分数阶自相关和FrFT的LFM信号参数估计

基于分数阶自相关和分数阶傅里叶变换的特点,提出了一种LFM信号检测与参数估计方法。相对分数阶傅里叶二维扫描法和匹配傅里叶变换,所提方法将检测与参数估计的二维搜索变为一维搜索,快速实现信号检测和参数估计,在多分量LFM信号情况下借助"Clean"的方法来抑制强分量对弱分量的干扰。计算机仿真表明了该算法在低信噪比多分量LFM信号检测与参数估计中的有效性。     

基于同步提取S变换的LFM信号参数估计

针对S变换的时频聚集性不够高,在线性调频(Linear Frequency Modulation,LFM)信号参数估计的应用中受到限制这一问题,提出了基于同步提取S变换(Synchro-extracting S Transform,SEST)的LFM信号参数估计方法。该方法通过仅提取S变换时频谱中瞬时频率处的时频系数,去除了时频谱中大量的模糊能量,极大地提高了原始S变换的时频聚集性,使得单分量LFM信号在时频域中的线性表示更加明显。在此基础上,引入Hough变换在时频域进行直线检测,通过坐标转换即可得到单分量LFM信号的参数估计。仿真实验显示,在处理低信噪比环境下的单分量LFM信号时,该方法具有良好的鲁棒性和参数估计性能。     

线性调频雷达信号参数估计算法的多片ADSP实现

针对线性调频(LFM)雷达信号的参数估计问题,采用4片ADSP-TS101S构成的雷达信号参数估计平台,实现了一种基于改进三次相位函数的LFM信号参数估计算法.该算法只需要通过二阶非线性变换在信号参数空间形成最大值来估计LFM信号参数.在多分量的情况下,讨论了信号自项和交叉项与时间的关系,提出使用加权平均的方法来改进算法,有效抑制了交叉项干扰.实验表明,在较低信噪比下,该算法可以有效地估计多分量LFM信号参数.     

基于混沌的LFM信号检测与参数估计

为了实现线性调频(LFM)信号的检测与参数估计,提出一种基于混沌理论的新算法.该算法首先分析了LFM信号参数变化对处于混沌临界态的Duffing振子输出相图的影响,并对待检LFM信号进行解调频处理.利用Duffing混沌振子构造滤波器阵列,以最大Lyapunov指数的符号作为系统状态的判断标准,从而实现了LFM信号的检测和参数估计.数值模拟表明,该算法易于操作,在低信噪比下,能有效检测LFM信号并获得较好的参数估计精度.     

TFR-HT的多分量LFM信号脉内特征提取方法

针对多分量LFM信号脉内特征的提取问题，提出了一种基于时频重排-Hough变换（TFR-HT）的特征提取方法，以重排后的时频分布作为图像，利用Hough变换检测图像中直线的原理，依次实现了对各分量的脉内特征提取．仿真结果表明，该方法能够有效地提取多分量LFM信号各自分量的脉内特征，同时具有较高的抗噪声性能．     

基于mTD-FrFT的VMFS-LFM信号参数估计方法

针对甚小频偏线性调频(very minimum frequency shift-linear frequency modulation,VMFS-LFM)信号对应的分数阶傅里叶(fractional fourier transform,FrFT)域估计参数的绝对值接近1而导致估计性能降低的问题,在借鉴基于FrFT的LFM信号参数估计方法的基础上,采用m倍抽取(m time decimation,mTD)作为预处理方法,提出基于mTD-FrFT的VMFS-LFM信号参数估计方法.理论分析和实验结果表明:mTD预处理过程可增大VMFS-LFM信号和近参数多分量LFM信号的调频斜率在FrFT域的分辨率,使基于mTD-FrFT的参数估计方法可对VMFS-LFM信号和相近参数多分量LFM信号进行有效参数估计.     

基于AlexNet模型的雷达信号调制类型识别

针对现代战场复杂电磁环境,在低信噪比(-6 dB)下传统雷达调制信号采用常规五参数特征的识别方法准确率低的问题,本文采用深度学习中的AlexNet卷积神经网络模型自动提取图像各种特征细节,从而替代手工设计特征的庞大的特征工程以实现信号在低信噪比下的识别。该方法首先利用平滑伪Wigner-Ville时频分析在时频域内生成雷达调制信号的时频图像;然后采用中值和均值滤波结合去噪对时频图像进行预处理;最后使用图像处理器GPU在深度学习架构Tensorflow下搭建AlexNet模型进行训练,对CW、LFM、EQFM、DLFM、BFSK、BPSK以及QPSK这7种雷达信号进行特征的自动提取和选择,从而实现雷达信号的自动识别。仿真结果表明,在信噪比为-6 dB时,除QPSK信号外其余6种雷达信号的整体识别率均达到90%以上,比采用非深度学习和LeNet5卷积神经网络的识别效果好,从而验证了该方法在低信噪比下雷达信号识别的有效性。     

基于极值域均值模式分解最大相似度的语音增强方法

提出一种基于极值域均值模式分解最大相似度的低信噪比语音增强算法,解决部分噪声环境下低信噪比语音信号增强问题。该算法核心思想是：对分解后得到的固有模态分量进行筛选后再做滤波处理,以此减少过滤波和欠滤波情况的发生。在筛选过程中,提出一种最大相似度判断算法,通过检测得到的噪声信号与固有模态分量计算最大相似度,通过最大相似度筛选出固有模态分量进行滤波,由于噪声与语音信号容易发生频谱混叠,在滤波器的选择上采用时域滤波器。将滤波后的固有模态分量和未作处理的固有模态分量进行信号重构,得到增强后结果。     

改进的三次相位函数法LFM雷达信号参数估计

为了研究对线性调频(LFM)雷达信号的参数估计,提出了利用改进的三次相位函数法对LFM雷达信号进行参数估计.三次相位函数法可提取信号的相位函数的各项系数,并且只需通过二阶非线性变换在信号参数空间形成最大值来进行估计参数,具有较高的精度和良好的低信噪比能力,但是计算量较大.针对三次相位函数法计算量大的问题,提出调频斜率搜索范围设定准则及双尺度调频斜率搜索法,可减少大量计算量,同时保持了低信噪比下的算法精度.仿真测试结果表明,新算法有效地减小了计算量,并且保证了低信噪比下的算法精度,算法性能得到了提高.     

