跳频信号SPWVD参数估计方法研究

跳频信号是典型的非平稳信号,必须采用非平稳信号处理方法。WVD是时频分布中最常用的一种手段,可用来进行跳频信号分析,但存在严重的干扰项。SPWVD是WVD的改进,可以减少WVD交叉干扰项的影响。文章介绍了跳频信号的模型以及SPWVD的离散化实现过程,对SPWVD进行了计算机仿真。结果表明WVD和SPWVD均可对跳频信号进行分析,而SPWVD可以抑制交叉项的影响,并且这种分析方法更加有效、合理。

MTD-WVD频域特性与改善因子分析

文献[1]介绍了一种利用WVD进行动目标检测的新方法（MTD－WVD），但仅以仿真结果说明了其优越性。本文从原理算法与改善因子两个方面，对基于WVD的MTD进行了理论分析，并分匹配处理与非匹配处理两种情况，将其与经典的MTD－Ⅰ进行了性能比较。

基于WVD和OEW算法识别矿用栓接电缆电连接松动故障

为深入研究栓接电缆电连接松动故障的典型特征,实现故障识别,以铜-铜电缆接头作为研究对象,利用电缆接头松动故障实验平台开展了不同电流、不同松动程度条件下的松动故障实验。提出了基于Wigner-Ville(WVD)及客观熵权(OEW)的松动故障识别方法。运用WVD对回路电流进行变换,使其具有联合时频特征,然后提取该信号的时间边缘和频率边缘,进而计算回路电流的平均能量和基频能量。以回路电流的极差、平均能量、基频能量作为故障特征参数,采用OEW算法确定特征参数的权值,并构造加权规范化矩阵,结合最优距离准则(ODC)和硬判决规则识别松动故障。实验表明,该方法能够有效识别栓接电缆的电连接松动故障。

海洋环境中基于WVD的LFM信号检测方法

海洋环境中弱信号的谱与海杂波的谱相混叠 ,目标和背景的位置差异很小 ,经典的频域或空域处理对海杂波中弱信号的检测难以奏效。鉴于Wigner-Ville分布 (WVD)对线性调频信号 (LFM )具有时频聚集性这一特点 ,提出了一种海洋环境中基于WVD的LFM信号检测方法。利用雷达采集的真实海杂波数据 ,在不同信杂比的条件下 ,研究了该方法与经典频域法在信号检测中的差别。通过实验分析 ,与经典方法相比 ,该方法具有明显的优越性 ,且信杂比达到 -14 . 3dB时 ,其仍能很好地对信号进行检测。

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NSTFT-WVD变换的芦山M_S7.0级地震前后地球天然脉冲电磁场信号时频分析

本文针对地球天然脉冲电磁场（ENPEMF）信号的非平稳性特点,通过采用归一化STFT-WVD变换（NSTFT-WVD）提取芦山MS7.0地震前地表天然脉冲电磁场信号的时频特性,来研究大地震发生前地表天然脉冲磁场的时频特点。通过对线性调频信号分别进行Short-Time Fourier Transform（STFT）和WignerVille Distribution（WVD）,对比分析两者时频聚集的优缺点,提出采用NSTFT-WVD变换方法,可得到时频聚集特性更优且可抑制交叉项的时频分析方法。结果表明,对于ENPEMF非平稳信号,NSTFT-WVD变换能较为真实地反映震前ENPEMF信号的时-频-能量谱的联合分布特性,即震前1~2天呈现较为明显的脉冲全频率段静默状态,通道2和通道3数据的震前时频表现基本一致,具有较好的临震前兆的特点。

基于频域“CLEAN”抑制WVD中的交叉项

针对多分量正弦信号 ,采用信号分解的思想 ,提出一种基于频域“CLEAN”抑制交叉项的方法 ,即先在频域利用“CLEAN”的技术将信号逐一分解 ,然后对每一个分解后得到的单分量信号进行时频分析(Wigner Ville分布 ) .这样既可以避免交叉项的干扰 ,又能保持较高的信号时频分辨率 .与“CLEAN”法相比 ,该方法可以避免各信号分量持续时间及缓变包络等因素的影响 ,更适合于逆合成孔径雷达成像等实际应用领域 .

应用WVD估计AM-FM信号的瞬时频率

该文研究了应用WVD谱峰检测估计AM-FM信号的瞬时频率的方法及其性能。理论分析表明;对线性调频的AM-FM信号,只要其幅度的WVD在频率为零处取得最大值在任意时刻都成立,则基于WVD谱峰检测得到的瞬时频率估计是无偏的,并给出了估计的方差。仿真实验使用高斯包络的线性调频信号表明,利用WVD可以有效地估计AM-FM信号的瞬时频率。

基于瞬态极化WVD相关的高分辨雷达目标识别

研究了毫米波高分辨极化雷达的目标识别问题,提出了瞬态极化WignerVille分布(WVD)的概念,导出了瞬态极化WVD莫耶公式,证明了瞬态极化WVD时频域相关与极化信号时域相关的等价关系.在此基础上,提出了基于高分辨极化雷达目标回波瞬态极化WVD相关的目标识别方法,并利用五种飞机缩比模型外场测量数据进行了目标识别实验,实验结果表明该方法是一种有效的高分辨极化雷达目标识别方法.

