基于优化初值选择的自适应高斯包络线性调频基信号分解

基于高斯包络线性调频基的自适应信号分解是一种分辨力高、性能优良的时频分析算法,在语音信号、地震信号、雷达信号等可以用调频类函数进行建模的信号分析中有着广阔的应用前景。该算法在四维参数空间构造和求解超越方程,得到参数的闭式解,与传统的优化算法相比大大降低了运算量。对于由高斯包络线性调频基不相交或浅相交形成的简单信号,该算法具有非常优良的分辨性能,而对由高斯包络线性调频基深相交形成的复杂信号分解存在较大误差。本文针对这一问题进行研究,指出初值选择在该算法中的重要作用,分析了得到高精度分解结果的初值条件,提出了基于优化初值选择的高斯包络线性调频基自适应信号分解算法。通过在局部信号粗时频平面中搜索最优初值,结合自适应分解中建立和求解超越方程的方法得到参数闭式解,提高了分解精度,同时降低了运算量。对仿真信号及语音信号的分解效果验证了改进后算法的有效性和准确性。     

基于高斯包络线性调频基自适应分解的ISAR成像

基于高斯包络线性调频基的自适应信号分解算法具有较高的分辨率,当被分析信号(如机动目标ISAR雷达回波信号)可以由调频类信号建模时具有超强分辨能力。该文在高斯包络线性调频基的自适应信号分解算法基础上,提出了基于优化初值选择高斯包络线性调频基自适应信号分解算法,并将其应用到ISAR成像中。仿真结果表明,和传统时频分析方法相比,该算法具有更加优良的性能,对机动目标进行瞬时成像时成像质量得到了较大幅度的改善。     

自适应旋转投影分解法

本文提出种新的时－频分解方法－自适应旋转投影分解法。在表征信号空间的线性调频高斯信号集上，我们针对原始信号自适应地搜索出一组与信号匹配最好的基函数序，以此 用尽可能少的基函数来重构信号子空间。     

基于Matching Pursuits时频分解算法的传声器阵语音增强

根据在时频域中对含噪语音信号进行的时频分析研究,提出1种基于MatchingPursuits时频分解算法的语音降噪方法。利用MatchingPursuits算法对含噪语音信号进行分解,将分解后各分量的魏格纳分布之和作为整个信号的魏格纳分布,使信号在时频平面上有较直观的分布,并利用此特点对信号进行降噪。仿真结果表明:此方法能在保证可懂度的情况下,有效去除含噪语音信号中的宽带噪声。     

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。     

利用时频分析抑制射频干扰

提出了一种适合于线性调频体制射频干扰滤除的方法,该方法基于短时傅立叶变换(STFT)的基本原理。针对单一频率的射频干扰在线性调频体制中非平稳性和瞬时性的特点,利用STFT 对含干扰的信号进行分析,并且在时频分布上利用特征值分解的方法得到信号子空间和噪声子空间,利用信号子空间构造投影矩阵滤除射频干扰的影响。经过实测数据的检验,信噪比提高了近10 dB,表明该方法能有效地解决射频干扰的抑制问题。     

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.     

短时高斯包络线性调频基自适应信号分解算法

作为一种参数化时频分析的方法,基于高斯包络线性调频基自适应信号分解的快速算法具有分辨力高、零交叉项和计算量小的优点,在信号时频分析中具有独特的优势和广阔的应用前景.然而该快速算法却存在由于采样点初值选择不当而造成分解失效的缺点,虽然后来的基于优化初值选择的自适应高斯包络线性调频基信号分解对初值选择算法进行了改进,提高了分解性能的稳定性,但仍存在较多的问题没有解决.本文将对这些问题进行研究和改进,并提出短时自适应高斯包络线性调频基信号分解算法.算法通过加短时窗来增强时频中心定位的准确性,通过控制采样基时宽来获取有效的初始方差取值范围,从而提高了分解的自适应性和稳定性.对仿真信号和语音信号的分解结果表明了该算法的有效性.     

自适应旋转投影分解法的快速实现

本文分析并提出了ＡＯＰ分解的快速算法。通过分析目标信号在线性调频高斯基上的投影极值特性，总结出一个最优搜索策略来搜索最佳高斯分解基函数。用此搜索策略来实现ＡＯＰ分解，其运算速度令人满意。     

FM2let变换分解算法的研究

FM^2let变换分解力图采用最少的线性或非线性调频基函数来分解信号。FM^2let变换分解算法的基本原理是利用信号的瞬时频率求得FM^2let原子的5个参数，然后基于自适应匹配投影塔形分解思想实现FM^2let变换的分解。FM^2let变换分解算法在信号分析处理方面具有运算量小、运算速度快等优良的性能。FM^2let谱分辨率高、抗噪性能好、参数数据量少。并且利用伪时频分布可以去除交叉项干扰。理论和实验证明，FM^2let变换分解算法能对不同的信号结构表现出很强的适应性，能够简洁地表征信号时变或时不变特性。     

基于时频表示的LFM信号参数估计方法

宽带非平稳干扰LFM信号对DSSS系统通信性能威胁较大,为抑制其干扰,必须估算LFM信号参数。在此介绍了几种时频表示方法及其特点,然后采用Radon变换或Hough变换相结合的方法进行LFM信号参数估计,讨论了LFM参数估算过程对时频表示方法的要求。分析表明,选择适当的函数是时频分布估计LFM信号参数的重点,分数傅里叶变换有相对好的LFM信号参数估计性能。     

Wideband LFM Interference Suppression Based on Fractional Fourier Transform and Projection Techniques

