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。     

基于LPFT的相控阵雷达信号盲分离

现代电子战中,雷达信号受到严重的干扰,使回波信号的提取愈发困难。跟据相控阵雷达天线阵列的特点,提出了基于局部多项式傅里叶变换(LPFT)的雷达信号盲源分离算法。选取线性调频信号(LFM)雷达信号作为发射信号,将雷达接收信号作为观测信号,应用LPFT进行时频变换,构造时频矩阵,采用联合近似对角化方法对受到干扰的雷达信号进行盲源分离。仿真结果表明,本方法有效得分离出了淹没在噪声和LFM调频干扰中的雷达回波信号。     

多线性调频信号瞬时频率估计快速算法

对多线性调频信号的瞬时频率估计问题提出一种快速算法,该算法以特征子空间跟踪算法为基础,结合矩阵线性变换和多项式方程求根得到参数估计。该算法的优点是计算量小,其计算量仅与短时傅里叶变换相当;频率分辨力较高;多信号情况下不存在交叉项问题;当多个分量的功率差异达到14 d B时仍能有效估计瞬时频率。但是,由于采用了矩阵求逆的步骤,该算法在低信噪比环境下性能较差。仿真实验显示在信噪比不低于6 d B时,算法具有明显的优越性。     

利用ASTFT谱有效抑制WVD交叉项的方法

该文分析了Wigner-Ville Distribution (WVD)中自项与交叉项相互关系,提出了一种利用自适应短时傅里叶变换(ASTFT谱)有效抑制WVD交叉项的新方法。该方法首先对信号进行ASTFT得到信号的ASTFT谱图,以确定出信号分量在时频平面内的位置,然后将ASTFT谱作为窗函数对信号的WVD进行加窗处理,从而有效消除掉WVD中的交叉项,并保留WVD的高分辨率和能量聚集性等优良特性。最后通过实例验证了该方法的有效性。     

基于线性正则变换与短时傅里叶变换联合的时频分析方法

线性正则变换作为傅里叶变换、分数阶傅里叶变换更为广义的形式,已经在光学和信号处理等领域得到了应用.短时傅里叶变换是一种线性时频分布,避免了其他双线性时频分布中出现的交叉项干扰,是分析时频信号的有力工具.本文从线性正则变换的定义和性质出发,研究了线性正则变换与短时傅里叶变换的时频关系,提出了基于线性正则变换与短时傅里叶变换联合的时频分析方法,避免了交叉项问题能够实现chirp信号干扰抑制和多分量时频信号分离.最后用仿真实例表明,该方法是分析时频信号的有效手段.     

面向旋翼飞机螺旋桨干扰的AM通信语音信号智能增强方法

为改善旋翼飞机空地语音通信质量,针对旋翼飞机螺旋桨造成的幅度调制(Amplitude Modulation, AM)信号复杂多频干扰以及恶劣机舱背景噪声,提出了一种通信语音时频掩膜智能增强方法,从而实现对机舱噪声与复杂干扰的有效抑制。该方法首先对原始时域语音信号进行分帧与加窗,通过短时傅里叶变换获取幅度谱与相位谱;然后将原始幅度谱作为网络输入,采用深度神经网络分析其语音信号的特征,采用长短期记忆网络挖掘语音信号的时序上下文信息,实现对语音时频掩膜的准确估计,并将其用于增强原始幅度谱以得到网络输出;最后结合原始相位谱,通过逆短时傅里叶变换获得增强后的时域语音信号。仿真与实际测试表明,该方法可有效抑制旋翼飞机环境下的干扰噪声,提高通信语音信号质量。     

脉冲噪声环境中基于clipping方法的鲁棒LPFT及其重排算法

为了更好地处理脉冲噪声环境中的时变信号,本文提出了基于clipping方法的鲁棒局部多项式傅里叶变换(LPFT)及其重排算法。首先利用clipping方法对信号中掺杂的脉冲噪声进行抑制,得到较好的信号时频分布表示,然后将重排算法与该鲁棒LPFT相结合,以提高信号的时频聚集性。通过实验仿真可以看出,与基于中值滤波器的鲁棒LPFT相比,基于clipping方法的鲁棒LPFT同样能对被脉冲噪声干扰的信号给出较好的时频表示,而且其瞬时频率估计的最小均方误差(MSE)较低,计算量较小。并且,本文在基于clipping方法的鲁棒LPFT对掺杂脉冲噪声的信号进行处理的基础上,利用重排算法与其结合,有效增强了信号的时频聚集性。因此基于clipping方法的鲁棒LPFT及其重排算法是一种高效的处理脉冲噪声干扰信号及提高信号时频聚集性的方法。     

基于混合时-频分布的信号检测与瞬时频率估计

提出了一种基于分数阶线性及分数阶非线性时-频分布混合法,该方法将分数阶维格拉分布与加窗分数阶短时傅里叶变换相结合,在适当的分数阶时-频域进行信号检测与瞬时频率的估计.对于多分量信号,该方法能够有效地消除交叉项,同时提高自项的时-频分辨率.在对线性调频信号检测与瞬时频率估计应用中,计算机仿真表明该方法是有效的,具有良好的工程应用前景.     

具有延迟的欠定语音盲分离

探讨具有延迟的欠定语音盲分离问题,针对语音信号的部分W-分离正交性,提出一种新的基于混叠矩阵估计的语音盲分离方法.首先对观测信号进行短时傅里叶变换,选定一个信号作为参考信号,构造幅度衰减向量和时间延迟向量,提取单源主导区间的观测信号作为观测样本;然后对观测样本进行聚类,通过估计参考信号的混叠系数来估计混叠矩阵;最后结合...     

