基于时频子空间分解的宽带线性调频信号DOA估计

针对具有时变方向向量的宽带线性调频信号,该文建立了基于短时Wigner-Ville分布(WVD)的空间时频分布矩阵,通过对各个空间时频矩阵的特征分解获得对应的信号子空间和噪声子空间,给出了基于时频子空间投影实现多个时频点综合估计信号DOA的算法。利用空间时频分布的前后向平滑解决了具有相同时频特性信号的均匀线阵DOA估计问题。算法不需要聚汇和插值等复杂的矩阵变换,精度较高,计算简便.仿真实验显示该算法性能显著优越于基于矩阵插值的宽带调频信号DOA估计算法.     

基于对称阵列Wigner-Ville分布的宽带线性调频信号AOA估计

本文提出了基于对称阵元Wigner-Ville分布(WVD)的宽带线性调频信号到达角(AOA)估计算法。该算法利用对称阵元输出延时参数的互补性和Wigner分布定义提取宽带信号方向向量,建立了新的空间时频矩阵。借助线性调频信号Wigner分布的良好时频聚集特性,适当选取时频点实现了对各个信号AOA的逐一估计。在新的空间时频矩阵模型基础上给出了基于信号子空间投影的AOA估计方法。它不需要对AOA的初始估计、聚汇和插值,减少了计算量,提高了精度,仿真实验证明了算法的有效性。     

线性调频信号辐射源的唯方位跟踪

对宽带线性调频信号的方位角估计以及对这类信号辐射源单站跟踪问题进行了研究.算法通过对称阵元Wigner-Ville分布(WVD),建立了一种新颖的具有分维结构的空间时频分布数据模型,并利用Beamspace-ESPRIT和子空间投影法估计信号瞬时频率向量和到达角.在到达角估计的基础上,针对在直角坐标系中利用扩展的卡尔曼滤波器的唯方位跟踪法不稳定问题,采用了修改的极坐标,实现了运动单站对运动辐射源的稳定和渐进无偏的定位与跟踪.     

空间高阶时频分布及虚拟时频ESPRIT算法

基于L-Wignrer分布(LWD),定义了一种全新的空间高阶累积量L-Wigner分布,并利用虚拟时频ESPRIT算法与阵列扩展,提出了一种多个多项式相位信号(PPS)的DOA估计算法.该方法利用平滑的伪WVD分布以实现PPS信号的LWD分布极大地抑制了其中的交叉项并提高了信号时频聚集性.同时,将时频分析与高阶累积量结合,使算法具有虚拟阵列扩展的特点,高分辨高精度的估计了PPS信号的DOA.理论分析和计算机仿真表明该方法具有很好的参数估计性能.     

空间时频分布中的信号分类

空间时频分布可被用于信号盲分离和来波到达角的高分辨率估计等领域,在空间时频分布矩阵中选择合适的时频点是基于空间时频分布的阵列信号处理算法的关键.分析了空间时频分布矩阵的结构特征,通过无约束最优化方法在时频平面上搜索单一信号项的时频点,然后使用改进的最邻近法对时频点按来波类型进行分类,可以区分具有不同时频特征的方向相近的多个信号.     

线性调频信号2-D到达角估计的虚拟阵元法

通过原始数据的共轭重排构造了虚拟阵列，利用实际阵列与虚拟阵列的互Wigner-Ville分布建立了新的空间时频分布，并给出了基于子空间投影和L-阵列的线性调频信号2-D到达角估计算法。理论分析和仿真实验证明了算法的有效性。     

无限方差噪声环境下的分数低阶空间时频盲源分离

对脉冲噪声α稳定分布环境下的时频分布进行了研究,改进了适合α稳定分布信号或强脉冲噪声环境的分数低阶时频分布方法,用分数低阶空间时频矩阵代替空间时频矩阵,基于时频盲分离算法提出了一种改进的分数低阶空间时频盲源分离算法,并归纳了算法步骤。通过对FLO-TF-UBSS算法和已有的TF-UBSS算法及MD-BSS算法进行详细比较,仿真结果表明,所提出的FLO-TF-UBSS算法有效的降低了信号的均方误差（MSE）,能较好的对α稳定分布噪声环境下的非平稳信号进行盲分离,并实现了对实际的稳定分布舰船信号的盲提取,性能优于已有TF-UBSS算法和MD-BSS算法,且具有一定的韧性。      

特征空间算法及仿真

本文的算法利用特征分解得到信号子空间,然后将基于线性约束最小方差准则(LCMV)的权向量投影到信号子空间得到特征空间算法的权向量,并对算法进行了仿真.仿真结果表明算法具有较好的性能、很快的收敛速度.     

Alpha稳定分布噪声中的韧性投影 近似子空间跟踪算法

 为了克服投影近似子空间跟踪算法(PAST)在脉冲噪声环境下性能的退化,本文以Alpha 稳定分布为脉冲噪声模型,依据韧性的M估计方法提出了一种新的代价函数,并推导出基于递归最小M估计的韧性投影近似自适应信号子空间跟踪算法(RLM_-PAST).由于采用了适合噪声模型的M估计函数,新算法与采用递归最小二乘估计的子空间跟踪算法相比,在稳定分布脉冲噪声环境下具有更好的性能.把新方法应用于波达方向(DOA)估计,数值仿真结果表明了该算法的有效性.     

基于ERWT的NLFM信号检测及参数估计

提出了扩展Randon-Wigner变换(ERWT)算法原理,并结合非线性调频(NLFM)雷达信号时频特征,将回波信号的时延及多普勒频移对应到ERWT参量空间,基于参量空间的分布特征实现NLFM检测及参数估计.该方法对常规时频方法存在的交叉项不敏感,时延估计精度较高.计算机仿真试验验证了该方法的有效性.     

