基于熵调整模糊c-均值聚类的时频能量混合模型

本文提出了一种改进由时频不相交分量组成信号的双线性时频分布的分辨率和可读性的方法。用修正的Xie-Beni聚类有效性指标对熵调整模糊c-均值聚类算法进行拓展将模糊聚类与密度估计相结合,实现了信号时频分量的识别和建模;信号的时频能量混合模型给出了信号分量的数目及其在时频面上所占据的区域。这些信息可以用于分离信号分量,设计适合于每个分离分量的光滑核。仿真结果表明,对于由时频不相交分量组成的信号,本方法可以识别出其中的信号分量,并得到较优的时频分布。     

基于条件对抗生成时频分布的多分量信号瞬时频率估计

瞬时频率（Instantaneous Frequency,IF）估计在多分量信号处理中具有重要意义,而现有方法在信号分量的IF曲线相近或相交时估计准确度不佳。针对这一问题,本文提出一种基于条件对抗生成时频分布的多分量信号IF估计方法。该方法首先采用时频分析产生信号的时频图像（例如掩膜维格纳分布）作为条件生成对抗网络（Conditional Generative Adversarial Networks, CGAN）的原始数据集,通过训练CGAN进行学习之后生成接近理想时频分布的时频图像。根据这些图像,本文利用一种改进的维特比算法提取出不同分量的IF曲线。其改进点在于增加了一个线段梯度的惩罚项,使维特比算法在分量相交的时频区域仍有准确的IF估计。实验结果表明,该方法能够有效且准确地估计分量相近或相交情况下信号的IF信息。      

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。     

基于时频分布的多分量LFM信号检测

采用二次型时频分析方法对多分量线性调频信号进行分析,获取信号的时频域能量分布。首先讨论了线性调频信号的两种二次型时频分布：魏格纳-威尔分布及其改进形式——重排魏格纳-威尔分布;在此基础上,进一步对比验证了霍夫变换和若当变换对线性调频信号时频域能量的积累效果,以实现噪声背景中的多分量线性调频信号检测。仿真结果显示基于二次型时频分布的处理是实现多分量线性调频信号检测的一个有效方法。     

基于时频矩阵局部对比度的跳频信号参数估计

为了提高低信噪比下跳频信号参数估计性能,提出了一种基于时频矩阵局部对比度的跳频信号参数估计算法。根据跳频信号和噪声的时频分布不同特点,利用时频矩阵在不同尺度滑窗下的局部能量对比值均值,得到多尺度局部能量对比特征矩阵,通过此特征矩阵和自适应阈值分离得到仅保留了跳频信号时频信息的时频矩阵P。然后从P中提取时频跳变信息,精确估计跳频信号的跳频周期、起跳时间和跳变频率。仿真结果表明,与传统局部对比度（local contrast measure,LCM）法及形态学滤波法相比,本文算法具有更好的跳频信号提取效果和更高的参数估计精度,其有效性与实用性在DSP+FPGA的硬件系统上得到了测试验证。     

非线性调频信号的自适应时频滤波算法

针对传统的时域或频域滤波算法对非线性调频信号滤波去噪效果不好的问题,本文提出了一种时频域内非线性调频信号的自适应滤波去噪算法。首先对原信号进行广义S变换获得其时频分布,接下来利用有效信号时频分布特性选取时频通域,构造区域滤波算子并去除掉时频通域外的噪声分量的时频分布;然后利用有效信号分量的时频聚集性构造自适应时频滤波算子,对含有随机噪声的有效信号分量进行滤波处理,得到滤波去噪后的信号的时频分布;最后利用广义S逆变换将处理后的时频分布变换到时间域,得到滤波去噪后的信号。通过仿真实验的结果可知,本文提出的算法在非线性调频信号的滤波去噪和有效特性保持方面取得了较好的效果。      

基于改进时频分析方法的雷达信号瞬时频率估计

瞬时频率估计(Instantaneous Frequency, IF)在雷达信号处理中有着重要的研究意义,时频分布峰值检测是IF估计研究和应用中较为普遍和有效的方法,但由于噪声的影响,时频分布峰值往往偏离真实的IF曲线。针对低信噪比下的IF估计,文中首先对WVD及CWD的时频分布矩阵作Hadamard积,得到一种混合的时频分析方法,而后采用多样本信号时频能量累乘的方法,进一步抑制噪声在时频面上的分布;然后以时频分布峰值在信号自项时频聚集区域的分布概率为准则,计算出时频分布的数据窗长,并根据该窗长得到IF的初始估计;最后依据初始IF,采用交叉置信区间算法对时频分布峰值进行检测,得到信号的瞬时频率估计值。文中对NLFM、LFM和FSK信号的IF估计进行了研究,并与WVD峰值检测法和时频分布一阶矩法进行了比较,仿真结果表明了本文方法的有效性。      

基于短时傅立叶变换和Wigner-Ville分布的联合变换

短时傅立叶变换是一种线性变换,对于多分量信号来说不存在交叉项,但时频聚集性不好;wgner-Ville分布具有很好的时频聚集性,但对于多分量信号却存在交叉项。文章讨论了一种结合短时傅立叶变换和Wigner-Ville分布各自优点的方法,通过将二者进行“融合”,可以得到既没有交叉项,而且时频聚集性叉好的时频分布。通过实验验证了该方法的有效性,并且该方法在低信噪比下对信号有很好的检测性能。     

