随机跳频信号的模糊函数与时频分析

在分析随机跳频信号模糊函数及其特性的基础上,给出了用于时频分析的矩形核函数与信号模糊平面的关系,提出了一种新的时频表示方法。理论推导和仿真结果表明该方法能够有效地分析随时间快速跳变的跳频信号。与平滑伪维格纳分布相比,在保持相似性能的情况下,该算法运算量比较小,可以有效地节约运算时间,适合于快速跳频信号的实时分析。     

基于Gabor谱方法的跳频信号时频分析

摘要：率高、交叉项干扰小的特点,对跳频信号进行时频分析,与其他常用时频分析方法比较得到了更精确的时变谱特征描述。通过对仿真结果的比较分析,证明了该方法对跳频信号分析的有效性,其方法也适用于其他非平稳信号的分析。     

组合谱图法在跳频信号时频分析中的应用

提出了一种应用于跳频信号的组合式谱图时频分析方法,采用两种不同长度的窗函数对信号进行时频分析,分别得到具有较好频率和时间分辨率的两组分析结果;结合两组结果的优点,提高了原谱图法的时频分辨率,并通过理论分析和仿真结果予以证明。在高斯白噪声条件下,对组合谱图法在跳速估计中的性能进行仿真,结果表明该算法的信噪比性能较谱图法提高了3 dB左右。     

基于熵测度的跳频信号谱图分析

为了有效分析跳频信号并估计其参数,依据跳频信号谱图和Wigner-Ville分布(WVD)的特征分析,提出了一种自适应跳频信号时频分析方法。该方法依据熵测度进行谱图窗函数宽度选择,获取优化的跳频信号谱图表示。理论分析和仿真结果表明,基于熵测度的谱图分析方法能够在大于0dB的高斯白噪声环境下,给出跳频周期参数的准确估计;与平滑伪Wigner分布及其自适应方法相比,该方法能够在较低信噪比下有效降低参数估计的方差,提高参数估计的准确性;同时对于长观测信号,具有更快的运算速度。     

基于改进WVD的跳频信号参数估计方法

为了克服传统的平滑伪魏格纳分布(SPWVD)在跳频信号参数估计中分辨率降低的问题,提出基于改进WVD算法的跳频信号参数估计新方法。通过分析跳频信号WVD的性质和特点,构造出与跳频信号WVD自项支撑区重合的时频窗,用其与信号WVD相乘进行加窗,有效抑制交叉干扰项的同时保持了WVD良好的时频分辨率,得到了清晰的跳频信号时频分布,基于此分布给出跳频信号参数估计的具体步骤。仿真实验结果表明,该方法有效可行且具有很好的整体性能。     

几种跳频信号时频表示的熵测度研究

分析了固定核函数在跳频信号时频分析时的局限性以及基于参数优化对时频分辨率的改善,研完了熵测度随不同窗宽度和可选参数的变化,并与最近提出的Stankovic测度方法加以比较.仿真结果表明,对不同的时频表示,同一测度的变化规律也不相同:仅有Flandrin体积规范化熵给出了不同时频分析的优化结果,从而能够定量评价跳频信号时频分布的信息量,为交叉项和分辨率的折衷提供帮助.     

一种用于跳频信号参数估计的时频表示方法

在时延和频移两个方向上,对跳频信号的模糊函数进行了分析,提出了一种基于跳频信号模糊函数自项特征的时频表示方法。其核函数在信号的模糊域能够有效地滤除噪声和交叉项,并保留绝大部分的自项能量。仿真试验结果证实,与平滑伪维格纳分布相比较,该方法提高了信号项的时频聚集性,具有更好的参数估计性能。     

重排谱图在跳频信号参数估计中的应用

为能准确提取出跳频信号的参数,提出了基于重排谱图的方法对跳频信号进行参数提取.对跳频信号进行重排谱图,得到其能量分布的最大值,对由最大值构成的矢量进行傅里叶变换,根据得到的数据,按照峰值检测法进行估计,得到对跳频周期、跳变时刻及跳频频率的估计值.对跳频跳速(跳频周期的倒数)进行仿真,仿真结果表明,与简单的谱图方法相比,重排谱图具有更好的时频分辨率,并且能得到更精确的估计值.     

