卫星时分多址信号高精度快速时频差联合估计方法

针对传统时频差估计方法对时分多址(TDMA)信号进行参数估计时会出现不同用户相互影响、估计精度差,以及计算复杂度高不利于系统实时信号处理等问题,文章提出一种高精度快速时频差联合估计方法.首先,基于循环平稳特征对主站接收数据进行信号检测;然后,基于小波阈值去噪和短时电平和进行TDMA信号时隙分离;在此基础上,基于不同调制信号特征参数设计多级分类器,对每个分离的信号时隙进行调制样式判别,进而分选不同用户对应的信号时隙;接着,利用主站分选的各个用户信号分别与辅站信号进行时频差粗值估计;根据粗时频差估计值减小细化时差搜索范围,以获取精细时频差估计值;最后,利用二阶曲面拟合方法进一步提升参数估计精度.仿真结果表明:文章所提方法能够有效实现TDMA信号高精度快速时频差联合估计,可为后续卫星频谱感知体系的建设提供理论支撑.     

基于EMD-Hilbert包络谱分析的涡轮泵轴承故障特征识别

在火箭发动机涡轮泵高速轴承试验中,轴承的可靠性对保证试验的成功至关重要。针对涡轮泵轴承故障特征难以从原始信号中提取的问题,基于EMD-Hilbert包络解调分析方法,对涡轮泵高速轴承故障特征进行识别。采用EMD方法对原始信号进行自适应分解,获得若干个IMF分量;基于相关性指标最大原则筛选IMF分量进行信号重构;对重构信号进行Hilbert包络解调分析,提取出故障轴承的特征。以某型号涡轮泵低温高速轴承试验的真实故障数据验证本方法的有效性,数据记录了试验装置在阶梯式升速全过程中保持架故障的振动加速度信号。分析结果表明,基于EMD-Hilbert包络解调分析方法能够提高信噪比,最大程度保留保持架故障信息的周期性冲击成分,并能有效提取保持架故障频率、故障倍频及各种调制频率成分,实现对涡轮泵高速轴承故障的有效识别。为深度解析轴承保持架故障情况,结合系统11种运行状态,提出了一种轴承渐进劣化全过程的解析方法,确定出轴承故障早期人为干预的具体时刻。     

基于第二代小波包解调技术的船载天线轴承故障诊断方法研究

针对船载天线传动机构中滚动轴承易损坏问题,研究基于第二代小波包解调技术的轴承故障诊断方法。首先将原始振动信号进行第二代小波包分解和分频带重构,求得各频带重构信号的希尔伯特包络谱分贝值;然后分别提取各频带包络谱中轴承故障特征频率处的分贝值,从而得到最大分贝值;最后依据冲击脉冲法故障等级经验计算公式识别轴承的状态。实际应用结果表明,第二代小波包解调技术可实现轴承故障的定位定量诊断。     

基于循环谱的隐蔽通信性能分析

研究了基于扩频技术的隐蔽通信波形设计,采用大信号掩盖技术和跳码扩频技术,其中大信号和隐蔽信号分别以直接序列扩频(Direct Sequence Spread Spectrum, DSSS)和随机跳码扩频方式产生。对DSSS信号和随机跳码扩频信号的二阶循环平稳特性进行了理论分析,并通过仿真证明了循环平稳特性可用于隐蔽通信波形循环谱分析。首先,理论分析揭示DSSS信号的循环谱在与数据符号速率和码片速率相关的循环频率上,具有由信号的循环平稳性所产生的一系列特征峰值;然而,在随机跳码直扩信号中,扩频码带来的循环平稳性被破坏,导致其循环谱仅在与码片速率相关的循环频率上存在特征峰值;最后,利用循环平稳特性,结合判决门限进行隐蔽信号检测的仿真和分析。     

基于谱相关的直接序列扩谱信号检测

直接序列扩谱信号是典型的低截获概率信号,由于其统计特性接近于噪声,通常的谱分析方法很难实现检测。由信号产生原理可以发现,直接序列扩谱信号中同时隐含了符号与码元的周期性,具有二阶循环平稳性,利用谱相关分析方法,能够在信号的循环频率处生成谱线,将信号从噪声背景中检测出来,并同时估计码元速率和符号速率。通过仿真实验,验证了该方法在低信噪比下的有效性。     

用维格纳－威利时频分布进行信号时频分析

信号时频分析对电子战侦察有重要意义。讨论了维格纳 威利时频分布的基本原理、与谱相关及模糊函数的关系。给出了求离散时间信号的维格纳 威利时频分布算法,以及用信号的维格纳 威利时频分布计算信号瞬时频率的方法。给出了几种目标信号的瞬时频率的计算实例。     

