脉冲噪声环境中基于clipping方法的鲁棒LPFT及其重排算法

为了更好地处理脉冲噪声环境中的时变信号,本文提出了基于clipping方法的鲁棒局部多项式傅里叶变换(LPFT)及其重排算法。首先利用clipping方法对信号中掺杂的脉冲噪声进行抑制,得到较好的信号时频分布表示,然后将重排算法与该鲁棒LPFT相结合,以提高信号的时频聚集性。通过实验仿真可以看出,与基于中值滤波器的鲁棒LPFT相比,基于clipping方法的鲁棒LPFT同样能对被脉冲噪声干扰的信号给出较好的时频表示,而且其瞬时频率估计的最小均方误差(MSE)较低,计算量较小。并且,本文在基于clipping方法的鲁棒LPFT对掺杂脉冲噪声的信号进行处理的基础上,利用重排算法与其结合,有效增强了信号的时频聚集性。因此基于clipping方法的鲁棒LPFT及其重排算法是一种高效的处理脉冲噪声干扰信号及提高信号时频聚集性的方法。     

基于局部多项式傅里叶变换的语音盲源分离

频域的语音信号盲源分离多采用短时傅里叶变换以及Wigner-Ville分布(WVD)求信号的功率谱,而短时傅里叶变换对于多分量信号的频率分辨率受窗函数影响很大,WVD是一种非线性时频变换,处理多分量信号受交叉项影响很大。局部多项式傅里叶变换(LPFT)不仅提高了频率估计精度而且大大减少了时频分布中交叉项的影响。将语音信号表示为多分量的多项式相位信号,对语音信号作二阶LPFT,求得其局部多项式傅里叶变换谱(LPP),并构造时频矩阵,采用联合近似对角化算法求得能使信号功率谱矩阵近似对角化的一个酉矩阵,通过信号的白化以及酉矩阵来估计源信号,有效地分离出了原始信号。仿真结果表明,在噪声环境下可以将两个不同的语音信号进行分离。     

一种低副瓣无混叠的线性调频信号时频分析方法

作为通信与勘探中广泛使用的一类信号,线性调频信号的参数分析经常采用基于Wigner-Ville分布(WVD)的时频分析方法。该方法具有高时频分辨率,但在交叉项、高副瓣以及频谱混叠问题上存在缺陷。该文提出一种名为空间变迹重排Wigner-Ville分布(SVA-rWVD)的时频分析方法,结合空间变迹技术(SVA)的副瓣抑制能力及短时傅里叶变换(STFT)的无混叠无交叉项特性,得到一个新的时频分布。基于单分量和多分量线性调频信号的仿真实验结果表明,该方法得到的时频分布可以降低副瓣水平至–40 dB以下同时消除交叉项及频谱混叠现象。     

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。     

一种基于SPWVD-WVD的高质量时频分析方法及ISAR成像应用

交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。     

稳定分布噪声下基于Merid滤波的跳频信号参数估计

常规时频分析方法是处理跳频(FH)信号的有力工具,但在稳定分布噪声环境下无法有效地实现参数估计。该文提出基于Merid滤波的时频分析方法对跳频信号进行参数估计。Merid滤波器可以有效地抑制稳定分布噪声,该文先对观测信号进行Merid滤波,再采用短时傅里叶变换(STFT)进行参数估计。仿真结果表明,在稳定分布噪声环境中,该方法的跳频信号参数估计性能优于基于分数低阶和基于Myriad滤波的两种时频分析方法。     

a稳定分布噪声下基于Merid滤波的跳频信号参数估计

常规时频分析方法是处理跳频(FH)信号的有力工具,但在a稳定分布噪声环境下无法有效地实现参数估计。该文提出基于Merid滤波的时频分析方法对跳频信号进行参数估计。Merid滤波器可以有效地抑制a稳定分布噪声,该文先对观测信号进行Merid滤波,再采用短时傅里叶变换(STFT)进行参数估计。仿真结果表明,在a稳定分布噪声环境中,该方法的跳频信号参数估计性能优于基于分数低阶和基于Myriad滤波的两种时频分析方法。     

基于线性正则变换与短时傅里叶变换联合的时频分析方法

线性正则变换作为傅里叶变换、分数阶傅里叶变换更为广义的形式,已经在光学和信号处理等领域得到了应用.短时傅里叶变换是一种线性时频分布,避免了其他双线性时频分布中出现的交叉项干扰,是分析时频信号的有力工具.本文从线性正则变换的定义和性质出发,研究了线性正则变换与短时傅里叶变换的时频关系,提出了基于线性正则变换与短时傅里叶变换联合的时频分析方法,避免了交叉项问题能够实现chirp信号干扰抑制和多分量时频信号分离.最后用仿真实例表明,该方法是分析时频信号的有效手段.     

STFT在跳频信号分析中的应用

跳频信号分析一直是通信领域研究的热点，用时频分布来分析跳频信号是一种很有效的方法。时频分析有多种方法，其中小波变换时频分布对信号中夹杂的噪声非常敏感，维格纳威利分布虽然具有很好的时频聚集性，但分析多分量信号时存在严重的交叉干扰项。经典的STFT(Short Time Fourier Trans form)是一种很好的时频工具，本文对多种窗函数以及同一窗函数不同参数的STFT进行了Matlab仿真，仿真结果表明，选择合适的窗函数及其相关参数，会使STFT在跳频信号分析中取得令人满意的效果。     

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。