对检测结果作频谱分析,估计频率得到MSK信号的码速率。仿真结果表明,高于信噪比门限时本算法可以对MSK信号码速率有效估计。     

基于时频分析的ISAR成像

传统的逆合成孔径雷达(ISAR)成像算法用傅里叶变换进行频谱分析,对机动目标的成像会导致成像模糊。本文应用短时傅里叶变换(STFT)、魏格纳分布(WVD)、平滑伪魏格纳分布(SPWVD)几种时频分析方法对机动目标进行瞬时成像。仿真和实验结果表明,通过该方法能得到清晰的目标的距离-瞬时多普勒像。     

光子多普勒速度测量系统的数据处理技术

光子多普勒速度测量（PDV）系统是一种新型的激光测速系统,可广泛用于冲击波、爆轰波以及其他短时高速运动的测量。数据处理是PDV测速技术重要的组成部分,旨在从含有大量噪声的测量数据中获得靶面等运动体的速度信息。在分析PDV系统测速原理的基础上,分别采用条纹法、短时傅里叶变换法和小波变换法对激光冲击强化实验中自由靶面运动的PDV数据进行了处理。针对其中的去噪、奇异点、小波基的选择等问题,提出了一些独特的处理方法。同时,对3种处理方法的误差、实时性、有效性进行了比较。     

基于同步压缩短时傅里叶变换的微型无人机识别

针对利用雷达微多普勒效应的微型无人机识别问题,提出了一种基于同步压缩短时傅里叶变换(Synchrosqueezing Short-Time Fourier Transform,SSTFT)的分类识别方法.首先对无人机的微多普勒回波信号进行SSTFT从而获得信号时频谱,然后对时频谱进行多维度特征提取获得回波信号的时频特征...     

高速运动目标多普勒有效信号自动提取方法

雷达多普勒信号的有效提取是膛内多普勒信号处理的关键环节,目前在内弹道工程应用中,常采用手动截取,这种方法的操作繁琐、误差较大、精度较低。针对上述问题,提出了一种雷达多普勒信号的自动提取方法。首先观察采集到的信号,截取明显的有用信号部分,对信号进行去噪,然后根据短时傅里叶变换(STFT)时频分析方法进行,选取合适的窗进行初步截取,最大速度点即为有效信号的终点,再根据高阶统计量方法,求出信号的起点,对信号进行提取。     

基于时频加窗短时傅里叶变换的LFM干扰抑制

通过对线性调频(LFM)信号分数阶傅里叶变换的分析,该文提出了一种基于时频加窗短时傅里叶变换(TFW-STFT)的LFM干扰抑制算法。由于提出的时频窗对LFM干扰具有较好的频域能量聚集性能,因此TFW-STFT对信号的影响要小于无聚集性能的短时傅里叶变换。仿真结果证明该算法在信噪比损失和系统误比特率上明显优于基于短时傅里叶变换的算法。     

基于短时迭代自适应-逆Radon变换的微多普勒提取方法

对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取方法.首先采用基于加权迭代自适应的STIAA时频分析方法分析了散射点模型的微多普勒特性,然后利用逆Radon变换分离重构不同散射点的微多普勒分量.该方法在低信噪比、邻近时频分布情况下能获得高分辨的多分量信号的完整微多普勒信息,性能分析显示STIAA-IRT重构精度较高,明显优于STFT-IRT (Short Time Fourier Transform-Inverse Radon Transform)和SM-IRT (S-Method-Inverse Radon Transform)特征提取方法.     

