时频分布与雷达信号的多目标分辨

编队飞行的目标,由于它们之间的间距很小。利用目标回波多普勒频率的差别有可能分辨目标。本文介绍了时频分布的基本概念。用线性调频(LFM)信号模型来表示多普勒回波信号的变化．采用时频分布的方法来分辨编队目标。并举用常见的Wigner-Vill分布(WVD)、Choi—Williams分布、Wigner-Hough变换对窄带多目标雷达信号数据进行了分析比较。     

自适应时频同步压缩算法研究

提高时频分辨率对多分量非平稳信号的分析与重建具有至关重要的作用。传统的时频分析方法由于窗口固定,分析频率变化较快的信号时存在时频聚集性不高的问题,无法自适应分辨多分量信号。该文针对频率快速变化信号,利用信号的局部信息特征,提出一种自适应的时频同步压缩变换算法。该方法有效提升了已有同步压缩变换时频分辨率,特别适用于频率接近且快速变换的多分量信号。同时,利用可分性条件,该文提出利用局部瑞利熵值对自适应窗口参数进行估计。最后,通过对合成信号和实测信号分析,证明了所提方法的可行性,对分析和重建复杂非平稳信号具有重要意义。     

基于SET和AlexNet的雷达动目标检测方法

针对传统的雷达动目标检测方法在杂波背景下目标识别率低的问题，提出了基于时频分析和卷积神经网络的雷达动目标检测方法。首先，通过同步提取变换将动目标的回波信号转换为时频分布，初步提取回波信号的时频特征；然后，对回波信号时频分布的脊线进行提取，并基于此构建数据集；最后，将数据集输入AlexNet进行训练和测试，实现雷达动目标的识别和分类。仿真实验表明，基于SET和AlexNet的方法在噪声环境下能够有效检测动目标，对匀速、匀减速、匀加速三类动目标都具有较高的识别率。脊线提取的应用增强了低信噪比下回波信号的时频特征，提高了检测方法的准确率和噪声鲁棒性。     

一种基于Radon变换的时频分析方法

针对CW脉冲和线性调频(LFM)信号,利用Radon变换沿直线积分的特性,将其与时频分布(TFD)结合在一起,抑制多频率分量信号各个分量之间的交叉项干扰,提高时频分布的时频二维分辨力。通过仿真数据验证算法具有良好的时频分辨能力以及抑制交叉项干扰能力。     

水下目标特征提取中希尔伯特黄变换方法的应用

由于传统时频分析方法的水下目标特征提取受到一定的制约,为解决之一问题,采用希尔伯特黄变换的方法可进行水下目标特征的提取,结果说明,希尔伯特黄变换方法对于信号的时频特性具有较高的分辨能力,其比较适用于水声平稳信号的分析。     

短时分数阶傅里叶变换对调频信号的时频分辨能力

调频信号的检测和参数估计一直是信号处理领域的研究热点之一。为深入挖掘短时分数阶傅里叶变换对调频信号的时频分析优势,从短时分数阶傅里叶变换的定义出发,推导了其时频分辨能力与信号参数的关系,并与短时傅里叶变换进行了对比分析。结论表明,短时傅里叶变换时频分辨能力与信号频率变化率有关,而短时分数阶傅里叶变换几乎不受调频率变化率影响。最后,通过对比仿真实验证明,对于频率变化率较小的信号,两者时频分辨效果差别不明显,对于频率变化率较大的信号,短时分数阶傅里叶变换的时频分辨效果更好。     

某型侦察雷达时频图伪彩色处理和动态显示

目前国内战场侦察雷达没有目标识别功能，判断目标类型是通过操作手分辨目标多普勒声音信号来实现的。然而，目标多普勒声音信号受噪声干扰大，操作手对目标尤其是对多目标进行判别非常困难，需要进行大量训练。为了提高目标类型的判断效果，采用伪彩色时频图方法进行目标判别，取得良好的效果。分析了某型战场侦察雷达视频回波特性，并对其进行了一系列处理，得到时频信息，用Matlab中Colormap建立伪彩色列表，以VisualC^#为平台，采用GDI＋方式对时频信息进行处理，实现了伪彩色绘图和位图的动态显示。     

数据倒序匹配付里叶变换处理

本文讨论了改进二步匹配付里叶变换的信号分辨能力和目标信号检测能力的处理方法，文中进行了理论分析，并做了计算机仿真，结果表明：数据的正常次序和数据的倒序的二步匹配付里叶变换在目标信号分辨方面具有互补性，它们谱积具有较高的目标信号分辨力，在信噪比达-20dB的条件下，仍具有比较好的目标信号检测能力。     

超宽带生命探测回波信号的时频分析

针对超宽带雷达在生命探测中如何对回波信号进行分析的问题,提出了该领域最佳时频分析方法——Wigner-Hough变换。主要思路是通过对超宽带雷达信号原理分析,并进行宽相关处理除去各种干扰;然后用短时傅里叶变换、魏格纳变换、Wigner-Hough变换方法对回波信号进行时频分析;利用人的呼吸和心跳数据进行仿真与实验验证,Wigner-Hough变换在时频分析方面有着明显优势。     

激光雷达微多普勒效应的仿真研究

为了研究激光雷达中微多普勒效应的探测及其雷达回波信号中反应目标特征的微多普勒信息的提取问题,建立了激光雷达微多普勒效应的物理模型,对应用激光雷达探测由目标振动引起的微多普勒效应进行了仿真,并对仿真信号进行了分析,由于信号的时变性,引入了时-频域联合分析的方法。采用了短时傅里叶变换方法对仿真信号进行了时频分析,得到了能够较好地反映目标特征的微多普勒图像。结果表明,激光雷达适合于低振幅微多普勒效应的探测,应用时频分析方法能够有效地从雷达回波信号中提取出目标的微多普勒特征。     

