多分量微弱LFM信号的检测

提出了一种基于分数阶傅里叶变换的多分量微弱LFM信号的检测方法。首先利用分数阶Fourier域的LMS自适应滤波算法,改善了LMS算法对LFM信号的处理效果。在此基础上,提出了分数阶Fourier域的自适应谱线增强器(ALE)算法,提高了对多分量微弱LFM信号的检测性能,并将分数阶Fourier变换的移动算法应用于谱线增强器,减少了运算量。

分数阶Fourier域多分量微弱LFM信号的检测

为了提高对多分量微弱LFM信号的检测能力,提出了一种基于分数阶Fourier域非均匀采样理论的信号检测方法。首先提出了一种自适应非均匀采样方法,建立了该方法的模型,得到了非均匀采样LFM信号在分数阶Fourier域的频谱表达式。在此基础上,对多分量非均匀采样LFM信号进行了检测研究。计算机仿真结果表明,同传统的信号检测方法相比,该方法对微弱LFM信号具有较好的检测能力,而且减少了运算量,满足了实时性要求。

基于多分量LFM信号时频分析的水声多普勒和时延估计研究

在水声多普勒因子和时延估计研究实用化的进程中,利用多分量线性调频(LFM)信号实现估计的算法研究越来越普遍。针对多分量LFM信号时频域存有交叉项时各分量参数估计不准确的问题,提出基于非完全残差与脊线段匹配的自适应模态分解方法。该方法采用非完全残差函数保留了交叉点处的部分时频信息,利用脊线段匹配方法提供更精确的预设时频脊线,改进了各分量LFM信号调频斜率和起始频率的估计精度。联合两个估计量进一步给出了多普勒因子和时延估计的算法。仿真结果表示,较现有模态分解算法,所提改进方法有效解决了估计分量过程中交叉区间断裂带来的估计误差;水声多径的条件下,该方法的多普勒因子和时延估计精度优于对比的现有方法。

基于改进Wigner-Hough变换的多分量LFM信号特征提取

为了解决Wigner-Hough变换对多分量线性调频(LFM)信号特征提取受噪声困扰的问题,提出采用数字图像处理中改进的Sobel算子对含噪声信号的WVD时频图进行边缘特征检测,利用Hough变换对信号特征进行提取.通过对WHT,SPWD-Hough变换以及改进WHT 3种方法进行计算机仿真比较结果表明,改进的WHT对多分量LFM信号的特征提取效果最好.

基于分数阶Fourier变换的多分量LFM信号检测与参数估计

介绍了分数阶 Fourier变换的基本原理和基本性质 ,提出了基于分数阶 Fourier变换的多分量 LFM信号检测和参数估计方法。为了解决多个 LFM分量之间的相互影响问题 ,特别是强分量掩盖弱分量的问题 ,本文还提出了一种结合逐次消去思想和分数阶 Fourier变换的多分量 LFM信号检测和参数估计算法 ,它可以解决强度相差较大的多分量 LFM信号中检测和估计弱 LFM分量参数的问题。

基于Radon-Wigner变换的多分量LFM信号的检测

Radon- Wigner变换是一种直线积分的投影变换 ,它对多分量 L FM信号提供了较好的时频局域性 ,从而有利于多分量 L FM信号的解释和分析 .通过时域解线调和频域解线调处理可以完整地在时频平面计算出 Radon变换 .对于多分量 L FM信号的分析好于 Wigner- Ville变换等常用的时频变换 .

广义S变换多分量LFM信号检测及参数估计

针对多分量线性调频信号(LFM)信号在低信噪比状况下信号检测出现漏检、参数估计精度不高等问题,提出在广义S变换(GST)基础上,进行奇异值分解(SVD)滤波的方法。在S变换基础上,导出了广义S变换及逆变换公式,对离散后得到的广义S变换矩阵进行奇异值求解,通过选取合适的奇异值个数,实现多分量信号时频滤波。仿真结果表明,该方法在低信噪比状况下能有效滤除噪声,避免因噪声或者各分量信号强弱相差较大而出现漏检现象,同时信号参数估计精度也得到了提高。

基于离散匹配傅立叶变换的多分量LFM信号检测和参数估计

多分量LFM信号的检测和参数估计是一个被广泛讨论的问题。本文首先介绍了离散匹配傅立叶变换的基本原理,然后结合逐次消去的思想提出了基于离散匹配傅立叶变换的多分量LFM信号检测和参数估计的原理及实现算法,并进行了计算机仿真。仿真结果验证了该算法的有效性。

基于时频重排与WHT的多分量LFM信号识别

辐射源识别中多分量线性调频雷达信号在实际信号环境中广泛存在,对其进行识别尤为重要。由于多分量LFM信号有严重的交叉项,传统的基于Wigner-Ville分布的时频分析技术对其难以奏效,因此提出了一种基于时频重排与WHT的多分量LFM信号识别法。该法通过盲源分离提取各独立分量,利用时频分布矩阵的联合对角化法抑制交叉项,再对其谱图进行时频重排,最终利用Wigner-Hough变换识别各LFM分量。与WVD方法相比,实验结果表明,在低信噪比下能很好地识别多分量LFM信号。

基于时频图像处理的多分量LFM信号分离

针对传统时频分析方法对时频域交叠的多分量线性调频(LFM)信号分离不足的问题,提出一种基于图像处理技术的分离方法。该方法首先计算多分量LFM信号的平滑伪Wigner-Ville分布(SPWVD),并通过Radon变换估计出各分量的调频斜率。然后利用形态学处理方法处理SPWVD二值图像,实现多分量LFM信号的粗分离,最后采用连通区域标记法实现信号分量的细分离。仿真实验表明,该方法能够在低信噪比条件下对多分量LFM信号进行有效分离。

