基于Wigner-Ville分布的复杂时变信号的时频分析

对多分量线性调频(LFM)信号、单分量非线性调频(NLFM)信号以及多分量NLFM信号的Wigner-Ville分布进行了数值计算,探讨了信号项与交叉项之间的差异性特征,提出了信号时频曲线中点集的概念,研究了交叉项出现的一般规律.对于多分量信号,交叉项出现在信号项时频曲线之间的中点集之内.对于单分量NLFM信号,也有交叉项产生,交叉项出现在信号项时频曲线自身的自中点集之内.     

基于经验模式分解的Wigner-Ville分布交叉项抑制方法

时频分析作为时变非平稳信号分析的有力工具,成为现代信号处理研究的一个热点.这种分析方法提供了时间域与频率域的联合分布信息,为我们清楚地描述了信号随时间变化的关系.Wigner-Ville分布由于其良好时频集聚性,在非平稳信号分析中得到广泛应用,本文针对Wigner-Ville分布中的交叉项问题,提出了基于经验模式分解的Wigner-Ville分布,即对多分量信号运用经验模式分解,将其分解为单分量信号,再对每个单分量信号求Wigner-Ville分布进行线性叠加.提出运用相关系数法对经验模式分解伪分量进行剔除,提高了该方法的精度,并将该方法与Cohen类方法进行比较,阐述了该方法的优点.     

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。     

基于频域CLEANWigner-Ville分布中交叉项的抑制

针对ISAR飞机成像中出现的多分量线性调频(chirp)信号,该文提出一种基于频域CLEAN的信号分解方法,将其分解成多个单分量chirp信号,然后分别计算每个单分量的Wigner-Ville分布(WVD),以此来抑制此多分量信号WVD中的交叉项,与已有的chirp信号分解方法相比,该法减少了待估计参数的个数,使得计算更加简单,并能保证信号各分量正确的强度及时频变化特征。经过处理后的信号的WVD,保持了WVD高时频分辨率的特点,而交叉项得到了很好的抑制。实验表明,该方法应用于实测数据,成像质量明显提高了。     

基于子带分解WVD的雷达信号时频分析方法

研究利用谐波小波子带分解消除 Wigner-Ville 分布交叉项的雷达信号时频联合分析方法。通过对多分量信号进行子带分解预处理来消除信号之间以及信号与噪声之间的相互影响， 并求取个独立分量的 WVD，最后进行线性求和获得原始信号时频分布。仿真分析结果表明，对于在频域无交叉点的多分量信号，该方法能够有效抑制交叉项和噪声的干扰，提高了时频分辨效果并能准确提取出目标的特征信息，检测效果优于传统 WVD 分析方法，将有助于提高雷达信号检测、特征提取的能力。     

一种基于Radon变换的时频分析方法

针对CW脉冲和线性调频(LFM)信号,利用Radon变换沿直线积分的特性,将其与时频分布(TFD)结合在一起,抑制多频率分量信号各个分量之间的交叉项干扰,提高时频分布的时频二维分辨力。通过仿真数据验证算法具有良好的时频分辨能力以及抑制交叉项干扰能力。     

线性调频信号分数阶频谱特征分析

线性调频信号是一种典型的非平稳信号,广泛应用于雷达、声纳、通信等领域.分数阶Fourier变换是一种新兴的时频变换,由于其独特的性质,成为线性调频信号检测与参数估计的一种良好工具.尤其是,作为一种线性变换,分数阶Fourier变换在处理多分量线性调频信号时能够避免交叉项的干扰.但是,多分量线性调频信号在分数阶Fourier域也存在相互影响的问题.为了分析该问题,研究线性调频信号在分数阶Fourier域的频谱分布特征是非常必要的.本文根据分数阶Fourier变换的定义以及分数阶Fourier变换与时频分布的关系,分析了线性调频信号在分数阶Fourier域的频谱分布特征,以及线性调频信号的分数阶频谱分布与分数阶旋转角α的变化关系;根据离散分数阶Fourier变换的实现算法,讨论了线性调频信号在离散分数阶Fourier变换条件下的分数阶频谱的分布特征,以及线性调频信号在分数阶Fourier域的能量谱的近似表达式.最后,利用LFM信号的分数阶频谱的分布特征,分析了多分量LFM信号中的信号尖峰偏移问题,并给出信号尖峰发生偏移的条件.本文为定量分析分数阶Fourier域多分量线性调频信号之间的相互影响奠定了基础,为改善分数阶Fourier变换对多分量线性调频信号的处理能力提供了参考.     

