低信噪比条件下FSK信号调制特征提取

平滑伪Wigner-Ville分布可以用来提取频率编码信号调制特征,但在低信噪比条件下,提取信号调制特征准确率不高。小波去噪是降低信号噪声的有力工具,但对FSK信号有其局限性。本文对小波去噪的算法进行改进,提出“子脉冲”去噪,然后结合信号的SPWVD提取信号的调制特征,仿真表明,在同等低信噪比条件下该方法更有效。     

Wigner-Ville分布及其在脉压雷达信号检测中的应用

本文在分析Wigner-Ville分布及其在瞬时频率提取中的应用的基础上，结合脉冲压缩雷达信号的特点，提出了基于中频数字化接收机，采用Wigner-Ville分布检测脉冲压缩雷达信号的思路。最后分别针对模拟信号与实际信号进行了计算机仿真实验。     

非高斯噪声下数字调制信号识别方法

针对传统数字调制识别方法在非高斯Alpha稳定分布噪声下识别性能差的问题,该文提出一种基于广义分数阶傅里叶变换和分数低阶Wigner-Ville分布的数字调制识别新方法。该方法提取广义分数阶傅里叶变换的零中心归一化瞬时幅度谱密度的最大值和分数低阶Wigner-Ville分布幅度的最大值作为识别特征参数,并采用判决树分类器,实现了非高斯噪声下数字调制信号识别。仿真结果表明,在非高斯Alpha稳定分布噪声下,该识别方法不仅性能明显优于传统方法并且具有较高的识别率和良好的稳健性。     

弹道导弹目标回波信号建模与雷达特征分析

介绍了弹道导弹运动目标特征提取和雷达识别的研究概况,针对锥顶不动、进动角固定的匀速进动锥形弹头目标,对其典型运动进行建模,给出了回波的解析表达式,利用数值解的方法,对回波信号进行了频谱分析和时频分析,提取了频谱调制特征和微RCS特征,使用Wigner-Ville分布峰值检测法,提取了回波信号的微多普勒特征,给出了使用雷达微动特征识别弹道导弹弹头的途径.最后给出了回波信号时频分布、微多普勒、多普勒谱和微RCS的仿真结果,证明了理论分析的正确性.     

基于综合时频检测的雷达信号脉内特征提取

通过对小波变换法、Wigner-Ville分布等典型雷达信号脉内特征提取方法优缺点的分析,提出了一种将小波变换法和Wigner-Ville分布提取的结果进行截断综合的综合提取算法,实现了雷达信号的脉内特征准确提取.仿真结果表明,该算法在较低信噪比下仍有很好的效果.     

时频面滑窗掩膜的多分量信号高效重构算法

针对基于特征值分解的 Wigner-Ville 分布信号重构算法运算复杂度高这一问题,该文提出一种高效多分量信号重构算法。首先,通过分析 Wigner-Ville 逆变换公式,推导出瞬时时刻重构序列与原序列之间的联系,提出一种高效的信号重构算法。然后,采用平滑伪Wigner-Ville分布作为时频掩膜抑制Wigner-Ville分布的交叉项,并通过在时频面内滑窗的方法逐一提取各分量信号。最后,结合高效信号重构算法和时频面滑窗掩膜技术,实现多分量信号快速准确重构。仿真实验证明了该算法的有效性和可行性。     

基于希尔波特-黄变换的冲击无线电信号检测

冲击无线电信号具有低截获、瞬态特性。本文提出采用希尔波特-黄变换(HHT)方法从干扰和噪声中提取微弱的冲击无线电信号。通过HHT可以得到冲击无线电信号的时频谱,并与传统的小波时频谱和Wigner-Ville分布进行了比较。仿真表明：在信噪比低达-10dB的情况下进行冲击无线电信号检测,HHT方法优于传统的小波分析和Wigner-Ville分布。     