高频雷达机动目标的时频图像处理方法研究

高频雷达机动目标检测实为复杂外部环境和强地海杂波下的非平稳弱信号处理,针对非平稳特征提出了基于时频分析和图像处理的方法.首先应用时频分析方法得到机动目标的时频谱,进而在时频谱上进行频率维的恒虚警检测并形成目标像、在时间维应用区域生长技术提取目标的速度时变脊线.时频图像处理方法经频率维和时间维的多级处理、在保证系统检测性能的情况下可精确提取机动目标的速度时变信息.实测数据的处理验证了其有效性.     

多分量信号快速时频分析方法

针对目前多分量时频分析方法计算复杂度高,难以实现持续信号实时处理的问题,提出一种多分量信号快速时频分析方法。该方法通过信号流逐窗时频变换,实现信号的快速时频分析,其主要计算过程为短时傅立叶变换,时间和空间复杂度低,易于工程实现。性能分析结果表明:该方法时频分辨率高,避免了交叉项干扰,能有效分析低信噪比信号。     

基于Hough变换的任意时频分布线条特征提取

时频分布将时(空)域信号变换到时频联合域,揭示出信号的非平稳性、瞬时频率以及频率随时(空)间的变化演进,这其中往往主要含有线条成分,现有的分析方法只能探测直线成分(即线性调频参数),并且只是分析Wigner分布.本文进行两方面的推广,一方面将Hough变换探测各种参数曲线,可以对任意时频模式的信号进行检测;另一方面推广到任意时频分布,试验结果表明本文方法对于低信噪比的信号,检测可靠性更高,尤其对于自适应时频分布,效果更为满意.     

一种针对多分量信号的复延迟型时频分布的实现方法

 复延迟型时频分布(CTD)是近年来提出的一种新型时频分布.对于单分量调频信号,CTD具有良好的时频聚集性.但是对于包含两个或两个以上分量的多分量调频信号,直接采用定义式或传统频域卷积方法实现的CTD会产生大量的互交叉项,影响了它在各领域的应用.本文对CTD的传统频域卷积实现方法进行了三方面的修正,提出了一种适合多分量调频信号的修正型CTD频域卷积实现方法.仿真结果表明,本文方法对于多分量调频信号,既保持了CTD所固有的时频聚集性高的优点又极大地抑制了不同信号分量间的互交叉项.     

一种基于多窗宽度STFT的PSWFs信号时频分析方法

固定窗宽度的短时傅里叶变换(Short Time Fourier Transform,STFT)时频分辨率是固定的,难以对频率时变的椭圆球面波函数(Prolate Spheroidal Wave Functions,PSWFs)信号的时频分布特性进行全面分析.剖析了窗宽度对不同参数PSWFs信号STFT时频分布的影响,...     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

基于参数化时频分析的机动目标ISAR成像方法

对于机动目标,运动补偿后目标相对于雷达并不是标准的转台目标,目标的多普勒是时变的,此时传统的距离多普勒成像算法不能得到很好的成像效果.论文分析总结了几种针对非匀速转动的时频联合分析算法,提出了一种基于参数化时频分析--AGCD快速算法的ISAR成像算法,并且用机动目标的仿真数据进行了验证,验证结果表明了该算法具有精度高、速度快且无交叉项的优点,比传统的算法有较大的改进.     

基于小波包分析的SAR射频干扰自适应抑制方法

首次将小渡分析的方法应用到SAR射频干扰抑制中．提出了基于小波包分析的自适应干扰抑制方法。利用小波包变换的多分辨分析能力和良好的时频局部化特性，自适应地提取干扰特征向量，实现了SAR射频干扰抑制。克服了陷渡滤波法中陷渡器设计难以随射频干扰变化而自适应变化以及参数化干扰抑制方法对干扰拟合不够精确的缺陷。通过干扰抑制仿真实验．验证了方法的正确性和有效性。     

块稀疏贝叶斯模型下的跳频信号时频分析

针对传统时频分析方法存在的时频聚集性差以及交叉项干扰的问题,本文将接收到的跳频信号进行分割,构建时频稀疏模型,利用模型中的统计特性和结构特性采用块稀疏贝叶斯学习算法对跳频信号的时频图进行重构,在不需知道稀疏度和噪声强度的情况下,得到了高精度的时频图。但是由于算法在高维参数空间进行参数估计时复杂度较高,本文采用近似替换的方法对该算法进行改进,将高维参数空间转换到原始参数空间计算,大大减少了算法的复杂度,仿真结果表明改进算法在低信噪比的情况下能有效的得到跳频信号的高精度时频图且复杂度大大降低。      

Alpha稳定分布噪声条件下的广义S变换时频分析

在分析Alpha稳定分布噪声干扰下的非高斯信号时,基于传统二阶广义S变换时频算法效果显著退化。针对该问题,提出了基于分数低阶的广义S变换时频分析（FLO-GST）算法。该算法将分数低阶谱理论和常规广义S变换时频分布算法有机结合,同时优化窗口调节因子改善时频聚集性,得到较好的时频图谱。通过计算机仿真,并与其他时频算法进行对比,结果表明,该算法能有效抑制脉冲噪声干扰,更好的描述稳定分布噪声下非平稳信号的时频图谱,具有良好的韧性。