Joint time-frequency ISAR using adaptive processing

A new joint time-frequency inverse synthetic aperture radar (ISAR) algorithm that combines ISAR processing with the joint time-frequency signal representation is presented as a means of extracting the nonpoint-scattering features from the standard ISAR image. The adaptive Gaussian representation, applied to the range aids of the ISAR image, is used as the time-frequency processing engine. This technique uses Gaussian basis functions to adaptively parameterize the data and, as a consequence, the point-scattering mechanisms and resonance phenomena can be readily separated based on the width of the Gaussian bases. The adaptive joint time-frequency ISAR algorithm is tested using data generated by the moment-method simulation of simple structures and the chamber measurement data from a scaled model airplane. The results show that nonpointscattering mechanisms can be completely removed from the original ISAR image, leading to a cleaned image containing only physically meaningful scattering centers. The nonpoint-scattering mechanisms, when displayed in the frequency-aspect plane, can be used to identify target resonances and cutoff phenomena     

利用生成对抗网络的时频图像去噪和增强处理

针对雷达信号时频图像的去噪和增强问题,提出了利用生成对抗网络二次生成时频图像的方法。首先利用时频分析产生雷达信号的时频图像作为原始数据集1;接着利用生成对抗网络对数据集1进行学习之后生成新的数据集2,数据集2相对于数据集1拥有着去噪和增强的效果;最后提取时频图像奇异值特征检验生成的数据集2的有效性。对6种常见的雷达信号的时频图像进行了仿真实验,结果证明了该方法在时频图像去噪和增加样本多样性方面是有效的。     

脉冲噪声下跳频信号时频图修正

为了在α稳定分布噪声的环境下获得清晰的跳频信号时频图,提出一种基于分数低阶SPWVD(Smoothed Pseudo Wigner-Vile Distribution)与形态学滤波相结合的跳频信号时频图修正算法。首先,根据接收到的多跳频信号建立跳频信号的模型和α稳定分布噪声模型;然后,采用低阶SPWVD变换抑制时频图中脉冲噪声;最后,根据形态学滤波处理方法对残留噪声进一步抑制进而得到清晰时频图。理论分析和仿真结果表明,所提算法在广义信噪比为-5 dB时仍可以得到清晰可靠的跳频信号时频图,并且基于时频图的参数估计性能优良。     

Near-field time-frequency localization method using sparse representation

This paper presents a novel near-field source localization method based on the time-frequency sparse model.Firstly,the method converts the time domain data of array output into time-frequency domain by time-frequency transform;then constructs sparse localization model by utilizing the specially selected time-frequency points,and finally the greedy algorithms are chosen to solve the sparse problem to localize the source.When the coherent sources exist,we propose an additional iterative selection procedure to improve the estimation performance.The proposed method is suitable for uncorrelated and coherent sources,moreover,the improved estimation accuracy and the robustness to low signal to noise ratio(SNR) are achieved.Simulations results verify the efficiency of the proposed algorithm.     

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。      

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.     

利用HRRP序列估计弹道中段目标进动频率

弹道导弹中段的真、假诱饵受质量分布等因素的影响,其进动频率等特征存在较大差别。微动特性作为弹道导弹目标识别中的稳定特征,可以通过旋转目标的微多普勒信息进行提取,这也是当前弹道导弹目标识别的研究热点。本文以弹道中段的锥柱状弹头为研究对象,建立了该类目标的散射点模型和进动模型,通过分析一维距离像上散射中心位置变化特点,提出基于散射点时频分布图估计进动频率的算法。该算法首先应用短时傅里叶变换得到强散射中心单元的时频图,再利用自适应阈值法提取时频脊线,从而估计出目标进动频率。实验仿真了弹道回波数据,并利用该数据验证算法的有效性。实验结果证明了算法具有良好的抗噪性能。      

基于稀疏重构的跳频信号时频分析方法

针对现有时频分析方法存在噪声抑制能力弱、时频聚集性不强的缺点,提出了一种基于稀疏重构的跳频信号时频分析方法来获取清晰的、高聚集度的时频图。首先根据惩罚函数的思想建立了跳频信号无约束的稀疏重构模型;然后理论分析了罚函数因子的取值标准;最后用近似l0范数算法求解得出跳频信号的时频图。仿真结果表明该算法能够有效地获取跳频信号的时频图。     

基于盲源分离的多跳频信号网台分选算法

针对欠定条件下多跳频信号的网台分选问题,该文利用跳频信号在时频域上的稀疏性,提出了一种基于盲源分离的自适应信噪比网台分选算法。首先,用Gabor变换作为系统的时频变换建立欠定条件下跳频信号网台分选的模型;然后,采用了自适应信噪比的时频支撑点阈值设定方法寻找源信号的时频单源点,根据时频单源点的时频比矩阵估计出混合矩阵;最后,利用与信源相对功率偏差相结合的改进的子空间投影法进行网台分选。仿真实验验证了该算法在低信噪比条件下的有效性。      

利用概率混合模型的理想比率掩蔽多声源分离方法

针对基于时频掩蔽的分离方法在多声源场景下的分离效果不佳的问题,论文提出一种利用概率混合模型的理想比率掩蔽多声源分离方法。首先,利用冯·米塞斯分布对时频点处方位角估计进行拟合以及拉普拉斯分布对归一化压力梯度信号向量进行拟合,由此建立概率混合模型。其次,利用期望最大化算法对模型参数进行求解,估计各声源对应的理想比率掩蔽。最后,利用估计出的理想比率掩蔽,从麦克风采集信号中分离得到各声源信号。实验结果表明,与现有基于时频掩蔽的多声源分离方法相比,论文所提方法在欠定场景下具有更好的分离效果。