基于时频谱融合的加速度计信号分析

时频谱分析可以提供信号在时间域和频率域的联合分布信息,针对该方法很难同时保证较高的时间分辨率和频率分辨率的问题,提出了一种时频聚集性很高的谱融合方法。先用谐波小波包将信号分解到不同频段,再用高时间分辨率的Morlet小波和高频率分辨率的短时傅里叶变换分别对各个频段上的分量进行分析,得到小波尺度矩阵和短时傅里叶变换时频矩阵,然后通过算法将二者融合在一个时频谱中。通过仿真和对动态条件下加速度计信号的分析,证明该算法既能提取出微弱的动态变化,又具有较高的时频分辨率,可以直观、全面、精确地对信号进行识别。     

二维虚光栅移相莫尔条纹相位提取算法

目前二维干涉图所采用的相位提取算法大多以傅里叶变换法为主,而傅里叶变换法对噪声比较敏感。虚光栅移相莫尔条纹法具有较高的提取精度,而且抗噪性较好。在一维干涉图的基础上,提出了一种适用于二维干涉图相位提取的二维虚光栅移相莫尔条纹法,该方法通过构造一定相移量的二维虚光栅实现相位提取。与傅里叶变换法对比研究的仿真结果表明:对于同一幅二维干涉图,在干涉图不含噪声的情况下,傅里叶变换法与该方法的相对重构误差分别是5.52%和3.46%;在干涉图含噪声的情况下,随着噪声的增加,该方法在抗噪性方面的优势越来越明显。对二维横向剪切干涉仪零位校准装置所采集到的二维干涉图进行处理,实验结果表明,傅里叶变换法和该方法所得到的测量结果均方根值分别为0.0053λ和0.0037λ(λ=632.8 nm)。     

高斯噪声下跳频信号的提取与噪声抑制

本文提出了一种在高斯白噪声环境下提取跳频信号的算法,将广义S变换(GST)和短时傅立叶变换(STFT)相结合,引入形态学图像处理技术,分别对其时频谱图进行平滑和锐化,结果进行乘积合并后,设计一种针对跳频信号的时频滤波算子进一步抑制噪声,提升跳频信号,得到高分辨率稳健的时频图案。仿真实验证明该算法得到的时频图案信噪比有明显提高,时频分辨率也有很大改善。     

基于共轭噪声组的宽带噪声雷达机动目标参数估计

宽带噪声雷达参数估计时通常会采用宽带互模糊函数的方法,但是在处理机动目标时这种方法需要在距离、速度及加速度3维搜索而导致运算量巨大,为此该文提出一种基于共轭噪声组的机动目标参数估计算法。该算法首先根据回波伸缩效应预设多路通道,每路通道截取固定长度的噪声组内信号进行混频,然后利用分数阶傅里叶变换(FrFT)估计混频信号的多普勒相位,根据相位信息构造补偿函数,并对补偿后的噪声组信号利用频域尺度相关(FSC)算法估计回波的时延,最后联立多普勒相位及时延信息获取目标的距离、速度和加速度。该算法避免了目标参数3维搜索的过程,无需时域重构回波信号,较宽带互模糊函数方法极大地降低了运算量,整个算法都可通过快速傅里叶变换(FFT)实现,便于系统实时处理。仿真结果验证了该算法的有效性及优势。     

基于混合编程的高精度激光多普勒信号处理技术

针对激光多普勒信号中存在较大噪声干扰的实际情况,为了抑制这些噪声干扰,提高激光多普勒测速仪的测量精度,提出了对激光多普勒信号进行最小均方差(LMS)自适应滤波后作快速傅里叶变换(FFT),基于混合编程思想对所得到的频谱,先进行频谱细化,再进行频谱校正的信号处理方法,并对理想正弦信号和实测多普勒信号分别进行仿真计算和实验研究。仿真和实验结果表明：LMS自适应滤波技术可以有效抑制激光多普勒测量中的多频率噪声的干扰,此技术能够适应于很宽的信噪比范围,大大提高多普勒信号的信噪比;频谱细化技术可以提高激光多普勒信号的频谱分辨率,频谱校正技术可以准确地校正多普勒频率,使校正后的频率更加接近于真实值;信号处理精度比直接进行FFT提高2~3倍。     

