CUDA架构下的改进多谱图WVD算法

多谱图WVD算法在计算自项支撑域时需要估计噪声的方差,且由于WVD是二次型运算,当强弱信号共存时,弱信号将被淹没。针对此问题,通过利用所处理信号的双音动态范围来确定支撑域的阈值,并对支撑域的幅度进行修正,避免了对噪声方差的估计,改善了信号时频图的聚集性。仿真实验表明,改进算法在抑制交叉项的同时,很好地保留了弱信号的细节,提高了多谱图WVD算法所处理信号的双音动态范围。最后利用计算机统一设备架构的高强度并行能力实现了该算法,加速比达到50倍左右。

一种SP&WVD组合时频分布改进算法

谱图(spectrogram,SP)和维纳-威利分布(Wigner-Ville distribution,WVD)组合时频分布是针对多分量信号的一种新型时频分布算法,为减少谱图交叉项带来的误差,从多角度分析了谱图分布及WVD的交叉项产生原理,提出了一种改进的组合时频分析方法。该方法首先对具有不同窗长和不同窗函数的多个谱图进行叠加综合;然后通过对时频分布综合结果进行阈值化处理获得自项支撑区域,最终实现了对WVD交叉项的抑制。仿真结果表明,该方法保持了WVD良好的时频聚集性,并有效抑制了交叉项。

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。