快速TFAD在雷达辐射源信号中的应用

计算复杂度高是制约时频原子分解算法在信号处理中应用的主要问题,文中提出了一种基于粒子群算法(PSO)的时频原子分解快速算法,该方法在过完备Chirp原子库的基础上,采用时频原子分解算法分解信号,并通过PSO算法降低时频原子分解算法搜索过程的计算复杂度,提高信号处理效率.对雷达辐射源信号的仿真实验结果表明,该方法与传统的时频原子分解算法相比计算速度大幅提高,且用在数量上比Gabor少的Chirp原子刻画出信号的主要时频特征.     

基于改进杂草优化算法的DFCW参数估计

针对基于匹配追踪的离散频率编码信号(DFCW)参数估计方法中,利用传统优化算法搜索匹配原子时存在不成熟收敛的问题,提出一种改进的杂草优化(IWO)参数估计算法.该方法首先构造DFCW的过完备原子库,然后利用加入选择机制的IWO算法搜索其最佳匹配原子即全局最优值,在获取与信号分量相匹配的原子参数基础上,基于时频平面进行参数估计.仿真结果表明,该算法在低信噪比条件下的参数估计性能优予传统优化算法.     

基于时频原子方法的雷达辐射源信号特征提取

针对电子战面临的高密集、信号形式复杂多变的雷达辐射源环境,提出一种全新的雷达辐射源信号特征提取方法.在过完备的时频原子库基础上,采用匹配追踪(MP)方法对信号进行时频原子分解,并通过改进的量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的最佳时频原子,为后期的辐射源信号分选和识别进行特征准备.实验结果证实了该方法的有效性和可行性,所提取的时频原子特征具有一定的抗噪性能.     

基于信号稀疏分解的毫米波主动探测

基于信号稀疏分解的Gabor时频原子库,将毫米波主动探测回波信号进行分解与重构,提取原子的时频参数作为其特征信息,并用改进的混合粒子群算法克服计算量过大难以实现的问题。实验表明,文章所提方法利用少数的原子就可以表示回波信号的主要特征,为目标回波信号的分类和识别提供了依据。     

基于追踪算法的信号稀疏分解方法

信号稀疏分解是获取非平稳信号本质属性的有力工具。原子库的紧致性和最佳原子的搜索方式是分解算法的关键问题。在给出稀疏分解算法基本模型的基础上,阐述了匹配追踪和基追踪算法的基本原理,着重分析了两类算法的融合思想和智能优化在信号稀疏分解中的应用。最后指出了不同稀疏分解算法的异同与发展方向。     

由时频分布引导的四参数子空间匹配追踪算法

为了克服四参数匹配追踪计算量巨大的缺点,本文提出了一种由时频分布引导的四参数子空间匹配追踪算法.该算法由引导时频分布确定chirp原子的时频中心,然后用模板匹配方法搜索原子的尺度和调频率(chirp rate).这样,一个高计算复杂度的四维搜索问题被转化为两个相对简单的二维搜索问题.为有效利用时频分布,每次搜索多个时频原子,这些原子不再相互正交.为此,我们利用最小二乘方法计算信号(或残差信号)在相应子空间上的正交投影.同快速脊追踪算法相比,四参数子空间匹配追踪需要更少的原子逼近信号,对实测语音信号的数值计算也证实了这点.     

基于OMP分解的宽带Chirp信号多参数估计

将信号稀疏分解——正交匹配追踪(Orthogonal Matching Pursuit,OMP)引入到阵列 信号处理领域,在OMP分解的基础上,提出了宽带Chirp信号多参数估计方法。首 先根据宽带Chirp信号形式建立过完备原子库,对阵列接收信号在该过完备原子库上利用 OMP做稀疏分解,从而由最佳匹配原子的参数获得信号的起始频率和调频斜率的估 计,得到宽带Chirp信号形式。在此基础上,再根据阵列结构和已获得的宽带Chirp信号形式 建立另一个原子库,通过计算阵列接收数据与原子库中原子之间的互相关矩阵的迹,搜索迹 的最大峰值找出最匹配的原子,进而由最佳原子的参数获得信号的波达方向角度（Directio n of Arrival, DOA）的估计。仿真实验证明了该算法对参数估计的有效性,并且表明与WVD ( WignerVille Distribution)方法相比,该方法能更有效地对信号的波达方向角度进行估 计。     