一种基于短时傅里叶变换的罗兰C信号频谱分析方法

当前对罗兰 C 信号的频谱分析基本上采用的是基于傅里叶变换法的频谱分析方法, 此类方法无法实现对信号频谱的实时监测。采用短时傅里叶变换法(STFT)对不同信干比、天波幅度和时延条件影响下的罗兰 C 信号进行理论建模与仿真,并建立信号的时频数据库。通过对罗兰 C 信号的 STFT 分析,并与时频数据库进行谱峰比对,可有效解决实时性要求较高的天地波识别与天波时延测量问题。     

一种基于小波脊时频分析的差分跳频信号检测方法

针对差分跳频信号频带宽、跳速快、检测难的问题,在分析比较短时傅里叶变换(STFT)的基础之上,提出一种通过提取小波脊进行时频分析和参数估计的信号检测方法。该方法的检测效果明显优于短时傅里叶变换,当信噪比大于-7 dB时,在不要求高采样率的情况下,对于差分跳频信号的参数估计是有效的。     

用于光纤围栏入侵告警的频谱分析快速模式识别

相位敏感光时域反射计(Ф-OTDR)在光纤围栏等动态传感领域具有重要的应用,快速、有效地对入侵信号分类识别有着十分重要的意义。基于频谱分析提出了一种称为频谱欧氏距离法(EDFS)的快速模式识别方法。该方法通过短时平移差分和短时能量法对Ф-OTDR的解调信号进行提取,确定待分析数据段;对数据段进行归一化和快速傅里叶变换,获得信号的频谱特征;计算信号频谱与预先生成的模板之间的欧氏距离对入侵信号进行分类、识别。采用三种入侵信号对该方法的有效性和实时性进行了实验验证。结果表明,该模式识别方法可以有效识别扰动信号,识别时间小于传统的动态时域规划模式识别方法耗时的1/10。同时,该方法所需训练样本较少,对环境噪声有一定程度的抑制作用。     

利用稀疏傅里叶变换的哈希映射法的宽带频谱感知算法

宽带频谱感知一般要求对高达数 GHz带宽信号进行频谱分析,信号的采样点数大,计算量大。稀疏傅里叶变换算法利用信号频谱稀疏性,高效计算宽带信号频谱,其计算复杂度低于快速傅里叶变换算法。本文详细研究了稀疏傅里叶变换的哈希映射法,证明了频谱重排性质。为了降低频谱漏采的概率,需先对信号进行频谱重排和时域加窗处理;然后进行时域混叠以实现频谱降采样;最后利用哈希反映射和循环投票方法尽可能准确地从降采样的频谱中恢复宽带信号原频谱,从而实现频谱感知。仿真结果表明当采样长度由1024点增加到2048点时,本文方法的运算时间分别比OMP算法减少约19倍和47倍。      

基于短时傅里叶变换测向技术

针对传统测向算法对短时信号测向性能差的问题,提出了一种基于短时傅里叶变换(Short-time Fourier Transform,STFT)的频域处理与信号功率门限的自动判决相结合的测向技术,在除去干扰信号的同时提取目标信号的有效信息,然后利用测向算法进行测向。给出了该算法的具体实现过程,并对算法进行了仿真分析,验证其可行性,同时给出了仿真结果并指出了算法的优点与不足。     

强干扰下跳频信号的提取

强干扰存在的情况下,跳频信号检测和特征提取十分困难,为此,结合图像处理和噪声峰值提取的思想,提出了完整的提取跳频信号特征的方法:以短时傅里叶变换时频谱为基础,改进了一种利用形态学图像处理估计噪声基底的方法来消除噪声;然后,对每个时刻的频谱估计出信号个数和对应频率,根据统计的所有时刻的各类信息,将干扰信号排除,得到跳频信号.仿真实验表明,该方法能够在强干扰存在时,检测出幅度较弱的跳频信号,具有较好的抗强干扰性能.