一种新的平行多分量LFM信号的参数估计方法

基于Hilbert-Huang变换(HHT)能分解出信号的任何频率成份和线性调频(LFM)信号的瞬时频率是关于时间的直线的特性,对频率相近的平行多分量LFM信号进行HHT变换,再利用滤波和改进的最小二乘直线拟合,最后得到各分量较为准确的瞬时参数估计。该方法不需要改变HHT算法本身,而是利用滤波方法和进一步的最小二乘直线拟合抑制了HHT固有的边界效应对瞬时参数估计的影响,提高了频率提取的准确性,而且更容易实现。仿真结果表明该方法能成功地解决小波脊方法所不能解决的频率相距很近的平行多分量LFM信号的频率分离和参数估计问题。

一种多分量LFM信号脉内调制特征的提取方法

本文提出以多分量LFM信号的时频分布作为图像,利用Hough变换检测图像中直线的原理,将多分量LFM信号脉内特征的提取转换为在参数空间寻找局部最大值及其坐标的问题,通过查找表的方式和对最大峰值邻域进行截取,依次实现对各分量的脉内特征提取。仿真实验表明,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,具有较高的抗噪声性能,且对交叉项有一定的抑制作用。

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k分辨FB级数展开的多分量LFM信号分离

针对傅里叶-贝塞尔变换(FBT)难以估计和有效分离多分量LFM信号的问题,提出了一种k分辨-FB(k-FB)级数展开结合dechirp的信号分离与估计算法。在FB级数的基础上引入k分辨参数,通过理论推导,得出了信号频率与级数的关系,证明了参数估计精度与k取值正相关。通过解线频调和k-FB级数计算,实现了信号分离重构和参数估计。在不同信噪比、信号功率比和k分辨条件下对信号的分离精度进行了仿真研究,并与基于分数阶傅里叶变换(FrFT)的方法进行了对比。仿真结果验证了算法的有效性。

低信噪比下的多分量LFM信号参数估计

针对低信噪比条件下传统多分量LFM信号参数估计方法失效问题,提出了一种基于二值图像细化处理和图像流滤波的TFRT-HT-ISF方法.该方法对接收信号的RSPWVD图像进行形态学细化处理解决了时频聚集性降低的问题,采用图像流滤波技术滤除了来自干扰噪声的阈值处理后的剩余虚假尖峰.仿真结果表明,该方法能够在低信噪比条件下准确有效地进行多分量LFM信号参数估计.

多分量非均匀采样LFM信号的检测

提出了一种新的基于分数阶Fourier域非均匀采样理论的多分量LFM信号检测方法。给出一种新的非均匀采样方法,建立该方法的模型,得到了非均匀采样LFM信号在分数阶Fourier域的频谱表达式。在此基础上,对多分量非均匀采样LFM信号进行了检测研究。与传统的LFM信号检测方法相比,该方法具有较好的检测信号的能力,同时减少了运算量,满足了实时性要求。

基于分数阶Fourier变换的微弱LFM信号检测

为了提高侦察系统对微弱LFM信号的检测能力,文章提出了一种基于分数阶Fourier变换的微弱LFM的检测方法。首先,分析LFM信号在离散分数阶Fourier变换计算条件下的输出信噪比,得出当观测信号的采样点数增大时,分数阶Fourier变换可有效改善输出信噪比。利用该结论,提出了通过提高信号的采样频率或者对已采样信号作插值的方法,改善分数阶Fourier变换对微弱LFM信号的检测。最后,仿真验证该方法是有效的。

采用独立分量分析方法消除信号中的工频干扰

工频干扰的消除是微弱信号采集中的一项重要技术 .传统方法是采用陷波滤波器或自适应滤波 .论文则提出了用独立分量分析 (ICA)进行生物医学信号中工频干扰消除的新方法 .在简要介绍了独立分量分析的基本理论及算法的基础上 .根据三种不同的实际情况 ,详细讨论了利用独立分量分析进行工频干扰消除的方法与步骤 ,并给出了实验结果 .

一种适用于微弱信号盲提取的白化方法

独立分量分析(ICA)算法是解决盲信号分离(BSS)问题的最有效方法之一.ICA中,对观测信号预白化处理的作用至关重要.通常采用主分量分析(PCA)来进行预白化处理.实际中,在利用广播、电视等作为照射源的被动雷达系统中,观测信号通常被强噪声和干扰严重污染,这很大程度上降低了BSS方法的性能.然而,传统的BSS方法中没有考虑这一问题.本文,我们关注这一问题并提出一种新的含噪BSS的白化框架,其主要思想是在白化之前从观测信号的协防矩阵中减去噪声方差.仿真结果验证了所提出方法能够明显提高BSS的性能.

LFM信号DOA估计分数阶量纲归一化方法

针对多分量线性调频信号存在重叠、漏检现象,导致波达方向的估计存在较大误差问题,提出多分量线性调频信号分数阶傅里叶域量纲归一化方法。首先给出了多分量LFM信号的阵列模型,讨论了阵列模型信号时频坐标系进行量纲归一化。通过对相干环境下分数阶傅里叶域进行量纲归一化操作,提高多分量信号在分数阶傅里叶域的分辨能力,保证信源数目估计的准确性。仿真结果表明该方法正确的识别信源组数,提高多分量信号波达方向估计精确度,信噪比低于-4 d B的信号抗干扰能力明显增强。