基于Gabor-Curvelet联合变换的雷达Chirp信号检测与估计

针对微弱雷达回波Chirp信号检测与估计问题,提出基于Gabor-Curvelet联合变换的方法。首先计算回波的Gabor时频变换,得到2D时频分布图,噪声时频分布一般随机地分布在整个时频面上,能量分散,而Chirp信号时频分布是直线或曲线。对时频2D图像进行曲波（curvelet）变换,曲波能对曲线进行稀疏表示,可检测强噪声中的雷达回波Chirp信号并估计信号参数。仿真结果证明了此方法的有效性,有待研究的问题是曲波系数的门限设定问题。     

CSS-BOK的匹配滤波接收研究

高速无线通信系统中,Chirp信号作为一种新的超宽带信号,既能实现高速数据传输,又能满足精确定位的要求。借助MATLAB仿真工具,阐述Chirp信号的时频特性以及匹配滤波过程,利用Chirp信号匹配滤波后的压缩特性,对匹配滤波进行仿真。仿真结果显示Chirp信号经匹配滤波器后脉冲宽度被大大压缩,信噪比得到显著提高,与理论分析相吻合。设计了Chirp信号超宽带无线通信系统,仿真得到在AWGN下匹配滤波接收的系统误码率与信噪比关系图,分析了将线性调频扩频CSS（Chirp Spread Spectrum）技术应用到高速无线超宽带通信中的可行性。     

基于叠加Chirp信号的载波频率捕获方法研究

以Chirp信号作为参考序列,以弱功率直接与成型滤波后的有用数据叠加,然后经载波调制发送,节约了带宽资源和功率资源。在接收端利用Chirp信号的恒包络性和Chirp信号在相应分数阶傅里叶域的时频聚集特性,对接收信号进行分数阶傅里叶变换(FRFT),搜索到峰值坐标、完成Chirp信号参数估计,从而得出载波的多普勒频偏和频偏变化率,完成载波捕获,并抵消掉叠加信号,经仿真验证,该理论方法可行。     

多Chirp信号的Cohen类时频分布的性能分析

以广泛出现在工程应用和许多物理现象中的多分量Chirp信号为对象,研究了Cohen类时频分布对这种信号时频表示性能,定量地描述了各种时频分布的时频聚集程度,分析了交叉项的特点和抑制机理,提出了现有的Cohen类时频分布对该类信号交叉项抑制存在局限,仿真结果验证了理论分析的正确性.     

一种有效的基于Chirplet自适应信号分解算法

基于线性调频小波(chirplet)的自适应信号分解法,将待分析的线性调频(Chirp)信号分解成为一组chirplet基函数的线性叠加,能够更清楚地表述Chirp信号的时频特征.其中关键的问题,是如何自适应地估计与信号最匹配的chirplet,这将影响到自适应分解的效果.目前,还没有一种有效chirplet估计算法.本文提出了一种新的chirplet估计算法,该法充分利用了chirplet的特点,具有较高的参数估计精度.仿真数据的实验结果证明了该方法的有效性.     

通信

TN91 2003060854俄罗斯深空测控通信技术的发展及现状/李平,张纪生(J晾跟踪与通信技术所)即电讯技术一2003,43(4)一1一8简单总结了俄罗斯(前劣联)深空测控通信技术的发展过程,主要介绍了俄罗斯深空网目前的组成和技术现状以及正在研制的尽可能符合CCSDS建议的新的深空测控设备.图2表2参4(刚)TN911 2003060855小波包在C hirp信号检测与时延估计中的应用/蒋忠进,林君,陈祖斌(吉林大学).电讯技术一2 003,43(2)一55一61在Chirp信号探测中,利用发射信号和反射信号之间的日创须分布相似性,提出用小波包变换时频分布的二维相关算法,估计接收信…     

卫星移动通信中利用Chirp信号进行时频同步的算法

卫星移动通信中信号受到多普勒效应和阴影衰落效应的影响,导致信号变化快且很微弱,对系统接收性能影响很大.提出一种用于卫星移动通信终端下行链路时频同步新算法.根据本地扫频信号与接收Chirp信号相关后峰值频率变化规律来进行定时捕获,同时实现了频偏估计.通过仿真和分析,给出了不同信噪比环境下,利用Chirp信号进行定时捕获和频偏估计的性能.结果表明,在阴影衰落导致的信噪比很低和高速移动导致的多普勒频偏的情况下,定时捕获性能优越,频偏估计性能很好地满足系统要求.     

