基于数字信道化和空时频分析的多网台跳频信号DOA估计

提出了一种基于数字信道化和空时频分析的多跳频信号DOA(direction of arrival)估计方法,该方法能够在欠定条件下(传感器数目小于信号数目)实现多个信号的精确测向。首先利用多相滤波器组实现数字信道化接收机的设计,然后对各子信道的数据进行时频分析,得到全景时频图;再在时频域提取跳频信号的有效hop,针对每个hop建立一个空时频矩阵;最后运用空时频方法估计每hop的DOA。仿真结果验证了方法的有效性。

基于空时频分析的多FH/DS信号DOA估计

提出了一种基于空时频分析的跳频/直扩(Frequency Hopping & Direct Sequence,FH/DS)信号的波达方向(DOA,Direction of Arrival)估计方法,该方法能够在欠定条件下(传感器数目小于信号数目)实现多个FH/DS信号的精确测向。首先对每个阵元的数据进行时频变换,得到全景时频图;再在时频域提取有效hop,并根据各阵元的时频值建立每点的空时频矩阵;最后分别运用基于线性空时频方法和二次空时频方法估计每hop信号的DOA。仿真结果验证了方法的有效性。

基于空时频分析的多分量跳频信号DOA估计

提出了一种基于空时频分析的多跳频信号波达方向(direction of arrival,DOA)估计方法。该方法能够在欠定条件下(传感器数目小于信号数目)实现多个信号的测向。首先将信号的短时傅里叶变换(short timeFourier transform,STFT)与平滑伪魏格纳-威利分布(smoothed pseudo Wigner-Ville distribution,SPWVD)组合,利用STFT的无交叉项和SPWVD的时频聚焦性性能,得到了一种切实可行、时频图清晰稳健的分布;然后在时频域提取有效跳(hop),并建立该hop的空时频矩阵,最后分别运用线性空时频、二次空时频和root-MUSIC共三种方法估计每hop信号的DOA。仿真结果验证了方法的有效性。

睡眠剥夺对大脑状态影响的时-频-空分析

结合脑电信号EEG的小波变换和非负矩阵分解,寻求正常睡眠和睡眠剥夺(sleep deprivation,SD)两种条件下,大脑状态在时域、频域和空域的主要差异,探讨其发生机制,并建立综合评价方法.为此,获取两种条件下11名受试者的听觉诱发电位,对脑电gamma频段做小波变换得到时频信息,采用ANOVA统计计算每个时频点的F检验值,对此进行两分量的非负矩阵分解.结果表明,SD引起的大脑状态变化主要发生在40 Hz左右,刺激后约400 ms处的额叶和前额叶位置.基于此,分别从时频复合域、时域和空域的角度来分析具体的变化,发现SD引起gamma振荡减少,活动时间延迟,额叶功能区兴奋性降低,推断SD的作用机制在于降低了神经元的活动和同步化效应.分析表明结合EEG的小波变换和非负矩阵分解,可以建立一条从时、频、空三域全面评价大脑状态主要变化的途径.

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵(uniform linear array,ULA)平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵(spatial time-frequency distribution,STFD),然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。

基于小波的同态滤波器用于图像对比度增强

同态增晰可用于减少光照不均匀引起的图像降质 ,并对感兴趣的景物进行有效增强 .本文提出一种基于小波的同态增晰方法 ,采用一种高通滤波器对小波分解系数进行处理 .处理后图像的局部对比度增强效果明显 。

基于小波和统计特性的自适应图像增强

本文提出一种用于图像特征增强的空频分析方法──图像经过多级小波分解后，依据邻域特性来判断各带通子带图像上的边缘点；依据统计特性来估计噪声在空频域上的分布，并依此构造具有空频自适应性的边缘增强增益；最后用调整后的小波系数重建图像。实验结果表明，本文算法在增强图像边缘的同时，能够有效减小对噪声的放大作用。