基于TFDA的有限空间多目标声定位方法

针对有限空间中多途干扰导致多目标声定位方法性能下降的问题,在分析了主动定位和被动定位模型适用性的基础上,提出将基于短时傅里叶变换（STFT）的单频信号强度提取与二次相关结合的方法应用于声发射信号声达时频差（TFDA）的测定,并采用多个全指向电容式麦克风进行声定位实验。首先,对麦克风接收到的声信号进行放大预处理;其次,利用接收到的锚节点扬声器定时循环发射的声信号计算声达时频差;最后,各目标利用混合求解的方法进行自主定位。实验表明该方法能够有效实现有限空间多目标定位,定位均方根误差达到5cm,相对精度达到3%。     

基于稀疏表示和时频变换的ISAR成像算法

逆合成孔径雷达对空中机动飞行目标进行成像,在成像积累时间内,成像投影平面和横向尺度随时间变化,许多参数很难准确提取,人们无法获得更多的先验知识。一般采用鲁棒性强的距离-多普勒(RD)算法进行成像,但传统的RD成像算法基于目标匀速转动和方位均匀采样的假设,若用其对机动目标进行成像,则图像模糊,尤其对于随机缺损的雷达回波数据,其成像质量显著下降,甚至无法辨识。通过引入稀疏表示和时频变换,提出了一种基于稀疏表示和时频变换的距离-瞬时多普勒成像算法,其可对一般机动飞行目标进行有效成像。实验结果验证了所提算法的有效性和可行性。     

基于多高斯窗的实值离散Gabor变换

传统的单窗复值离散Gabor变换具有固定的时频分辨率,由于受窗函数时宽-带宽之间的制约关系,即不确定性原理限制,其时间分辨率和频率分辨率是矛盾的关系。为了改善传统离散Gabor变换时频分辨率并加快其变换速度,提出了一种基于多高斯窗的实值离散Gabor变换,实验结果表明能有效改善联合时频域内的聚集性,从而提供了一种快捷地计算非平稳信号进化谱方法。     

时频域中交叉项消除方法探讨

着重讨论了交叉项的消除方法,通过实验对比了SPWD,CWD和CKR在消除交叉项方面的性能.     

基于小波包变换的电力系统谐波分析

传统的基于傅立叶变换的谐波检测方法不具有时间分辨能力,小波和小波包变换因其良好的时间局部化特性,成为电力系统谐波分析的有力工具.本文分别用小波变换和小波包变换对电网谐波信号进行了检测,小波包变换建立在小波变换的基础上,可以实现信号频带的均匀划分,能更好地提取信号的时频特性.仿真结果显示两种方法均能有效的分离基波和谐波,小波包变换能根据要求分离任意次谐波,仿真分析中指出了两种分析方法的缺点.     

应用于时频分析的低功耗短时傅里叶变换处理器

提出了一个应用于时频分析的短时傅里叶变换处理器.为了克服已有的离散短时傅里叶变换算法和结构的缺点,给出了一种基于快速傅里叶变换阵列的新结构.根据实际需要提出了一种新的高频域分辨率的SDF(Single-path Delay Feedback)结构FFT单元,和传统的SDF结构FFT单元相比,反馈FIFO的深度和蝶形单元的数量都有所降低.再加上开发窗函数的对称性和适当合并硬件资源,与原始设计相比处理器的功耗降低了20%.使用中芯国际0.18微米工艺实现之后,系统工作时钟可以达到200MHz,即该处理器可以满足同样频率的采样信号的实时时频分析需求.     

基于联合时频分析的混合神经系统在信号分类与模式识别中的应用

介绍了一种基于STFT,WVD和Wavelet变换的混合神经系统在特征提取和信号分类中的应用.它运用时频信号处理技术与混合神经网络结构以及高级训练算法相结合的设计思想,辅之以主元分析和全局决策融合策略,对传统的模式识别技术进行了有效地改进.本文将所述基于WT,STFT和WVD的混合神经系统信号分类器(WSWHNS)的算法程序嵌入一汽车实时智能故障诊断软件包中做了现场实验,获得了非常满意的诊断效果.     

雷达脉内调制信号时频分布特征提取方法

针对复杂体制雷达辐射源信号分类识别问题,提出了一种基于时频分析的雷达脉内调制识别算法。首先对时频矩阵在时间域进行等间隔分区,然后通过检测区间内信号时频能量峰值提取其时频特征,最后用支持向量机实现了分类识别。该方法以信号时频能量峰值分布的差异区别不同的雷达脉内调制方式,有效降低了特征维数。仿真结果表明,该方法对雷达脉内调制具有较好高识别正确率,而且具有较强的抗干扰能力。     

基于时频分析的混沌谐波线性混合信号提取算法

混沌信号与谐波信号的分离问题是混沌信号处理中的重点问题,时频分析理论的日趋成熟为该问题带来了新的解决方案。针对不同噪声情况下混沌背景下谐波信号的提取进行分析,将小波变换与EMD方法进行比较,经仿真实验总结出一种新的谐波信号提取的融合算法,仿真实验验证了该算法的有效性。     

基于加权广义逆OFDM信道估计算法

在采用独立时频块导频方案的MIMO-OFDM系统信道估计中,证明了导频数小于多项式模型参数时,使用标准的广义逆进行多项式内插无法得到信道估计的最佳值。采用基于最小方差准则构造的加权矩阵对广义逆的定义做出修正,提出了基于加权广义逆矩阵的二维多项式内插算法。仿真结果证明该算法可以适应不同的移动速度,特别是在中低移动速度下,该算法在高信噪比时的误码性能相对于一维线性内插算法可以得到约2 dB的增益。