共查询到10条相似文献,搜索用时 31 毫秒
1.
通过相关域内对短时信号模糊函数的分析,针对短时信号对Choi-Williams分布(CWD)的核函数进行了改进,提出对加窗信号运用改进后的CWD提取信号时频信息的方法。仿真实验表明陔方法对多分量信号具有较强的交叉项抑制能力,在提高了信噪比特性的同时,也减少了计算量。 相似文献
2.
新体制雷达在现代军事中得到越来越多的应用,如何提取这些新体制雷达的细微特征并用这些特征进行识别也成为一个迫切的问题。用Choi-Williams分布(CWD)对信号进行时频变换,然后基于这些信号时频变换图进行奇异值分解,提取信号特征,设计了根据这些特征进行识别的流程图,结合计算机仿真对该识别方法进行了深入的分析,得出该方法具有一定的适用性的结论。 相似文献
3.
4.
将S变换(ST)时频分析方法应用到时相调制(TPM)信号的分析和处理中。ST及其反变换(IST)分别有多种实现算法,这些算法组合的选择对TPM解调系统的性能有重要影响。在介绍ST和IST多种实现算法的基础上,仿真了TPM信号的ST和IST,对比分析了各种算法组合的性能。仿真结果表明:在恢复TPM信号波形方面,fST-fIST组合的性能最优,tST-tIST(mtIST)组合的性能次之,交叉算法组合的性能最差。所得结论为后续的TPM信号滤波和检测过程中ST和IST算法的选择提供了重要依据。 相似文献
5.
6.
7.
针对低截获概率雷达(LPI)信号处理复杂,低信噪比条件下识别率低的问题,该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统。首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换,得到2维时频图像,然后使用去噪卷积神经网络进行时频图像去噪处理,最后将图像发送到Inception-V4网络进行特征提取,并使用softmax分类器进行分类,实现LPI雷达信号的有效分类识别。仿真结果表明,该方法在–10 dB信噪比(SNR)下,识别率仍然可以达到90%以上。 相似文献
8.
9.
针对低截获概率雷达(LPI)信号处理复杂,低信噪比条件下识别率低的问题,该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统.首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换,得到2维时频图像,然后使用去噪卷积神经网络进行时频图像去噪处理,最后将图像发送到Inception-V4网络进行特征提取,并使用softmax分类器进行分类,实现LPI雷达信号的有效分类识别.仿真结果表明,该方法在–10?dB信噪比(SNR)下,识别率仍然可以达到90%以上. 相似文献
10.
为了在复杂信号环境下能够稳定、准确地识别出信号,使用Choi-Williams时频分布作为信号描述方式,选取信号时频图像特征、信号波形复杂度和瞬时量特征组成特征矢量输入到以支持向量机(SVM)为主分类器的组合分类器中得到信号类型,并估计出信号各项参数。仿真实验表明该算法性能优良,在低信噪比(SNR)与信号参数变化的情况下可以以较高的识别率得到稳定的识别结果。 相似文献