一种引入退火降温阈值函数约束的改进MP稀疏分解方法

匹配追踪(Matching pursuit, MP)方法可以在过完备库中实现信号的稀疏、能量集中的分解。该文从对信号分解稀疏性的有利原则出发,在迭代过程中,将过完备库划分为新(未选择过的)、旧(已选择过的)原子库,通过引入退火降温阈值函数来约束迭代过程中最优原子的选择,使选择的最优原子比原始MP方法有更大的可能性落入对信号稀疏性有利的旧原子库中,从而实现对信号更加稀疏的分解。对余弦调制指数信号和一段语音信号的分解结果,证实了改进MP方法对信号有更加稀疏的分解结果。     

一种改进的脉内调制信号识别方法

针对低信噪比下传统方法识别雷达信号脉内调制类型准确率低的问题,提出一种有效的自动识别方法。基于时频原子分解提取雷达脉内调制特征,提出了一种融合差分进化与遗传算法优点的混合进化算法,进行最优原子搜索,从最优原子中提取出三种特征值并运用概率神经网络进行分类识别。仿真表明,该方法较差分进化算法有更高的搜索效率和更低的时间复杂度。在信噪比不低于-2dB时,该算法有90%的正确识别率。     

基于原子分解的跳频信号盲检测和参数盲估计算法

本文针对跳频信号的检测和参数估计问题,提出了一种基于原子分解算法的跳频信号盲检测和参数盲估计算法。以Gabor函数为基函数对输入的多分量信号样本进行原子分解,在原子分解的每一次迭代后计算信号残差的信息论准则测度,通过与前一次迭代后的信息论准则测度作比较,找到信息论准则测度的第一个局部极小值,这个局部极小值对应的迭代次数就是信号样本中包含的信号分量的数量,进而根据分解得到的时频原子的参数值来聚类,从输入信号中分选出跳频信号的hop,并估计跳频信号的参数。仿真实验表明,该方法能够在未知任何先验知识的情况下,对高斯白噪声环境中跳频信号进行有效检测,并能够对跳周期、跳变时刻和跳频频率进行有效估计。      

基于子空间的三阶多项式相位信号快速稀疏分解算法

针对稀疏分解冗余字典中原子数量庞大的缺点,该文提出一种三阶多项式相位信号的快速稀疏分解算法。该算法根据三阶多项式相位信号的特点,把原有信号变换成两个子空间信号,并根据这两个子空间信号构建相应的冗余字典,然后采用正交匹配追踪法来完成其稀疏分解,最后利用稀疏分解原理完成原有信号的稀疏分解。该算法把原有信号变换成两个不同子空间信号,构建了两个不同的冗余字典,对比采用一个冗余字典库,这种采用两个冗余字典的算法大大减少了原子数量,并且通过快速傅里叶变换,在一个冗余字典进行稀疏分解时,同时找到另一个冗余字典中的最匹配的原子。因此该算法通过减少原子数量和采用快速傅里叶变换大大加快了稀疏分解速度。实验结果表明,相比于采用Gabor原子构建的冗余字典,采用匹配追踪算法与遗传算法及最近提出的基于调制相关划分的快速稀疏分解,它的稀疏分解速度更快,并且具有更好的收敛性。     

Time-Frequency Atom Decomposition with Quantum-Inspired Evolutionary Algorithms

Time-frequency atom decomposition (TFAD) provides a flexible representation for non-stationary signals, but the extremely high computational effort greatly blocks its practical applications. Quantum-inspired evolutionary algorithms (QEA) are efficient optimization methods with strong search capability and rapid convergence. This paper proposes the application of a modified variant of QEA to the TFAD problem. The problem on TFAD with evolutionary algorithms is formulated. By using gray coding, elite groups, and an appropriate termination criterion, the modified QEA is developed to search the suboptimal time-frequency atoms from a very large and redundant time-frequency dictionary. Also, this paper discusses the reduction of the computational time in terms of parameter setting, and presents an application example of radar emitter signals. Extensive experiments show the effectiveness and practicability of the presented algorithm.     