基于三参数Chirp原子分解的语音信号的时频表示

由语音信号的产生机理决定其呈现明显的非平稳特性,传统的信号分析方法不能刻画其局部时变结构.本文提出了基于三参数Chirp原子分解的语音信号的时频表示,该方法把语音信号分解为由比例、旋转、径向位移表示的三参数Chirp时频原子的线性组合,并用这些Chirp原子的WVD的叠加来逼近语音信号的时频表示.仿真实验结果表明,该方法与WVD相比无交叉项干扰,与谱图相比具有较高的时频聚集性,并且还可以提供语音信号的局部时频结构的参数.     

基于改进精估计与FrFT的Chirp信号参数估计

为了解决Chirp信号参数估计在低信噪比下保持高精度等问题,提出了一种基于粗精二次估计的Chirp参数算法。粗估计采用分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,能够在低信噪比下检测到Chirp信号并估计出调频率的范围。同时,提出了一种FrFT插值算法提高FrFT估计中心频率的精度。精估计根据信号能量和周期长度一定时Chirp信号频谱幅度的平方与调频率成反比的特性,不断地用已知Chirp信号的共轭与未知Chirp信号相乘,寻找使相乘后频谱幅度平方最大的已知Chirp信号的调频率。为了提高精估计算法性能,用提出的H-Rife算法估计中心频率和相乘后信号的频谱中最大的幅值。〖JP2〗用二分法代替等步长使精估计在粗估计出的调频率范围内搜索,极大降低了复杂度。在信噪比不小于-10 dB时,该算法估计调频率归一化均方误差（Normalized Mean Square Error,NMSE）较FrFT线性提升,估计中心频率NMSE较FrFT线性提升,接近克拉美罗界。     

强干扰下跳频信号的参数估计

针对通信对抗中跳频信号参数估计问题,考虑存在强干扰的情况下,提出了一种基于时频重心的跳频信号跳周期估计和基于跳频部分接收的跳时估计方法。对于跳周期估计,在短时傅里叶变换(STFT)时频变换的基础上提取信号随时间变化的时频重心,再结合小波变换和谱分析估计出跳频周期;对于跳时估计,采用跳频带宽的部分接收避开强干扰,构造含有跳变信息的参考信号,通过参考信号采用最大似然(ML)方法得到跳时的精确估计。仿真实验表明,算法运算复杂度低,跳频定位精度高,在强定频干扰的情况下仍能有效估计出跳频周期和起跳时刻。     

基于时频分析的雷达信号到达角估计

现有的空间时频分布(STFD)的信号表示只适用于窄带、连续信号的分析，而雷达侦察系统要求对脉冲、线性调频等信号同时进行到达角(DOA)、频率和信号时域参数的估计。本文给出了现有空间时频分布对雷达信号DOA估计的条件，并提出了基于修正STFD矩阵的DOA估计算法。通过对各阵元输出作时频分析，估计信号的频率参数，然后据此构造方向向量和修正STFD矩阵，即可构造MUSIC空间谱。该算法不受基于现有STFD算法的条件限制。     

基于时频点聚类的LFM信号波达方向估计

基于空间时频分布(spatial time-frequency distribution, STFD)的多重信号分类(multiple signal classification, MUSIC)算法常用于非平稳信号波达方向(direction of arrival, DOA)估计, 其关键是选取合适的信号时频点.文中针对传统时频MUSIC算法不能提取各信号时频点且在小角度间隔时估计性能不佳的问题, 以线性调频(line frequency modulation, LFM)信号为研究对象, 提出了基于时频点聚类的DOA估计算法.该算法首先对阵列接收信号进行白化, 利用白化后的接收信号构造STFD矩阵, 达到抑制STFD矩阵的交叉项、突出信号自项的目的, 然后利用K均值聚类提取各信号时频点, 最后运用MUSIC算法估计DOA.对不同角度间隔和不同信噪比时三种算法的估计均方根误差进行了仿真对比, 结果表明:相比经典时频MUSIC算法, 文中算法在小角度间隔和低信噪比时有更好的估计性能.     

