盲源分离的一种时频比方法

在M.Puigt和Y.Deville提出的时频盲源分离算法基础上,引入S变换来获取非平稳信号的多分辨率特性。首先通过S变换将一维混叠信号映射到二维时频平面,然后构造不同混叠信号的时频比矩阵,通过在时频比矩阵范围内搜索单源分析域计算混合阵的每个元素,进而估计源信号。该方法能有效分离非平稳信号且具备多分辨率特性。     

基于非平稳信号时频分析的网络攻击检测算法

在复杂网络环境下,网络攻击特征信息通常表现为一组非平稳宽带信号,通过信号检测方法实现网络攻击检测,保证网络安全。传统方法采用傅里叶变换方法进行网络攻击的非平稳信号检测,由于傅里叶变换的时变性会引起较大的包络振荡,检测性能不好,提出一种基于非平稳信号时频分析的网络攻击检测算法。构建了复杂干扰环境下的网络攻击信号模型,提取网络攻击非平稳宽带信号的时频特征。采用WVD-Hough时频变换实现对网络攻击非平稳宽带信号的时频聚集,采用混叠谱模糊度函数分析频谱特征。得到网络攻击信号的瞬时频率估计结果,设计匹配滤波算法进行信号抗干扰设计,最后输出检测结果。仿真实验表明,采用该算法进行网络攻击检测,准确检测概率较高,检测性能优越。     

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.     

基于信号分解的MFSK信号码元速率估计算法

针对MFSK信号码元速率估计问题,提出了一种基于信号分解的估计算法。算法将MFSK信号分解为M个单音信号的形式,利用信号的循环平稳特性,在所有单音信号包络和的频谱中提取MFSK信号码元速率对应的谱线,从而实现对MFSK信号码元速率的估计。该算法仅需将MFSK信号的频率集作为先验信息,同时允许信号含有载波频偏。经过理论分析可知,该算法在多径信道条件下同样适用。仿真实验表明,该方法在高斯信道下有良好的估计性能,在多径信道下性能损失很小,表现出良好的实用性和鲁棒性。     

一种基于PCA的MPSK信号码元速率估计方法

针对MPSK信号的码元速率估计问题, 研究了有限数据条件下循环谱的谱线特征受到背景色噪声干扰的现象, 提出了一种基于主分量分析(PCA)的循环谱特征码元速率估计方法。PCA变换抑制了信号循环谱中的背景色噪声, 提高了估计精度, 减小了估计方差。仿真表明, 该方法在有限数据条件下具有良好的估计性能, 适用于不同成形滤波系数的MPSK信号。     

一种DSSS信号载频与码片速率的估计方法

在军事通信领域中,为解决抗干扰问题,直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号具有较低的功率谱密度,信号淹没在背景噪声中,侦查难度较大.针对低信噪比DSSS信号载频与码片速率检测的难题,为提高通信系统的性能,消除噪声,利用循环统计量的循环特性可以体现出循环平稳信号的频率参数,高阶循环累积量可以有效地抑制任何平稳噪声与非平稳高斯有色噪声的特点,提出了一种可同时对DSSS信号的载频与码片速率进行盲估计的方法.通过对不同延时切片的选择可以实现低信噪比DSSS信号载频与码片速率的检测,不需要任何的先验信息,在低信噪比的情况下有较好的估测效果.仿真实验验证了估计方法有效性.     