基于能量归一化窗S变换的跳频信号参数盲估计

提出一种基于能量归一化窗的S变换的跳频信号参数盲估计方法。详细阐述了能量归一化窗S变换的基本原理,应用能量归一化窗S变换对跳频信号进行了分析并与其它时频分析方法作了比较,最后给出了跳频信号参数盲估计的具体算法步骤,并进行了仿真实验及性能分析。仿真结果表明该方法切实有效。     

基于图像处理的跳频信号参数估计

针对复杂的电磁环境对跳频信号检测所产生的影响,提出了一种新的基于图像处理的跳频信号参数估计方法。首先将短时傅里叶变换(STFT)后的时频图处理为二维图像,然后根据电磁环境中噪声在时频图中的表现形式,对时频图进行滤波处理,最后根据对时频图的分析得出跳频信号参数估计。使用真实数据所进行的实验结果表明,所提出的方法能有效地滤除实际跳频信号中的雾态噪声、定频和突发信号,且不需要知道信号的跳速或驻留时间等前提条件,运算原理清晰,时间成本低且具有较高的准确度。目前该方法已应用于某数字接收机产品中,能很好地满足实际需求及测量精度要求。     

低信噪比下跳频信号参数盲估计

针对通信对抗的实际应用,提出了一种在低信噪比下估计跳频信号跳速的方法。首先利用谱图的无交叉干扰项和修正平滑伪Wigner-Vile分布（MSPWD）的强时频聚集性,将谱图和MSPWD进行组合得到了清晰稳健的时频分布;然后基于此分布,利用二次差分法沿着频率轴搜寻每个时间的峰值显示来校正时频矩阵;根据此时频矩阵,分别利用FFT方法、自适应门限法、代价函数法来进行跳频周期估计,仿真结果显示,时频分布经过二次差分处理后,在更低信噪比下提高了估计精度,在跳速较低时,FFT方法在低信噪比时性能较好,在跳速较高时,代价函数法性能较好。     

基于Hermite窗函数的多窗口时频重排方法

从提高时频聚集性和抑制重排振荡的角度出发,提出了一种以正交Hermite函数作为窗函数的多窗口时频重排算法。该算法既保持了重排的高时频聚集性又具有多窗口谱分析低方差、高分辨率等优点,同时也降低了由重排引起的振荡波动。仿真实验结果表明该方法对相距很近的两线性调频信号和非线性调频信号都非常有效。     

基于聚类分析的常规通信信号自动分选方法

为了从干扰环境中自动分选出常规通信信号,提出了一种基于聚类分析的信号分选方法,它主要包括测量集分割和信号跟踪两部分。测量集分割用于对频域检测和测向得到的测量集进行识别,从中获得对该测量集有贡献的窄带信号的特征参数;信号跟踪就是根据常规通信信号的特点,对截获信号进行序贯聚类,剔除干扰信号。实验结果表明,测量集分割方法的识别正确率在94％以上,能够准确估计各窄带信号的特征参数;所提出的分选方法能够从干扰环境中正确分选出常规通信信号。     

高阶时频变换理论与应用

非线性信号处理与特征提取是时频信号处理领域中的热点问题。传统时频分析方法受限于海森伯格不确定原则,在分析该类信号时存在较为严重的能量发散问题,导致分辨率不佳,无法为非线性信号处理与特征提取提供精确的时频信息。为改善传统时频分析方法的能量聚集性,提升其时频分辨率,提出了一种高阶同步抽取变换算法,首先计算多个短时傅立叶变换...     

基于完全非线性函数的最优跳频序列族构造

基于完全非线性函数,构造了一类新的跳频序列族.根据完全非线性函数的性质,证明了这些跳频序列具有良好的汉明自相关和汉明互相关特性.利用不同的完全非线性函数,可以得到不同的并且具有最优汉明相关性能的跳频序列族.