基于欠定盲源分离的同步跳频信号网台分选

针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法.该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计,降低噪声和样本集分布差异对聚类结果的影响,提高估计精度.最后采用变步长的稀疏自适应子空间追踪(SASP)算法对源信号进行重构恢复.仿真实验表明,该算法在低信噪比(SNR)条件下,跳频信号波达方向估计和恢复精度较高,能够有效完成同步跳频信号的盲分离.     

基于欠定盲源分离的同步跳频信号网台分选

针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法.该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计...     

基于STFD&SCMUSIC的多跳频信号DOA估计与网台分选

为了在欠定条件下利用跳频信号的空域特征参数进行网台分选,该文提出一种基于STFD&SCMUSIC的跳频信号DOA估计算法。首先在时频域提取跳频信号的有效跳(hop),并建立该hop的空时频矩阵(STFD);然后在MUSIC算法基础上,利用噪声子空间降维思想构造SCMUSIC空间谱;最终通过半谱搜索实现DOA快速估计,进而利用DOA信息完成信号的分选;同时为了提高低信噪比算法的性能,采用形态学滤波的方法对时频图进行修正,在修正的时频图上完成跳频信号有效hop的提取。理论分析和仿真实验表明了该算法的有效性和良好的估计性能。      

复杂环境下基于联合特征聚类的多跳频网台分选

为了从混叠信号中去除干扰并分选出各个跳频网台信号,提出一种基于联合特征聚类的多跳频网台分选算法。首先,对混叠信号进行短时傅里叶变换得到时频矩阵,并根据时频矩阵能量分布直方图进行自适应阈值去噪；其次,通过形态学滤波处理,去除扫频干扰；再次,进行连通域标记,计算各段信号的持续时长和平均能量,以此去除定频干扰和短突发干扰并组成各跳频段的联合特征向量；最后,利用MeanShift算法对各段信号的联合特征向量进行聚类分析,完成各个跳频信号的分选。仿真结果表明,相比传统跳频网台分选算法,所提算法对混叠信号具有更高的分选率、更强的抗干扰能力和更广泛的适用性。     

基于图像处理的跳频信号参数估计和双网台分选

针对多网台的跳频信号的参数估计和网台分选问题,提出了使用图像处理的方法。针对低信噪比的情况下参数估计精确率低的问题,提出了适用于图像处理去噪的自适应定门限二分聚类算法。最后,进行了实验仿真,仿真结果表明通过自适应定门限二分聚类算法对跳频信号进行去噪后,再通过图像处理的深度学习检测框架可以有效地对双网台的跳频信号进行网台分选,并且较为精确地识别出跳频参数。     

基于时频分析的混合矩阵估计方法

在盲源分离信号处理中,尤其在欠定条件下(观测信号数目大于源信号数目),精确的估计混合矩阵是具有挑战性的问题。现存部分方法利用信号的稀疏性进行求解,并假设在时域或者时频域中源信号不重叠,然而这类方法在假设条件不满足,即源信号部分重叠情况下随着信号稀疏性降低性能恶化明显。本文针对具有较弱稀疏性的源信号,提出了一种基于时频分析的欠定盲源分离的混合矩阵估计方法。首先,利用源信号时频变换后系数实部与虚部比值的差异性选择单源点;其次,运用经典的聚类方法估计解混合矩阵的各向量。仿真结果表明:提出的方法简易可行并具有较好的估计性能。      

低速短波非正交跳频网台信号分选技术研究

介绍了利用改进型的时间相关算法进行短波非正交跳频网台信号分选的方法。由于短波信号环境的复杂性,影响了对短波领域跳频信号的检测,使得跳频信号的持续时间这一关键技术参数无法正确获取,因此采取提高跳频信号检测的准确性和找回因"频率碰撞"而丢失的跳频频点等方法对时间相关分选算法进行改进,以提高网台信号分选的正确概率。通过实验分析,结果表明,在适当的信噪比条件下,改进型时间相关分选算法能够完成四部非正交跳频网台信号的分选,分选的正确率大大提高。     