基于压缩感知和循环谱理论的信号载频估计方法

为实现在低信噪比的情况下对载频进行参数估计,提出了一种算法。首先,根据循环谱理论计算出信号的循环谱;然后,采用压缩感知的方法重新构造信号的循环谱切面;最后,根据信号循环谱切面中的离散谱线位置与信号的载频的关系采用平均法来计算载波频率。数值仿真显示在信号稀疏度较高的情况下,对载波频率的估计精度能控制在103△ Hz以下。在低信噪比的情况下,该算法能够有效地实现对信号载频的估计,在工程上具有一定的实用价值。     

一种低信噪比条件下QPSK信号盲处理方法

提出了一种用于盲估计四相编码(Quaternary phase shift key,QPSK)载波频率的改进MAT(M-MAT)算法,并给出了一种新型QPSK信号码元估计方法。在没有接收信号先验知识的情况下,首先对QPSK信号粗估计出其载频重心和3dB带宽,并适度滤除带外噪声,之后利用MAT方法估计载频。在此基础上,利用每个码元带宽内相位幅度不变的特性,通过相邻码元的相位差值来估计码元变化。仿真结果表明,该载频估计方法估计精度高于传统的MAT方法,解码方法可以在低信噪比条件下,达到较高的解码精度。     

单传感器中两路同频调幅信号的盲分离算法

首先描述了同频调幅信号的射频多相位混叠模型,提出了一种多相位映射的新方法。该方法可以在单载频单传感器情况下实现至多两路信号混叠矩阵的重建,然后采用独立分量分析的相关算法实现了信号的盲分离。仿真结果表明：本算法不仅能解决两路混叠调幅信号的分离问题,而且能有效地抑制带通强噪声干扰。实验中被带通噪声完全淹没的信号最终的分离信噪比均值达到50dB。     

ICA自适应核估计在多用户检测中的应用

将自适应核估计的ICA算法应用于DS-CDMA系统的多用户检测中,在没有关于混叠信号的分布假设时,根据信号的统计特性自动估计评价函数,采用自适应核密度估计ICA算法检测器的输出初始化独立分量分析的迭代,对任意混叠信号进行盲分离。通过与传统匹配滤波检测和ICA后处理匹配滤波检测进行仿真比对,证明了该算法在DS-CDMA多用户检测中的可行性和优越性。     

一种直扩信号的检测方法

在非协作通信中,基于循环谱理论的检测方法是直扩信号检测的重要方法之一.目前,该方法都是假设背景噪声和干扰为平稳信号.但是实际上,直扩信号面临严重的窄带干扰,特别是在军事领域,更是面临敌方有意的人为强窄带干扰.由于存在调制,人为的窄带调制信号都存在循环平稳特性,这对目前基于循环谱理论的直扩信号检测方法提出了挑战.文中通过理论分析、MATLAB仿真,分析了直扩信号、窄带调幅干扰信号,验证了窄带调幅信号具有循环平稳特性,提出了利用循环谱包络检测存在窄带调幅干扰的直扩信号检测方法,并写出了具体的算法.     

应用子带分解的特殊音效镶边的设计与实现

针对传统的调制镶边处理仅从全时域上对原始声音信号进行延时叠加的问题,利用子带分解的思想,研究如何有效地利用音频信号的频域特点,提出了一种新的基于子带分解的时、频镶边处理方案。理论分析和实验结果表明,新的镶边处理方案不仅能够有效利用人耳的听觉特性,还能够独立、灵活地选择和调节不同音域信号的调制镶边参数,实现了一种灵活、高效的镶边特殊音效处理。     

基于Hermite窗函数的多窗口时频重排方法

从提高时频聚集性和抑制重排振荡的角度出发,提出了一种以正交Hermite函数作为窗函数的多窗口时频重排算法。该算法既保持了重排的高时频聚集性又具有多窗口谱分析低方差、高分辨率等优点,同时也降低了由重排引起的振荡波动。仿真实验结果表明该方法对相距很近的两线性调频信号和非线性调频信号都非常有效。     