基于形态学处理的突发信号宽带检测算法

在非协作通信中,确定突发信号的中心频率和起止时刻,是突发信号检测的主要任务。本文对突发信号的宽带时频图进行形态学滤波以及骨架提取,利用处理后的时频图信息进行信号的时间占有度统计,并以此确定突发信号中心频率;采用基于Goertzel算法的Power．Law检测器来实现突发信号的捕获;根据信噪比的粗估计采取合适的起止时刻检测方式,完成突发信号的检测。仿真结果表明,算法能够较好地确定突发信号的中心频率,提高起止时刻的检测性能。     

Blind speech separation for robots with intelligent human-machine interaction

Speech recognition rate will deteriorate greatly in human-machine interaction when the speaker’s speech mixes with a bystander’s voice. This paper proposes a time-frequency approach for Blind Source Seperation (BSS) for intelligent Human-Machine Interaction(HMI). Main idea of the algorithm is to simultaneously diagonalize the correlation matrix of the pre-whitened signals at different time delays for every frequency bins in time-frequency domain. The prososed method has two merits: (1) fast convergence speed; (2) high signal to interference ratio of the separated signals. Numerical evaluations are used to compare the performance of the proposed algorithm with two other deconvolution algorithms. An efficient algorithm to resolve permutation ambiguity is also proposed in this paper. The algorithm proposed saves more than 10% of computational time with properly selected parameters and achieves good performances for both simulated convolutive mixtures and real room recorded speeches.     

Approximate Time-Variable Coherence Analysis of Multichannel Signals

We present a new method for signal extraction from noisy multichannel epileptic seizure onset EEG signals. These signals are non-stationary which makes time-invariant filtering unsuitable. The new method assumes a signal model and performs denoising by filtering the signal of each channel using a time-variable filter which is an estimate of the Wiener filter. The approximate Wiener filters are obtained using the time-frequency coherence functions between all channel pairs, and a fix-point algorithm. We estimate the coherence functions using the multiple window method, after which the fix-point algorithm is applied. Simulations indicate that this method improves upon its restriction to assumed stationary signals for realistically non-stationary data, in terms of mean square error, and we show that it can also be used for time-frequency representation of noisy multichannel signals. The method was applied to two epileptic seizure onset signals, and it turned out that the most informative output of the method are the filters themselves studied in the time-frequency domain. They seem to reveal hidden features of the epileptic signal which are otherwise invisible. This algorithm can be used as preprocessing for seizure onset EEG signals prior to time-frequency representation and manual or algorithmic pattern classification.     

基于STFT的相干宽带调频信号2-D到达角估计

宽带调频信号(FM)作为具有宽频带和时变方向向量的非平稳信号,其到达角的估计具有较大的难度。该文利用短时傅里叶变换(STFT)和宽带调频信号的时频聚焦性建立了新颖的空间时频分布方程,并利用矩形平面阵数据的分维结构和基于矩形平面子阵堆栈的奇异值分解法估计了相干宽带FM 信号的2-D 到达角。理论分析和仿真实验表明了算法的可行性。     

Separation of micro-Doppler signals based on time frequency filter and Viterbi algorithm

Micro-Doppler (m-D) effect is potential useful in radar target detection, recognition, and classification. While the m-D signals are always multicomponent, it is important to separate the m-D signals for feature extraction. This paper introduces a separation algorithm based on time-frequency filter (TFF). When the m-D multicomponent signals are always overlapped in TF plane, Viterbi algorithm on time-frequency distribution is used to firstly estimate the instantaneous frequencies, then an automatic TFF is designed to filter and synthesize the interesting m-D signal. Simulation results show that the proposed algorithm can effectively extract the m-D signals even in a relatively high noise environment.     

基于时频分析的混合矩阵估计方法

在盲源分离信号处理中,尤其在欠定条件下(观测信号数目大于源信号数目),精确的估计混合矩阵是具有挑战性的问题.现存部分方法利用信号的稀疏性进行求解,并假设在时域或者时频域中源信号不重叠,然而这类方法在假设条件不满足,即源信号部分重叠情况下随着信号稀疏性降低性能恶化明显.本文针对瞬时混合欠定盲分离中具有较弱稀疏性的源信号,提出了一种基于时频分析的实混合矩阵估计方法.首先,利用源信号时频变换后系数实部与虚部比值的差异性选择单源点;其次,估计混合矩阵的各向量.仿真结果表明:提出的方法具有较好的估计性能.     

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵（uniform linear array, ULA）平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵（spatial time-frequency distribution, STFD）,然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。      

基于HHT时频图的时延估计方法

时延估计方法主要有广义相关法、相位数据法以及自适应时延估计法等。对于水中爆炸冲击波这种瞬态、非平稳信号的时延估计,常用的时延估计方法存在一定的误差。针对爆炸冲击信号的特征,利用HHT变换在处理非平稳信号的优势,提出了一种基于希尔伯特黄时频图的时延估计方法。该方法首先将信号进行EMD分解,然后得出爆炸信号的时频图,最后根据时频图中能量最大的频率所对应的时间得出时延估计。仿真实验表明,该方法能够有效、精确地对爆炸冲击信号进行时延估计。