基于重排方法的多分量线性调频信号分析

多分量线性调频信号的魏格纳分布(WVD)交叉项严重，而其平滑伪魏格纳分布(SPWVD)虽然抑制了交叉项但降低了时频聚集性。本文利用重排平滑伪魏格纳分布(RSPWVD)分析多分量线性调频信号，并以旁瓣电平(SLL)、交叉项干扰抑制(CTR)、分辨率损失(RL)等指标定量比较了它们的性能。仿真结果表明，RSPWVD旁瓣电平最低，交叉项抑制最好，分辨率损失最少。     

基于LPFT时频滤波器的WVD交叉项抑制方法

本文提出一种抑制Wigner-Ville分布(WVD)交叉项的新方法。利用局部多项式傅里叶变换(LPFT)构建时频滤波器,确定自项支撑区域,再利用此滤波器对WVD进行处理,从而达到抑制交叉项的目的。通过3dB信噪比的分析可以看出,LPFT具有比短时傅里叶变换(STFT)更好的时频聚集性,因此基于LPFT的时频滤波器能更有效抑制WVD中的交叉项干扰,同时又能保留WVD的高时频聚集性。通过与Chio-Williams分布、径向高斯核函数时频分布、基于STFT时频滤波器的交叉项抑制方法的比较,验证了该方法对抑制多分量信号及非线性调频信号的交叉项以及噪声干扰的有效性,显示了该方法在保持高时频聚集性,抑制交叉项干扰,以及抑制噪声干扰方面的优势。     

时频面滑窗掩膜的多分量信号高效重构算法

针对基于特征值分解的 Wigner-Ville 分布信号重构算法运算复杂度高这一问题,该文提出一种高效多分量信号重构算法。首先,通过分析 Wigner-Ville 逆变换公式,推导出瞬时时刻重构序列与原序列之间的联系,提出一种高效的信号重构算法。然后,采用平滑伪Wigner-Ville分布作为时频掩膜抑制Wigner-Ville分布的交叉项,并通过在时频面内滑窗的方法逐一提取各分量信号。最后,结合高效信号重构算法和时频面滑窗掩膜技术,实现多分量信号快速准确重构。仿真实验证明了该算法的有效性和可行性。     

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。     

基于互Wigner-Ville分布的到达角估计

研究了对线性调频信号的到达角估计;提出了基于互Wigner-Ville分布(XWVD)估计信号到达角的方法.通过时频分布,在时频面上进行信号预分选;根据XWVD时频脊点上的相位获得信号时延,从而获得信号到达角.该算法可实现多信号分辨,也可实现对时变频率信号的到达角估计.计算机仿真结果证实了该算法的有效性.     

形态学滤波与组合时频分布跳频信号参数估计

针对跳频信号参数估计中平滑类维格纳分布（WVD）运算量大和时频分辨率下降等问题,提出一种基于形态学滤波与组合时频分布的跳频参数盲估计方法。该方法首先利用短时傅里叶变换（STFT）和维格纳分布得到跳频信号的组合时频分布,然后通过形态学滤波得到清晰的时频图,进而估计出跳周期、跳变时刻和跳频频率等参数。理论分析和仿真结果表明,与直接利用平滑伪维格纳（SPWVD）进行跳频参数估计相比,该方法计算量更小,估计精确度更高。     

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.     

基于空间演化谱的Chirp信号极化和DOA的联合估计

本文研究了时变幅度Chirp信号的演化谱,提出了分别在时间轴和频率轴上聚集能量的方法,改善了演化周期谱的能量聚集性。同时,基于时变幅度Chirp信号的空间演化谱,提出了一种新的空间极化时频分布,用此空间极化时频矩阵代替自相关矩阵估计信号子空间和噪声子空间。采用L型正交短偶极子阵列,用ESPRIT算法实现了多Chirp信号DOA和极化参量的联合估计,并提出一种新的多信号参量配对的方法。通过仿真将本文的算法其他一些算法进行了比较。     

The time-frequency distributions of nonstationary signals based ona Bessel kernel

A kernel based on the first kind Bessel function of order one is proposed to compute the time-frequency distributions of nonstationary signals. This kernel can suppress the cross terms of the distribution effectively. It is shown that the Bessel distribution (the time-frequency distribution using Bessel kernel) meets most of the desirable properties with high time-frequency resolution. A numerical alias-free implementation of the distribution is presented. Examples of applications in time-frequency analysis of the heart's sound and Doppler blood flow signals are given to show that the Bessel distribution can be easily adapted to two very different signals for cardiovascular signal processing. By controlling a kernel parameter, this distribution can be used to compute the time-frequency representations of transient deterministic and random signals. The study confirms the potentials of the proposed distribution in nonstationary signal analysis     

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。     

复杂噪声环境下基于LVD的LFM信号参数估计

针对传统的线性调频(LFM)信号参数估计方法平滑交叉项时,会出现参数估计精度降低和计算复杂度增加等问题,该文引入LVD(LVs Distribution)方法,该方法可以在参数空间直接显示中心频率和调频斜率(CFCR)。LVD首先对对称参数瞬时自相关函数(PSIAF)进行尺度变换,消除信号在时间轴上的线性频率偏移,然后对尺度变换后的时间变量作2维傅里叶变换,将1维LFM信号转化为2维单频信号。信号各分量在LVD平面表现为多个独立尖峰,使交叉项的能量聚集影响可忽略不计,且信号各峰值所在位置对应于各信号分量的中心频率和调频斜率。LVD可有效抑制高斯噪声,但在脉冲性较强的稳定分布噪声中,该方法在CFCR域的性能退化甚至失效。对此,该文结合分数低阶统计量理论,提出一种稳定分布噪声环境下的分数低阶LVD新方法。仿真实验表明该方法在高斯噪声和脉冲噪声环境下均可稳定工作,具有较好的鲁棒性。