欠采样下多个线性调频信号参数估计方法

针对时域欠采样下多分量线性调频信号参量估计问题,提出了一种基于同时估计多个实数的广义稳健中国剩余定理的调制斜率和初始频率的解模糊方法。研究了忽略信号交叉项影响所需的条件及利用广义稳健中国定理对多个LFM信号参数解模糊的原理和方法。仿真实例表明,提出的方法在低信噪比及时域欠采样下对多个LFM信号的调制斜率和初始频率估计精度高、稳健性好。     

一种有效的CFCR域LFM信号分析方法

为了解决现代电子战领域中无延迟的线性调频信号分析方法计算量大,以及低信噪比情况下抗噪性能和估计精度不理想的问题,提出了一种有效的无延迟线性调频信号分析方法。所提算法通过利用局部尺度傅里叶变换和傅里叶变换,将线性调频信号变换到中心频率-调频率的二维域中。在中心频率-调频率域中,线性调频信号的能量得到有效积累,形成易于检测的尖峰。通过检测尖峰坐标,得到信号参数的估计值。为了提高估计精度和降低计算量,采用了双尺度估计策略。仿真结果验证了低信噪比情况下,该算法具有良好抗噪性能和估计精度,并且所提算法计算量小,易于实现。     

色噪声背景下LFM信号参数估计的互谱ESPRIT方法

对色噪声背景下LFM信号(线性调频信号)进行了分析,提出了一种基于二次型变换的互谱ESPR IT方法。该方法首先对LFM信号进行二次型变换转化为平稳信号,再将现代互谱理论引入ESPR IT方法生成互谱ESPR IT方法来进行后续的信号处理,成功地实现了高效率、高精度的参数估计,且使附加的有色噪声信噪比低至-5 dB。仿真试验结果证明了本文方法的正确性和有效性。     

基于FrFT和子空间正交的LFM信号参数估计

基于分数阶Fourier变换和子空间正交性,提出了一种低信噪比下线性调频信号检测与参数估计方法。讨论过程中将线性调频信号通过适当的分数阶Fourier变换得到一个单频复正弦信号,在此基础上,利用信号子空间与噪声子空间的正交性处理其正弦信号,再对线性调频信号的检测和参数估计转化为函数极值求解;最后,利用计算机模拟证实了方法的有效性。     

Chirp-Rate Resolution of Fractional Fourier Transform in Multi-component LFM Signal

Distinguishing close chirp-rates of different linear frequency modulation (LFM) signals under concentrated and complicated signal environment was studied. Firstly, detection and parameter estimation of multi-component LFM signal were used by discrete fast fractional Fourier transform (FrFT). Then the expression of chirp-rate resolution in fractional Fourier domain (FrFD) was deduced from discrete normalize time-frequency distribution, when multi-component LFM signal had only one center frequency. Furthermore, the detail influence of the sampling time, sampling frequency and chirp-rate upon the resolution was analyzed by partial differential equation. Simulation results and analysis indicate that increasing the sampling time can enhance the resolution, but the influence of the sampling frequency can be omitted. What’s more, in multi-component LFM signal, the chirp-rate resolution of FrFT is no less than a minimal value, and it mainly dependent on the biggest value of chirp-rates, with which it has an approximately positive exponential relationship.     

基于时频分析与形态学滤波的跳频参数估计

针对跳频信号侦察中的参数估计问题,在对跳频信号进行平滑伪Wigner-Ville分布（SPWVD）处理的基础上,提出了一种基于数学形态学滤波的跳频参数估计方法.该方法首先对跳频信号的SPWVD时频图进行阈值分割,转化为二值图;通过形态学滤波和细化提取时频脊线,从而估计跳频信号参数.仿真结果表明：与直接利用SPWVD变换后峰值提取脊线的方法相比,该方法具有更高的估计精度.     

利用Radon-Wigner变换提高LFM信号的时频DOA估计性能

本文采用Radon-Wigner变换作为时频工具,在多目标环境下有效地抑制交叉干扰项和噪声,具有很好的时频汇聚性.模拟结果表明,在多LFM信号情况下,与基于PWVD和SPWVD的方法相比,基于Ra-don-Wigner变换的方法的DOA估计精度有显著提高;且其方向估计性能基本不随SNR的下降而恶化,这对于在低SNR环境下进行DOA估计十分有利.     

基于虚载波的OFDM系统信噪比盲估计方法

根据室内自适应OFDM系统实时控制的要求，提出一种基于虚载波OFDM系统信噪比盲估计新方法，通过对虚载波信号和已调子载波信号的统计处理，可分别获得噪声平均功率和信号加噪声的平均功率，再通过简单的处理即可获得信噪比．该方法运算复杂度低，估计性能优于M2M4盲估计方法，且随着统计数据的增加，逼近导频数据辅助的估计方法性能，仿真结果验证了该估计方法的有效性．