A novel wideband LFM interference suppression method is proposed based on fractional Fourier transform (FRFT) and projection techniques. By using the concentration property of LFM interferences in fractional Fourier domain, the initial frequency, frequency modulation rate and direction-of-arrival (DOA) of LFM interferences are first estimated. Afterwards, the space–time interferences subspace is constructed. In order to suppress wideband LFM interferences, the received signal is projected onto the subspace orthogonal to the interferences subspace when the signals are uncorrelated. Furthermore, considering the scenario when the signals are coherent, according to the properties of oblique projection, LFM interferences are suppressed by projecting the received signal onto the joint signal–noise subspace. Then, the desired signal is extracted by beamforming. Unlike the existing algorithms, the proposed method not only can exactly estimate parameters and directly solve the DOA of LFM interferences but also can construct the interferences subspace with the time-variant steering vector of interferences. Moreover, our method can effectively suppress LFM interferences without reducing the freedom, and significantly improve the performance, even at low signal-to-noise ratio (SNR) or small number of snapshots. Simulation results demonstrate the effectiveness of the proposed method.     

基于子带变换的LFM信号识别与参数估计研究

提出了一种基于子带变换的线性调频(LFM)信号识别与参数估计方法，首先利用子带变换滤波器组对信号进行时频分析，根据所呈现的时频特性快速判断调频信号的类型和频率变化范围，然后采用最小二乘法和直接法分别对参数进行估计分析。仿真结果表明，该方法能有效地检测出信号的调频特征和较准确地估计出信号的参数，具有较好的抗噪能力。由于在算法的实施过程中，不含求根、变换等复杂运算，所以易于硬件实现。     

基于S变换的线性调频信号时频滤波

线性调频(LFM)信号是一种典型的非平稳信号。对非平稳信号的分析和处理不能仅依靠传统的基于傅里叶变换的分析方法,必须采用时域和频域联合的时频分析方法。将S变换(ST)的时频分析方法应用到LFM信号的滤波中,用tST-tIST和fST-fIST 2种算法组合分别实现了对LFM信号的滤波,然后采用均方误差(MSE)的衡量标准,仿真对比了以上2种算法组合的滤波性能。仿真结果表明:fST-fIST算法的滤波误差较大,不适合对LFM信号的滤波;tST-tIST算法的滤波性能较好,适合对LFM信号的滤波。     

一种多分量LFM信号脉内调制特征的提取方法

本文提出以多分量LFM信号的时频分布作为图像，利用Hough变换检测图像中直线的原理，将多分量LFM信号脉内特征的提取转换为在参数空间寻找局部最大值及其坐标的问题，通过查找表的方式和对最大峰值邻域进行截取，依次实现对各分量的脉内特征提取。仿真实验表明，该方法能够有效地提取多分量LFM信号各自分量的脉内特征，具有较高的抗噪声性能．且对交叉项有一定的抑制作用。     

基于Radon-Gabor变换的多分量LFM信号检测与参数估计

该文针对多分量线性调频(LFM)信号,首先提出一种新的变换RadonGabor变换;然后阐述了用RadonGabor变换对LFM信号进行检测和参数估计的基本原理,并结合逐次消去(Clean)技术提出了基于RadonGabor变换的多分量LFM信号检测和参数估计实用算法。计算机仿真结果表明了该算法的有效性。     

基于子空间匹配追踪的LFM信号的DOA估计

DOA估计是阵列信号处理中的热点。文中针对LFM信号的DOA估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出了基于子空间匹配追踪的LFM信号的DOA估计。该方法通过子空间匹配追踪算法将信号投影在子空间上,求出最大投影,最终估计出LFM信号的DOA。此外,改进后的空间匹配追踪算法,还解决了原算法收敛速度慢、会出现过匹配现象的问题。经仿真验证对比,该算法估计DOA的过程中匹配次数远小于匹配追踪的过程中,且在较低的信噪比下能估计出DOA。     

GPS接收机抑制LFM干扰空时子空间投影方法

根据GPS接收机接收信号、噪声和线性调频(LFM)干扰在时频平面上的不同分布特点,用STFT-Hough变换进行干扰的检测和参数估计;将子空间投影方法与空时信号处理相结合,构造出空时二维干扰子空间,利用子空间投影方法进行干扰抑制.文中给出干扰参数估计和空时子空间投影抗干扰的具体步骤,推导出系统输出信干噪比的解析表达式,分析了干扰参数估计误差的影响.同其它抗LFM干扰方法相比,本文方法对干扰参数估计更准确、计算量更小;空时子空间投影方法引入更多自由度,抗干扰性能进一步提高;结构简单,具有较高的可行性和实用性.仿真试验验证了该方法能有效抑制LFM干扰.     

LFM脉冲雷达回波Doppler与多径时延的联合估计

基于最大似然参数估计,本文提出了一种对LFM脉冲雷达回波Doppler频移和多径时延联合估计的方法.该方法先利用WHT估计Doppler频移,然后结合发射信号的先验知识重构参考信号,最后利用WVD能将时间上有重叠的多径信号在时频域分开的特性,采用本文称之为"修正时频相关函数"估计多径时延.该方法只需一个周期的脉冲信号就能完成频移和时延的联合估计,对加性高斯白噪声具有强的鲁棒性,其运算量小.     

Output SNR Analysis of the LPP‐Hough Transform

Recently, a new method called the local polynomial periodogram‐Hough transform (LHT) was proposed for linear frequency modulated (LFM) signal detection. In this letter, a closed‐form expression of the output signal‐to‐noise ratio is derived for the LHT, showing that the method exhibits a threshold effect for LFM signal detection. Comparisons with the pseudo‐Wigner‐Hough transform (PWHT) show that the threshold of the LHT is lower (better) than that of the PWHT.