雷达脉内调制信号时频分布特征提取方法

针对复杂体制雷达辐射源信号分类识别问题,提出了一种基于时频分析的雷达脉内调制识别算法。首先对时频矩阵在时间域进行等间隔分区,然后通过检测区间内信号时频能量峰值提取其时频特征,最后用支持向量机实现了分类识别。该方法以信号时频能量峰值分布的差异区别不同的雷达脉内调制方式,有效降低了特征维数。仿真结果表明,该方法对雷达脉内调制具有较好高识别正确率,而且具有较强的抗干扰能力。     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题,提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法.算法的主要思想是利用互质阵良好的稀疏特性,通过矢量化处理构造虚拟阵列模型,扩展阵列孔径,实现阵列自由度的提升.首先,算法构造了互质阵输出的循环自相关矩阵,然后进行矢量化处理得到最大连续虚拟阵元部分,给出其谱峰搜索的表达式.最后,为降低计算复杂度,对算法进行改进,应用多项式求根的方法直接求解DOA估计值.仿真结果表明,所提算法能实现对有用信号的欠定估计,计算复杂度较低,且相比于大多数的循环平稳信号DOA估计算法,所提算法估计自由度和估计精度有了进一步的提升.     

一种去除回波频谱调制的直升机SAR成像方法

直升机机载合成孔径雷达(Synthetic aperture radar,SAR)信号受到主旋翼遮挡和直升机振动的调制,给合成孔径成像造成很大影响。本文采用时频分析方法对调制产生的原因和特征进行分析和研究,提出利用去斜后的方位相位误差作补偿,再进行相位梯度自聚焦(Phase gradient autofocus,PGA)处理,实现调制雷达回波的高质量SAR成像。实测数据表明,本方法较好地解决了回波调制情况下的成像问题,对直升机平台SAR成像具有重要的参考价值。     

基于FRFT及Wigner—Hough变换的非平稳信号时频分析

考虑到时频分析在非平稳信号处理中的广泛应用,本文比较了几种常用的时频分析技术,提出了一种基于分数傅里叶变换和Wigner-Hough变换的非平稳信号时频分析方式。仿真实验结果表明,基于分数阶傅里叶变换和Wigner—Hough变换的方法较之常用的二次型时频分布不同的是它消除了交叉项的干扰,同时也很容易估计参数,分析信号的瞬时频率,恢复信号的信息。     

The application of the Hilbert spectrum to the analysis of electromyographic signals

This paper investigates the application of the Hilbert spectrum (HS), which is a recent tool for the analysis of nonlinear and nonstationary time-series, to the study of electromyographic (EMG) signals. The HS allows for the visualization of the energy of signals through a joint time-frequency representation. In this work we illustrate the use of the HS in two distinct applications. The first is for feature extraction from EMG signals. Our results showed that the instantaneous mean frequency (IMNF) estimated from the HS is a relevant feature to clinical practice. We found that the median of the IMNF reduces when the force level of the muscle contraction increases. In the second application we investigated the use of the HS for detection of motor unit action potentials (MUAPs). The detection of MUAPs is a basic step in EMG decomposition tools, which provide relevant information about the neuromuscular system through the morphology and firing time of MUAPs. We compared, visually, how MUAP activity is perceived on the HS with visualizations provided by some traditional (e.g. scalogram, spectrogram, Wigner-Ville) time-frequency distributions. Furthermore, an alternative visualization to the HS, for detection of MUAPs, is proposed and compared to a similar approach based on the continuous wavelet transform (CWT). Our results showed that both the proposed technique and the CWT allowed for a clear visualization of MUAP activity on the time-frequency distributions, whereas results obtained with the HS were the most difficult to interpret as they were extremely affected by spurious energy activity.     

电力通信异构多网共存网络发现与识别算法

电力无线通信网支撑用户量大面广、业务高并发、运行环境复杂,表现为异构多网混合共存。为了支持智能电力终端动态选择网络接入,必须首先执行网络发现与识别。针对TD-LTE无线通信专网、WiMAX无线通信专网、智能电网邻域网和230 MHz电力无线专网异构多网共存场景,提出一种融合物理层信号时频特征和MAC层协议特征的网络识别算法。该算法结合改进的窗口滑动能量检测和多周期特性加权循环平稳特征检测执行网络发现与识别。仿真结果表明,该算法能有效识别异构的多种电力无线通信网络。