基于子带分解WVD的雷达信号时频分析方法

研究利用谐波小波子带分解消除 Wigner-Ville 分布交叉项的雷达信号时频联合分析方法。通过对多分量信号进行子带分解预处理来消除信号之间以及信号与噪声之间的相互影响， 并求取个独立分量的 WVD，最后进行线性求和获得原始信号时频分布。仿真分析结果表明，对于在频域无交叉点的多分量信号，该方法能够有效抑制交叉项和噪声的干扰，提高了时频分辨效果并能准确提取出目标的特征信息，检测效果优于传统 WVD 分析方法，将有助于提高雷达信号检测、特征提取的能力。     

基于时频分析的脉内特征分析

雷达信号的脉内调制特征是雷达个体特征的重要体现,要对雷达信号进行分选和识别,高可信度地判别雷达属性,必须对雷达信号的脉内特征进行分析。时频分析技术特别适合非平稳信号的分析,作为一种特征提取的工具已得到较为广泛的应用。采用Wigner-Ville分布对常见的几种雷达信号进行了脉内调制方式分析,并采用MAT-LAB进行了仿真。     

基于数据增强和特征嵌入的自动调制识别

基于端到端的深度学习模型已经被广泛应用于自动调制识别。现有的深度学习方案大多数依赖于丰富的样本分布,而大批量的标记训练集通常很难获得。提出了一种基于数据驱动和选择性核卷积神经网络(Convolutional Neural Network,CNN)的自动调制识别框架。首先开发深度密集生成式对抗网络增强5种调制信号的原始数据集;其次选择平滑伪Wigner-Ville分布作为信号的时频表示,并将注意力模块用于聚焦时频图像分类中的差异区域;最后将真实信号输入轻量级卷积神经网络进行时间相关性提取,并融合信号的时频特征完成分类。实验结果表明,所提算法提高了在低信噪比情况下的识别精度,表现出较强的鲁棒性。     

抑制维格纳分布交叉项干扰的自谱窗方法

维格纳分布是一种重要的时—频分析方法,但交叉项干扰问题影响了它的推广应用。本文分析了积分核函数的自维格纳分布项和交叉项的正交性质,从而提出一种用真实的自维格纳分布项的函数作为模板与积分核函数作互相关,抑制交叉项的方法。文中建议采用信号的STFT谱作为窗,在时一频平面上处理维格纳分布来实现上述方法,因此,该方法又称为自谱窗法。本文以仿真信号为例,检验了这种方法的效果。     

椭圆球面波信号Wigner-Ville分布显式渐近求解方法

针对现有的椭圆球面波函数(PSWFs)信号时频分析无显式表达式、数值仿真误差不可控、时频分布结果对称性缺失等问题,该文引入Legendre多项式以及Wigner-Ville分布(WVD),提出一种PSWFs信号WVD显式渐近求解方法。该方法根据误差要求,生成所需阶数的Legendre多项式WVD自项、交叉项,进而与对应的WVDLegendre系数相乘后线性叠加,获取PSWFs信号WVD显式渐近表达式。理论及数值仿真结果表明,所提方法能够产生满足误差要求的PSWFs信号WVD显式渐近表达式,且能够有效保持信号原有的时域、频域对称性。此外,在相同采样点数情况下,相对于基于数值解的PSWFs信号WVD,所提方法获得的PSWFs信号WVD频域分辨率更高。     

基于PWHT的LFM-PRBC雷达信号截获与特征提取

线性调频-伪随机二相编码调相复合调制雷达信号(LFM-PRBC)融合了两者的优点,弥补了单一信号的不足,是一种性能较好的低截获概率雷达信号,给传统雷达截获接收机带来挑战。提出了将周期Wigner Hough变换(PWHT)与相关检测相结合的方法,通过在信号的周期WignerHough域搜索峰值,检测复合调制雷达信号并实现其特征提取。通过理论分析和计算机仿真验证,该方法能实现高斯白噪声背景下低信噪比复合调制信号的截获与特征提取。     

