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STFT时频比算法的跳频信号盲分离

威格纳—威利分布(WVD)算法会引起交叉项干扰,快速独立分量分析(FastICA)算法会使分离信号的幅度、相位等参数较源信号发生变化,针对这些算法存在的误差问题,结合跳频信号的特点,提出一种基于短时傅里叶变换时频比的跳频信号盲分离法。仿真实验表明,这种算法能够有效地分离出多个跳频信号,比FastICA算法更准确。     

基于STFT的无人机跳频信号检测与参数估计

为了有效实现对无人机的监管,避免涉密、干扰航班、扰民等事件发生,需快速识别出监测范围内的无人机信号,为此提出一种基于STFT的无人机跳频信号检测与参数估计方法。该技术对接收的信号样本做STFT变换,在时频图上采用时频能量对消法实现无人机跳频信号的盲检测,并在此基础上设计一种自适应的形态学滤波器消除干扰,同时引入最小二乘估计算法提升无人机跳频信号参数估计的性能。通过实验测试表明,算法在SNR不低于6 dB时,无人机跳频信号的检测概率在95%以上,且能正确估计出无人机跳频信号的跳频周期、跳频起跳时刻和跳频频率集等参数,实用性较强,工程使用价值较高。     

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。     

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。     

基于重排SPWVD的跳频信号参数提取方法

提出了一种基于重排平滑伪Wigner-Ville分布（SPWVD）的未知跳频信号参数盲估计方法。在未知任何先验条件情况下,能够从截获信号中提取并估计出非合作跳频信号的跳频信号驻留时间、跳变时刻和跳频频率。介绍了重排时频分析原理,比较了跳频信号的WVD分布、平滑伪WVD分布和重排平滑伪WVD分布（MSPWVD）,设计了基于MSPWVD分布的跳频信号参数盲提取算法,通过计算机仿真得到了较为准确的提取结果,并对算法的性能进行了分析。     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

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.     

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。     

应用于时频分析的低功耗短时傅里叶变换处理器(英文)

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 De-lay 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。     

基于概率的自适应跳频通信系统中的跳频图案产生方法

为了提高水声跳频通信系统的可靠性和保密性,提出了基于误码率映射和对伪随机数流的量化来产生跳频图案的方法,该方法将各个跳频频点的误码率映射为一个概率密度函数,由此得到量化向量,根据伪随机数发生器产生的满足特定统计规律的伪随机数流和特定的量化准则,对伪随机数流进行量化,生成跳频图案,进行跳频通信。构建基于概率的自适应跳频通信仿真系统,仿真结果表明基于概率的自适应跳频通信相对于传统的跳频通信或自适应跳频通信误码率更低,且保密性更强。     

一种改进的混沌跳频序列的设计方法

现有混沌跳频序列在混沌迭代次数、通信保密性和安全性等方面存在着不足.为解决上述问题,本文通过给出优化的Logistic映射函数,采用了一种改进的利用伪随机序列控制比特抽取来生成混沌跳频序列的方法.该方法各项跳频性能指标与已有研究成果相当,但其混沌迭代次数减少,序列安全性增强.     

基于HOG-SVM的跳频信号检测识别算法

针对非合作通信场景下的跳频信号自动化检测识别问题,本文提出了一种基于方向梯度直方图与支持向量机的跳频信号检测识别算法。该算法将无线通信信号转化为包含时间、频率和幅度的时频瀑布图,采用方向梯度直方图特征提取算法将不同跳频序列在瀑布图上产生的独特结构特征提取出来。然后利用支持向量机将特征序列映射到高维空间,通过寻找最大间隔分离超平面,实现跳频信号的检测与多种跳频序列的识别,并依此建立跳频信号检测识别原型系统。最后在室内多径信道环境下进行了测试验证,该算法能够完全自动化的精确检测到开放电磁环境下的跳频信号并且能够实现对多种跳频序列的识别。在信干噪比不超过20dB时,针对不同跳频序列的平均识别正确率能够达到98.01%。     

时频分析理论和应用

介绍了时频分析理论及常用的时频分析方法 ,概述了时频分析的应用和研究状况     

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.     

一种改进多分量LFM信号时频分布估计方法

传统时频分布方法在估计多分量线性调频信号时,交叉项影响导致时频估计精度低。因此,提出建立信号调频斜率因子库,对时频分布核函数进行改进,使核函数能有效抑制由多分量信号引起的交叉项干扰。通过分析核函数与信号模糊函数交叉项及自身项的关系,将时频估计问题转化为求解最优调频斜率因子库来对核函数进行改进,使信号的广义模糊函数能量最大。以多分量线性调频信号为例进行仿真,结果证明与传统时频分布方法相比,改进的时频估计方法可以在有效抑制交叉项干扰的同时保留大部分自身项,提高了多分量信号时频估计的精度和抗噪声能力。     

一种S波段宽带跳频频率合成器的设计与实现

讨论了一种输出频带宽、跳频时间短、相位噪声低、杂波抑制高的频率合成器的设计方法;该方法采用STW81102频率合成芯片,是一个将PLL和VCO集成在一起的低成本单片多频带射频频率合成器芯片,并利用8515单片机软件模拟I2C总线通信对STW81102芯片进行置数控制输出频率;基于该方法实现了输出频率范围为3100~3400MHz,步进频率为20MHz的宽带跳频频率合成器,实验结果表明该频率合成器输出功率大于+5dBm,杂波抑制大于65dB,相位噪声优于-95dBc/Hz/10kHz。     

基于脑电波时频分析方法的认知决策任务研究

选择和决策涉及一系列复杂的认知过程,而脑电图(Electroencephalogram,EEG)信号的时频 分析方法可以帮助理解不同认知任务中的大脑活动。为对脑认知功能评价标准的设定提供客观量化理 论参考,该研究针对正常人在做出一系列完整认知任务时的脑电波活动进行量化分析,作为后续认 知障碍研究的前期基础。通过设计了一项与“剪刀、石头、布”游戏相关的决策认知任务,使电脑 的 3 种选择按一定的概率(石头 66%、剪刀 33%、布 1%)随机出现,其中认知决策包含稳妥型、风险 型和错误型,每轮决策任务分为 3 个阶段(计划阶段、确认阶段和反馈阶段)。在整个任务期间,使用 NeuroscanQuikCap 脑电测量系统同时记录 64 个 EEG 信号通道数据,通过提取不同受试者脑电频段 (δ、θ、α 和 β)的平均频谱功率和相位同步值,研究了不同任务阶段下 4 种频段脑电波的变化特征。研 究发现,在计划阶段,实验对象想要获胜或不想输的判断决策活动与顶叶区 α 波和前额 θ 波的增强活 动效应相关,其脑电波出现的先后顺序反映受试者将做出不同类型的决策计划;在确认阶段,α 波的 频谱功率抑制效应和 δ 波的相位同步增强活动表明受试者在确认选择后会提高注意力;在反馈阶段, θ 波、β 波功率谱增强效应和 α 波功率谱降低效应与不同的反馈结果有关,其中在受试者发觉输掉游戏 的反馈中,该效应最为明显。结果表明,EEG 信号的时频特征分析方法可以有效观察大脑对不同认知 任务的响应活动。该研究不仅有望为探讨一项完整认知任务的动态过程提供可视化工具,还有助于客 观认知评估标准技术的进一步发展。