利用时-频分析进行合成孔径雷达运动目标成象的研究

本文研究了利用时-频分析方法进行合成孔径雷达运动目标成象的若干问题。分析了三种时-频变换方法短时傅里叶变换,小波变换和Wigner-Ville分布(WVD),提出只有WVD才能满足要求。针对WVD的双线性特性所造成的交叉项干扰问题,提出用Hough变换来抑制交叉项。实验证明,即使在信噪比很低时,WVD和Hough变换结合的方法仍能提供很好的检测性能。     

空间任意阵的多宽带信源定位算法性能研究

针对宽带信号非平稳特性,以及常用宽带DOA估计算法要求信源个数是已知的情况,提出一种新的基于空间任意阵的非平稳信号DOA估计算法。首先,通过短时傅里叶变换将信号转为频域表示,然后构造阵列频域数据模型,最后利用短时功率谱矩阵的联合对角化特性实现宽带信号的波达方向估计。本文对提出的算法进行了理论分析,并在常见阵型（如线阵、十字阵）上进行了仿真和性能分析,仿真结果表明该算法可高分辨率地估计出DOA,并且估计误差小。相对于已有的MUSIC谱估计方法,该算法无需进行信源个数估计,更具实用性。      

非平稳信号分析的广义解析模态分解方法

现有的非平稳信号分析方法都有各自不同的缺陷,短时傅里叶变换的时频分辨率受不确定性原理的限制,希尔伯特黄变换存在端点效应和模态混叠,易导致模糊的时频分布;解析模态分解只适合分析频率恒定的多分量信号;针对包含多个时变模态、特别是频谱重叠的非平稳信号,本文提出了一种新的信号分析方法———广义解析模态分解（Generalized Analytical Mode Decomposition,GAMD）．GAMD通过广义傅里叶变换将时变频率转换为频谱可分的,采用解析模态分解对其分解,再对得到的单分量信号进行逆广义傅里叶变换即可得到原始信号的分量．因此,GAMD非常适合分析时变的非平稳信号．通过仿真信号将GAMD与短时傅里叶变换和希尔伯特黄变换等方法进行了对比,结果表明GAMD方法的分解效果更精确,时频分辨率更高．     

多分量线性调频信号的Wigner-Ville分布交叉项去除

针对多分量线性调频信号WVD（Wigner-Ville Distribution）检测中的交叉项问题,提出一种交叉项去除方法.利用自项和交叉项的频率特性,将WVD时频矩阵进行坐标旋转,在变换域上滤波去除交叉项.理论推导了矩阵旋转变换公式以及旋转后自项和交叉项的表达式,并且针对缓慢震荡的交叉项受滤波器性能限制不能完全去除的情况,提出能量加权的方法进行改进.仿真和实验结果验证,该方法不仅能够去除交叉项,且不会降低分辨率.     

基于信息熵的自适应窗长STFT算法在AFVISAR中的应用

在用短时傅里叶变换（STFT）对全光纤速度干涉仪（AFVISAR）的输出信号进行瞬时频率估计时,由于窗长固定,频谱的时频分辨率不能根据信号特点而改变。为了解决这个问题,提出一种基于最小信息熵准则的自适应窗长STFT算法。仿真结果表明,该算法可以根据信号特征有效地解决时间分辨率和频率分辨率之间的折衷,提高瞬时频率估计的准确性。     

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。     

A resolution comparison of several time-frequency representations

Two signal components are considered resolved in a time-frequency representation when two distinct peaks can be observed. The time-frequency resolution limit of two Gaussian components, alike except for their time and frequency centers, is determined for the Wigner distribution, the pseudo-Wigner distribution, the smoother Wigner distribution, the squared magnitude of the short-time Fourier transform, and the Choi-Williams distribution. The relative performance of the various distributions depends on the signal. The pseudo-Wigner distribution is best for signals of this class with only one frequency component at any one time, the Choi-Williams distribution is most attractive for signals in which all components have constant frequency content, and the matched filter short-time Fourier transform is best for signal components with significant frequency modulation. A relationship between the short-time Fourier transform and the cross-Wigner distribution is used to argue that, with a properly chosen window, the short-time Fourier transform of the cross-Wigner distribution must provide better signal component separation that the Wigner distribution     

Speech spectrograms using the fast Fourier transform

An important aid in the analysis and display of speech is the sound spectrogram, which represents a time-frequency?intensity display of the short-time spectrum.1-3 With many modern speech facilities centering around small or medium-size computers, it is often useful to generate spectrograms digitally, online. The fast Fourier transform algorithm provides a mechanism for implementing this efficiently.     

Analysis of Multi-Component Non-Stationary Signals Using Fourier-Bessel Series and Wigner-Hough Transform

We presented a novel Fourier-Bessel (FB) series and Wigner-Hough transform (WHT) method for the analysis of multi-component non-stationary signals. The FB series decomposed multi-component non-stationary signals into mono-component signals. The Wigner-Ville distribution (WVD) was applied to each mono-component signal to analyze its time-frequency distribution (TFD). Summing up the WVDs of the individual components resulted in TFDs of the multi-component signals, where the cross terms and noise were significantly reduced. The Hough transform (HT) was applied on the TFD of the multi-component signal (obtained from FB-WVD). The HT provides an important tool for mapping the signals onto a parameter space where the detection and estimation problems are made easier. This mapping can be used in the detection and parameter estimation of signals which are unknown and embedded in noise.