基于多谱图叠加阈值的抑制WVD交叉项的新方法

本文提出了一种抑制Wigner-Ville分布(WVD)交叉项的新方法。 首先对多幅具有不同时-频分辨率的谱图进行叠加, 然后对叠加结果进行阈值处理,确定WVD自项在时频平面的支撑区域。 最后,用该区域的示性函数乘以WVD得到一个新的时频分布。 不同于传统的抑制交叉项的核函数方法, 该方法抑制交叉项的同时, 保持WVD了高时频聚集性。 实验结果表明, 该方法对由多个LFM信号构成的多分量信号和非线性调频信号都非常有效。     

利用ASTFT谱有效抑制WVD交叉项的方法

该文分析了Wigner-Ville Distribution (WVD)中自项与交叉项相互关系,提出了一种利用自适应短时傅里叶变换(ASTFT谱)有效抑制WVD交叉项的新方法。该方法首先对信号进行ASTFT得到信号的ASTFT谱图,以确定出信号分量在时频平面内的位置,然后将ASTFT谱作为窗函数对信号的WVD进行加窗处理,从而有效消除掉WVD中的交叉项,并保留WVD的高分辨率和能量聚集性等优良特性。最后通过实例验证了该方法的有效性。     

STTFD的特性分析及其在线性调频信号 参数估计中的应用

 精确地估计线性调频(LFM)信号的中心频率和调频率值,在雷达信号处理中有着十分重要的作用.WVD变换具有估计线性调频信号的中心频率和调频率特性,但当存在多个线性调频分量时,交叉项会严重影响线性调频信号中心频率和调频率的估计.针对这一问题,本文提出了基于STTFD(时频分布尺度变换)的线性调频信号参数估计的方法,即在时频平面内对信号进行尺度变换,去除信号瞬时时间和相关函数延迟量的耦合,使线性调频信号的频率随时间变化呈线性分布变为不随时间变化的常数分布,再通过在时频平面内沿时间轴做FFT积累所得到的信号峰值位置来估计信号的中心频率和调频率参数值,并且对STFD的特性以及相关函数延迟量和尺度变换常数对STTFD的影响进行了详细的分析.在本文最后,通过仿真数据验证了STTFD的特性及其精确估计线性调频信号参数的有效性.     

Signal enhancement by time-frequency peak filtering

Time-frequency peak filtering (TFPF) allows the reconstruction of signals from observations corrupted by additive noise by encoding the noisy signal as the instantaneous frequency (IF) of a frequency modulated (FM) analytic signal. IF estimation is then performed on the analytic signal using the peak of a time-frequency distribution (TFD) to recover the filtered signal. This method is biased when the peak of the Wigner-Ville distribution (WVD) is used to estimate the encoded signal's instantaneous frequency. We characterize a class of signals for which the method implemented using the pseudo WVD is approximately unbiased. This class contains deterministic bandlimited nonstationary multicomponent signals in additive white Gaussian noise (WGN). We then derive the pseudo WVD window length that gives a reduced bias when TFPF is used for signals from this class. Testing of the method on both synthetic and real life newborn electroencephalogram (EEG) signals shows clean recovery of the signals in noise level down to a signal-to-noise ratio (SNR) of -9 dB.     

时频分析在雷达信号识别中的应用

针对目前雷达信号分选识别的问题,研究了时频分析的方法在信号识别方面的应用。该方法与其他雷达信号识别方法相比,能有效地分析非平稳信号。在时频分析相关理论的基础上,分别研究了基于短时傅里叶(STFT)变换和Wigner-Ville分布(WVD)方法对信号特征的分析和提取。通过仿真,分析对比了两种方法的优劣性, STFT可分析出信号的局部频域特性,而相同信噪比下, WVD比STFT受噪声影响小、聚合度高,能更好地体现时间和频率之间的关系,由此表明,两种方法均可较好地区分出调制信号特征。     

循环相关熵谱密度估计高效算法研究

针对循环相关熵谱估计循环周期图检测(CPD)算法存在计算效率低、频谱分辨率低和易产生"频谱泄漏"的问题,该文提出一种循环相关熵谱估计的Correntrogram算法.Correntrogram算法借鉴Wigner-Ville分布(WVD)时频分辨率高的优势,将WVD算法中瞬时自相关函数替换为时变自相关熵函数,即可得到一...