基于信号重构的非参数化混叠信号分离方法

复杂电磁环境下,雷达、通信等信号在时域、频域、时频域存在复杂混叠,且各类型信号带宽差异大、调制样式多样,常规信号分离方法难以应用。文中提出了一种基于信号重构的非参数化混叠信号分离方法。基于瞬时幅度的傅里叶分解,建立非参数化稀疏信号模型,将混叠信号分离转化为瞬时幅度和瞬时频率的联合估计问题,基于交替迭代思路,分别进行估计和更新。对于瞬时幅度项,基于广义近似消息传递方法进行估计;对于瞬时频率项,利用瞬时频率变化平缓性特征,建立瞬时频率更新模型,实现对瞬时频率的更新。进一步,基于瞬时幅度和瞬时频率估计结果进行各信号重构,实现混叠信号分离。仿真结果表明：文中所提方法能有效分离时频域复杂混叠信号。     

空中目标自适应分段轨迹样式识别

常规空中目标轨迹识别方法能够识别单一轨迹样式,但对于复杂轨迹样式识别效果差。文中提出一种基于Softmax多分类网络的空中目标自适应分段轨迹识别算法。首先,通过滑窗在时间上遍历整条复杂轨迹序列,在窗内利用设计的拟合方程对窗内轨迹进行拟合,得到方程参数;然后,基于方程参数训练Softmax分类网络模型,完成基于方程参数的窗内轨迹样式识别;最后,考虑到窗内识别错误及其特征,将识别结果进行同类合并,并基于Haar小波重构对识别结果进行修正,消除离散错误识别结果。仿真结果表明：文中所提方法能有效地对复杂轨迹样式进行分段识别。     

基于随机编码变换压缩感知超宽带信道估计

提出了一种产生简便的基于随机编码变换的压缩感知的超宽带信道估计方法,给出了基于压缩感知方法的UWB信道估计模型,研究了子空间追踪的压缩感知UWB系统的信道估计方法。对系统在IEEE 802.15.3a CM1信道下的信道响应进行了估计,仿真结果表明该方法是有效的。     

基于压缩感知的超分辨目标散射中心估计

针对雷达目标识别中散射中心特征提取需求,提出一种基于压缩感知理论(CS)的超分辨散射中心估计算法。通过设计一字典,将脉压波形进行稀疏表示,进而将重构问题引入CS 理论框架之下,利用仿真数据验证了散射中心重构算法的可行性。基于实录数据,将80 MHz 宽带信号滤波成20 MHz 窄带信号,利用窄带20 MHz 脉压波形重构高分辨散射中心,进而恢复宽带80 MHz 脉压信号。恢复信号与真实80 MHz 宽带脉压信号的对比分析结果表明,在一定误差范围内,CS算法可实现目标散射中心重构。     

基于信号分离的GNSS干扰信号抑制

全球导航卫星系统广泛应用于军事、通信等多个领域，但导航信号容易受到空间中电磁干扰的影响，造成性能严重下降。文中基于信号分离的方法研究了欠采样情况下的干扰抑制问题，通过对干扰信号幅度调制信号的分解构建了稀疏观测模型，利用稀疏贝叶斯学习实现对干扰信号的重建，进一步从接收信号中剔除重建的干扰信号，得到干扰抑制后的导航信号。仿真结果表明：文中所提方法能够有效抑制导航信号中的干扰，提升导航信号的质量，在欠采样情况下该方法仍然具有较好的干扰抑制性能。