低速短波非正交跳频网台信号分选技术研究

介绍了利用改进型的时间相关算法进行短波非正交跳频网台信号分选的方法。由于短波信号环境的复杂性，影响了对短波领域跳频信号的检测，使得跳频信号的持续时间这一关键技术参数无法正确获取，因此采取提高跳频信号检测的准确性和找回因“频率碰撞”而丢失的跳频频点等方法对时间相关分选算法进行改进，以提高网台信号分选的正确概率。通过实验分析，结果表明，在适当的信噪比条件下，改进型时间相关分选算法能够完成四部非正交跳频网台信号的分选，分选的正确率大大提高。     

采用图像处理的跳频信号参数盲估计

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。     

一种针对欠定瞬时混合模型的盲辨识算法

文中研究了欠定瞬时混合模型下的盲辨识问题,提出了一种基于单源点检测的盲辨识算法。首先,文中介绍了欠定盲源分离的盲辨识模型;其次,利用观测信号时频系数之间的关系和大小来检测用于聚类的单源点;最后,采用势函数聚类的方法估计出混合矩阵。仿真结果表明,文中算法与其它相同混合模型的算法相比,具有更好的算法性能。     

利用DBSCAN和概率密度估计的欠定盲源分离混合矩阵估计

针对欠定盲源分离中混合矩阵估计精度不佳的问题,本文提出了一种结合带噪声的基于密度的空间聚类（combining density-based spatial clustering of application with noise, DBSCAN）和概率密度估计的混合矩阵估计算法。首先,通过向量转换方式获得单声源时频点检测准则,并基于此准则从混合信号中检测出单声源点。其次,利用基于密度的空间聚类算法对单声源点进行聚类,由此估计出声源个数以及各类别所属的单声源点。再次,利用概率密度估计获得各类别的聚类中心,并构成混合矩阵。所提混合矩阵估计方法不需要提前设定声源个数,并且避免了由于数据分布不均所造成的聚类效果差的问题。最后,采用压缩感知技术实现源信号恢复,从而从混合信号中分离出各个声源信号。实验结果表明,本文所提的混合矩阵估计方法在声源个数未知的情况下,能够准确估计出混合矩阵;并且分离出的信号具有较高的质量。     

基于稀疏分量分析的振动信号源识别方法

振动传感器接收的信号往往包含不同部件的振动信号和环境噪声,为了从少量振动传感器的接收信号中识别信号源数和各频率分量,提出了一种基于稀疏分量分析的欠定盲源分离方法。该方法首先对混合信号进行时频变换,通过主成分分析提取各个时频点邻域的局部主成分,筛选出单源域特征数据。然后利用余弦距离改进聚类验证技术与模糊聚类算法,对振动源个数进行识别、对聚类参数进行更新,获得信号源数和混合矩阵估计。最后用一系列最小二乘法从混合信号对应的时频点中抽取出源信号。通过仿真实验和实测数据实验验证了本文方法的有效性和稳健性,相比经典时频比方法得到了更稳健、更精确的分离结果,这有助于对机械振动源进行识别和定量评估,以方便后续进行机械状态监测和减振降噪处理。      

基于自相关和时频分析的跳频参数估计

为解决低信噪比条件下跳频参数估计算法性能低的问题,提出了一种基于自相关和时频分析的跳频参数估计算法。首先,采用基于能量检测的分段自相关算法对接收端信号进行预处理;然后,进行时频变换,得到信号的时频矩阵,通过二值化和形态学滤波完成对信号的降噪提取;最后,通过聚类算法完成参数估计。仿真实验表明,该算法具有较高的估计精度和良好的抗噪声性能,在信噪比最低为-11 dB时估计误差数量级仍为10^-7,同时自相关运算对参数估计算法的抗噪声性能具有明显的提高作用。     

基于矩阵二值化的频率捷变雷达信号分选

针对频率捷变雷达信号的分选,提出了一种基于时频矩阵二值化的频率捷变雷达信号分选新方法。该方法首先对信号进行时频变换,得到时频矩阵;然后对时频矩阵二值化处理,提取信号在时频域能量分布归一化值作为信号的相参特征;最后采用支持向量机分类器实现信号分选。文中对频率捷变雷达信号进行仿真实验,结果表明,该方法在较低信噪比下仍能获得较为满意的分选准确率,当信噪比为6dB时,信号分选准确率达到96.17%,验证了所提出方法的有效性。     