一种基于Matching pursuits时频分解算法的语音降噪方法

提出一种基于时频分解算法的语音降噪方法,利用Matchingpursuits时频分解算法对含噪语音信号进行分解,把分解后的各个分量的魏格纳分布之和作为整个信号的魏格纳分布,这样便使得信号和噪声在时频平面上有了较直观的分布,利用这个特点对信号进行降噪。仿真结果表明,该方法能在保证可听懂度的情况下,有效地去除含噪语音信号中的宽带噪声。     

基于图像处理技术的雷达辐射源信号时频特性分析

针对常用时频分析方法对多分量雷达辐射源信号(RES)分析和处理的不足,提出一种基于图像处理技术的多分量RES时频特性分析方法.该方法通过时频分布图的平滑滤波、阈值处理和基于形态学细化等算法来提取RES自分量,在有效抑制噪声的同时,能够得到具有高分辨率的多分量RES时频图.仿真实验表明,该方法既克服了常用时频分析方法的不足,又优于时频重排方法对多分量RES的时频特性分析.     

基于时频形态学滤波的能量积累检测

许多实际应用中,强噪声背景下信号能量的长时间积累是有效检测的关键。该文利用信号在时频平面上的能量聚集特性,提出基于时频域形态学滤波的能量积累检测方法。首先确定时频分布的最优核,计算观测序列的时频分布;然后用阈值处理和形态学滤波估计时频分布的高能量支撑区域;最后累加这些区域的时频能量作为统计量进行检测。仿真结果表明,这种方法在低信噪比下可以有效工作。     

基于Wigner分布时频遮隔的信号分解算法

综合特征值分解及Wigner分布时频遮隔提出了一种信号分解算法,并推广应用于其他交叉项抑制时频表示.对于由时频面上互不重叠分量合成的多分量信号,证明了信号分量可与各分量Wigner分布之和的逆Fourier变换的特征值分解相对应;通过阈值法可从抑制交叉项时频表示获得信号时频支撑区域,以此为模板遮隔Wigner分布可减少交叉项并保持自项聚集性,其逆Fourier变换的特征值分解就可实现多分量信号分解.仿真实例分析结果表明了该理论与算法的正确性和实用性.最后分析了算法性能并拓展了其实用范围.     

基于时频分布的欠定混叠盲分离

针对欠定混合信号的盲分离问题,提出了基于时频分布的欠定盲分离算法,首先计算信号的时频分布矩阵并找出信号的自源时频点,然后把自源点对应的时频分布矩阵表示成三阶张量并通过张量分解估计出混合矩阵,最后通过计算矩阵的伪逆和时频合成来完成源信号的恢复.该算法不需要假设源信号是稀疏的或相互独立的.仿真结果表明与已有算法相比本文方法...     

Underdetermined Blind Separation of Nondisjoint Sources in the Time-Frequency Domain

This paper considers the blind separation of nonstationary sources in the underdetermined case, when there are more sources than sensors. A general framework for this problem is to work on sources that are sparse in some signal representation domain. Recently, two methods have been proposed with respect to the time-frequency (TF) domain. The first uses quadratic time-frequency distributions (TFDs) and a clustering approach, and the second uses a linear TFD. Both of these methods assume that the sources are disjoint in the TF domain; i.e., there is, at most, one source present at a point in the TF domain. In this paper, we relax this assumption by allowing the sources to be TF-nondisjoint to a certain extent. In particular, the number of sources present at a point is strictly less than the number of sensors. The separation can still be achieved due to subspace projection that allows us to identify the sources present and to estimate their corresponding TFD values. In particular, we propose two subspace-based algorithms for TF-nondisjoint sources: one uses quadratic TFDs and the other a linear TFD. Another contribution of this paper is a new estimation procedure for the mixing matrix. Finally, then numerical performance of the proposed methods are provided highlighting their performance gain compared to existing ones     

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。     

基于时频图的飞机目标特征提取算法

研究了两种基于时频分析的飞机目标特征提取算法。首先,介绍利用短时傅里叶变换获得目标二维时频图信息,然后,分析飞机目标回波时频图的图像熵特征和平均时频谱特征,给出了这两种特征的提取算法,仿真得到利用这些特征对三类飞机的分类识别结果,分析了其目标分类识别性能以及适用情况。在研究时频图平均时频谱特征提取算法时,发现单独使用此特征在飞机目标分类识别中存在的问题,加入基于平均时频谱的方差特征,综合两种特征实现了对三类飞机目标的的分类识别。仿真结果表明,这两种特征的目标识别正确率都能达到94％以上。     

基于时频联合分布的经验模态分解方法

经验模态分解没有固定的先验基底,使信号分析更加灵活多变,是信号处理领域内解决非线性、非平稳信号分析问题的新方法。但其只可分解信号持续时间内由连续的不同频率成分组成的信号,不能分解不同时间段含有相似频率成分的信号。时频联合分布通过设计时间和频率的联合函数,利用时域和频域联合描述信号在不同时间和频率的能量密度。将时频联合分布应用于其中,扩展经验模态分解方法可处理的信号类型。