基于WVD-HT的宽带调频信号检测技术研究

本文研究高斯白噪声背景下和混响背景下基于Wigner VilleDistribution HoughTransform (WVD HT)时频分析方法的主动声呐宽带LFM脉冲信号的检测问题 .给出了理论实现方法和相应的仿真结果 .分析结果表明 :WVD HT方法在信噪比为 - 2 0dB左右仍可很好的抵消干扰背景 ,取得了比较理想的LFM检测效果 .

估计跳频信号参数的多窗口迭代平滑伪WVD新算法

采用时-频分析方法获取跳频信号的瞬时频率、跳周期、跳频图案等主要参数,在短时傅立叶变换、Wigner-Ville分布等传统时-频分析算法均无法达到抑制噪声和实时参数检测的情况下,提出一种能适应跳频信号速率变化的多窗口迭代平滑伪Wigner-Ville分布(SPWVD)算法来进行跳频信号参数的实时估计。仿真结果表明,该算法在较低信噪比(-8 dB)的情况下也具有良好的实时估计效果。

超级WVD对多分量LFM信号参数的估计

线性调频信号广泛存在于雷达系统之中。目前,对其检测及参数估计最常用的方法是WVD-Hough方法。不过,它存在以下三个突出问题:1)在多分量情形下,受交叉项干扰严重;2)在低信噪比环境中,受噪声项干扰严重;3)巨大的计算量和数据存储量。文中在超级WVD的基础上,结合Hough变换,提出了超级WVD-Hough方法,在负信噪比的环境中,多分量的情形下,对LFM信号进行了检测及参数的估计,取得了更为理想的效果。

基于WVD的超声海流信号瞬时频率的计算

给出了一种简化的超声海流信号仿真模型,利用WVD计算其瞬时功率密度,取瞬时功率密度的最大值作为其瞬时频率的估值。仿真结果表明,高信噪比(超过30 dB)情况下可以利用WVD估计超声海流信号的瞬时频率。

基于Sobel算子实现WVD交叉项的衰减

针对在分析多分量信号时,WVD的交叉项使得时频分布图变得难于解释,提出了一种基于Sobel算子的WVD交叉项衰减方法。该方法首先利用模糊函数将信号聚集在原点附近,再利用Sobel算子作为滤波算子,对AF进行滤波,最后通过二维傅里叶变换,得到交叉项衰减后的WVD。实验结果证明该方法可以很好的抑制WVD交叉项。

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。

非平稳随机信号 ARMA 模型时变参数与其 WVD 的关系

研究了非平稳随机信号自回归滑动平均（ＡＲＭＡ）模型时变参数与其对应的离散ＷＶＤ以及ＡＲＭＡ模型时变参数与连续ＷＶＤ之间的关系，使ＷＶＤ可以用ＡＲＭＡ模型的时变参数表示．计算机仿真结果验证了理论推导．

改进的基于Spatial WVD和Hough变换的近场信源参量估计及性能分析

利用近场信源的一次快拍数据具有近似线性调频信号形式这一特点,将空域—频域联合平滑WVD和边缘检测以及直线拟合技术结合,对边缘检测结果进行Hough变换得到候选点集,并采用最小二乘聚类拟合获得抑制交叉项与噪音影响的初始频率和调频率估计,进而估计出近场信源的波达角和距离参量.理论分析和仿真结果表明,该方法能够显著抑制WVD分布的交叉项,正确拟合信源的原始空域—频域分布,并具有较低的运算复杂度.

联合WVD和随机Hohgh变换估计信号参数

基于WVD-Hough变换方法,提出了一种基于WVD和随机Hough变换联合估计信号参数和抑制交叉项的方法。该方法将信号投影到参数空间,突出信号的特点,使得信号参数更容易被估计。当被用于检测多分量信号时,通过增加采样次数可有效地抑制交叉项,准确估计多分量信号的参数。仿真的结果验证了算法的有效性。

基于WVD的机载相控阵雷达机动目标检测及参数估计方法

该文提出了一种基于魏格纳分布(Wigner-Ville Distributed,WVD)和重构时间采样(Reconstruction time sample,RTS)的空中机动目标检测和参数估计方法。该方法首先利用雷达回波的空域采样来重构时域采样,相当于增加了单个阵元的脉冲采样点数,然后再对重构后的数据进行WVD变换来估计目标的参数。该方法能够在方位信息未知,脉冲数较少的情况下有效地实现对机动目标的检测与参数估计。仿真结果验证了该方法的有效性。

基于RNR-WVD与GA-小波的非稳态排气噪声声品质研究

基于心里声学客观参量的GA-BP声品质预测模型能够准确的预测稳态排气噪声声品质。对于非稳态噪声研究,引入正则化非稳态回归技术(RNR)优化计算维格纳-威尔分布(WVD)的时频方法,建立新的声品质参量SQP-RW(Sound Quality Parameter Base on RNR-WVD),用此参量替换掉与满意度相关性较小的客观参量。同时,以Morlet小波基函数作为隐含层结点的传递函数构建小波神经网络(Wavelet Neural Network,WNN),并用GA优化小波神经网络层间的权值和阈值,构造出GA-WNN并用于非稳态排气噪声声品质预测。结果表明:GA-WNN在非稳态排气噪声声品质预测上比GA-BP神经网络更加准确;引入SQP-RW参量,模型具有更高的精度,更能体现出非稳态信号特征及声品质特点。