基于LPFT的相控阵雷达信号盲分离

现代电子战中,雷达信号受到严重的干扰,使回波信号的提取愈发困难。跟据相控阵雷达天线阵列的特点,提出了基于局部多项式傅里叶变换(LPFT)的雷达信号盲源分离算法。选取线性调频信号(LFM)雷达信号作为发射信号,将雷达接收信号作为观测信号,应用LPFT进行时频变换,构造时频矩阵,采用联合近似对角化方法对受到干扰的雷达信号进行盲源分离。仿真结果表明,本方法有效得分离出了淹没在噪声和LFM调频干扰中的雷达回波信号。     

基于局部多项式傅里叶变换的语音盲源分离

频域的语音信号盲源分离多采用短时傅里叶变换以及Wigner-Ville分布(WVD)求信号的功率谱,而短时傅里叶变换对于多分量信号的频率分辨率受窗函数影响很大,WVD是一种非线性时频变换,处理多分量信号受交叉项影响很大。局部多项式傅里叶变换(LPFT)不仅提高了频率估计精度而且大大减少了时频分布中交叉项的影响。将语音信号表示为多分量的多项式相位信号,对语音信号作二阶LPFT,求得其局部多项式傅里叶变换谱(LPP),并构造时频矩阵,采用联合近似对角化算法求得能使信号功率谱矩阵近似对角化的一个酉矩阵,通过信号的白化以及酉矩阵来估计源信号,有效地分离出了原始信号。仿真结果表明,在噪声环境下可以将两个不同的语音信号进行分离。     

多跳频信号波达方向与极化状态联合估计算法

为了有效辅助跳频(FH)网台分选和信号识别、跟踪,该文用正交偶极子对构造极化敏感阵列,基于空间极化时频分析,在欠定条件下实现了多跳频信号波达方向(Direction Of Arrival, DOA)与极化状态的高效联合估计。首先建立跳频信号的极化敏感阵列观察模型,然后根据参考阵元时频分析结果建立各跳信号的空间极化时频分布矩阵,再利用该矩阵中蕴含的信号极化-空域特征信息分别运用线性、二次型空间极化时频以及多项式求根共3种方法实现DOA与极化参数联合估计,最后蒙特卡罗仿真结果验证了该算法的有效性。     

基于多重同步压缩变换的雷达辐射源分选识别

针对低信噪比条件下雷达信号分选识别算法识别率低且复杂度高的问题,提出了一种基于多重同步压缩变换(MSST)的雷达辐射源分选识别算法。首先通过MSST得到信号的时频图像矩阵;然后,对时频图像进行预处理,提取出时频图像的灰度共生矩阵纹理特征和Zernike矩特征;同时提取了信号的功率谱参数特征和平方谱统计特征,组成特征参数向量;最后利用支持向量机分类器实现了对雷达信号的自动分选识别。仿真结果表明,在信噪比为-2 dB时,该算法对9种雷达信号(CW、LFM、NLFM、BPSK、MPSK、Costas、LFM/BPSK、LFM/FSK和BPSK/FSK)的整体平均识别成功率大于96.5%。     

Frequency hopping modulation recognition based on time-frequency energy spectrum texture feature

For frequency hopping modulation identification,a novel method based on time-frequency energy spectrum texture feature was proposed.Firstly,the time-frequency diagram of the frequency hopping signal was obtained by smoothed pseudo Wigner-Ville distribution,and the background noise of the time-frequency diagram was removed by two-dimensional Wiener filtering to improve the resolution of the time-frequency diagram under low SNR conditions.Then,the connected-domain detection algorithm was used to extract the time-frequency energy spectrum of each hop signal and convert it into a time-frequency gray-scale image.The histogram statistical features and the gray-scale co-occurrence matrix feature were combined to form a 22-dimensional eigenvector.Finally,the feature set was trained,classified and identified by optimized support vector machine classifier.Simulation experiments show that the multi-dimensional feature vector extracted by the algorithm has strong representation ability and avoids the misjudgment caused by the similarity of single features.The average recognition accuracy of the six modulation methods of frequency hopping signals BPSK,QPSK,SDPSK,QASK,64QAM and GMSK is 91.4% under the condition of -4 dB SNR.