一种基于时频原子特征的雷达辐射源信号识别方法

提出了一种全新的基于时频原子特征的雷达辐射源信号识别方法.训练阶段,在过完备时频原子库的基础上,以类区分度为度量,提取少数最能区分不同类别信号的时频原子作为一组固定的特征;识别阶段,以原子和信号的内积的绝对值作为分类器的输入特征,采用有监督模糊自适应共振网络进行辐射源的自动识别.对5类典型雷达辐射源信号的实验结果表明,...     

Matching pursuits with time-frequency dictionaries

The authors introduce an algorithm, called matching pursuit, that decomposes any signal into a linear expansion of waveforms that are selected from a redundant dictionary of functions. These waveforms are chosen in order to best match the signal structures. Matching pursuits are general procedures to compute adaptive signal representations. With a dictionary of Gabor functions a matching pursuit defines an adaptive time-frequency transform. They derive a signal energy distribution in the time-frequency plane, which does not include interference terms, unlike Wigner and Cohen class distributions. A matching pursuit isolates the signal structures that are coherent with respect to a given dictionary. An application to pattern extraction from noisy signals is described. They compare a matching pursuit decomposition with a signal expansion over an optimized wavepacket orthonormal basis, selected with the algorithm of Coifman and Wickerhauser see (IEEE Trans. Informat. Theory, vol. 38, Mar. 1992)     

Harmonic decomposition of audio signals with matching pursuit

We introduce a dictionary of elementary waveforms, called harmonic atoms, that extends the Gabor dictionary and fits well the natural harmonic structures of audio signals. By modifying the "standard" matching pursuit, we define a new pursuit along with a fast algorithm, namely, the fast harmonic matching pursuit, to approximate N-dimensional audio signals with a linear combination of M harmonic atoms. Our algorithm has a computational complexity of O(MKN), where K is the number of partials in a given harmonic atom. The decomposition method is demonstrated on musical recordings, and we describe a simple note detection algorithm that shows how one could use a harmonic matching pursuit to detect notes even in difficult situations, e.g., very different note durations, lots of reverberation, and overlapping notes.     

Stochastic time-frequency dictionaries for matching pursuit

Analyzing large amounts of sleep electroencephalogram (EEG) data by means of the matching pursuit (MP) algorithm, we encountered a statistical bias of the decomposition, resulting from the structure of the applied dictionary. As a solution, we propose stochastic dictionaries, where the parameters of the dictionary's waveforms are randomized before each decomposition. The MP algorithm was modified for this purpose and tuned for maximum time-frequency resolution. Examples of applications of the new method include parameterization of EEG structures and time-frequency representation of signals with changing frequency     

一种基于匹配追踪的语音盲源分离算法

研究基于Gabor的过完备字典的匹配追踪（Matching Pursuit,MP）稀疏分解算法,首先对混合语音信号进行稀疏分解。针对传统MP算法运行时间长,占用存储范围大以及语音信号稀疏分解特性的特点,利用快速傅里叶变换（Fast Fourier Transformation,FFT）的MP稀疏分解缩小了最佳原子的搜索范围,提高运行速度。然后基于峭度的自适应盲源分离算法,通过自适应地学习算法中的激活函数最终实现语音信号的盲源分离。此算法经过仿真实验,证明分离效果比传统算法有了一定的改进,实验结果证实算法的有效性。     

基于Chirplet原子的雷达辐射源信号特征提取

特征提取是新体制雷达辐射源信号分选识别的关键技术.本文提出一种全新的雷达辐射源信号时频原子特征提取方法.在过完备多尺度Chirplet原子库基础上,采用匹配追踪(MP)方法对信号进行时频原子分解,并通过改进量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的本征Chirplet原子.实验结果表明使用更少量的Chirplet原子可以得到比Gabor原子分解更准确的特征信息,证实了本文方法的可行性和有效性.