调制参数提取的谱相关方法

根据周期平稳序列谱相关函数理论以及常见数字调制信号的谱相关函数及其谱相关 ( f ,α)平面图 ,讨论了几种常见数字调制信号的调制参数的提取与估计方法 ,给出了有关试验实例和试验结果     

基于时频子空间的DOA估计

提出了一种基于时频子空间的到达角 (DOA)估计新方法。传统的子空间测向方法由于本身固有的原因 ,存在三个缺陷 :无法分辨到达角相近甚至重合的信号 ;信号个数必须小于阵元个数 ;对多个不同中心频率的窄带信号测角时 ,必须进行频域搜索。把时频分析用于阵列信号处理 ,利用信号的时频脊点构造空域时频分布矩阵 (STFD) ,以代替传统的阵列相关矩阵 ,同时可以确定信号的导向矢量。通过对STFD矩阵进行特征分解来估计出信号子空间和噪声子空间 ,从而估计出信号的到达角。克服了传统子空间测向方法的缺陷 ,提高了测向能力。最后对非平稳信号进行了仿真 ,证实了时频子空间测向的优越性。     

基于时频原子方法的雷达辐射源个体识别

针对雷达辐射源个体识别问题,提出一种时频原子分解的特征提取方法.该方法针对主振放大式发射机,首先根据锁相环频率合成器相位噪声的功率谱,模拟含有特定相位噪声的辐射源信号.然后基于时频原子分解原理并采用膜算法将带有相位噪声的辐射源信号在正弦原子库中进行一次分解.最后利用分解后的原子提取出正弦原子能量特征和原子频率偏差特征,...     

基于时-频分析的LFM信号检测研究

线性调频(LFM)波形是现代雷达系统广泛采用的一种非平稳扩谱信号波形,具有良好的低截获概率特性,为此,现代电子侦察系统常采用时频分析技术检测和分析这类时变信号.介绍了短时傅里叶变换和WVD等线性和非线性时频分析方法,运用这些方法对LFM信号的检测进行了分析,揭示了LFM信号在二维时频平面上的分布特征,并运用Hough变换检测WVD时频平面上呈直线分布的LFM信号.计算机仿真结果证实了此方法的有效性.     

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.     

扩频谱相关自适应滤波技术的研究

被高速伪随机码调制的扩频信号,其伪随机码是具有随机编码信号特征的周期信号。所以,扩频信号应被建模为周期信号(循环平稳信号)。循环平稳信号与其信号的频移副本之间具有很强的谱相关性,充分利用这种谱相关性可以实现对窄带和宽带干扰的抑制。基于循环平稳理论和自适应滤波理论,提出了一种基于改进的LMS算法的扩频信号谱相关自适应滤波技术。这种变步长的谱相关自适应LMS滤波器能实现对窄带和宽带干扰的抑制,仿真结果证明了其有效性。     

一种非定比多轴系自适应阶比分析方法的研究

非定比旋转机械故障多为非平稳信号,无法使用常规的特征提取方法进行有效分析,需要阶比分析方法对其进行采样。在非定比传动系统中存在多种轴系,因此需要进行多轴阶比分析。本文利用Wigner-Ville分布对振动信号进行时频分析,较大程度改善振动信号瞬时频率估计的精度。对获得的时频分布进行峰值搜索,自适应的获取不同阶比分量的峰值。最后,利用最小二乘法对获得的频率分量进行多项式拟合,经重采样后再进行快速傅里叶变换最终实现阶比分析。该方法避免了传统频谱分析中出现的频率模糊现象,提高了分析精度,为非定比多轴系传动系统故障诊断提供了一种新的方法。     

跳频信号的时频分析

时频分析是跳频信号检测的重要工具之一,获得清晰的时频图是跳频信号参数估计和信号分选的前提.使用各种时频分析工具,包括线性时频表示、二次时频分布、重排类二次时频分布、不同时频分布组合方法对跳频信号进行仿真,在时频聚焦性和抑制交义项干扰两个方面综合比较各分布之性能,寻找适合针对多个跳频信号同时存在的时频分布,并给出了各分布性能的定量评价.仿真结果表明,谱图、平衡伪wigner-Ville 分布(SP-WVD)、重排类时频分布以及线性与非线性时频分布组合方法能获得较清晰的时频图.     

基于周期谱相关的扩频信号时差估计

周期谱相关时差估计法具有较强的抑制噪声和干扰的能力,适应于低信噪比的情况,但其抗噪声和干扰能力完全在于循环频率的选择.提出了运用周期谱特性选择扩频信号循环频率的方法,大大降低了谱相关时差估计算法的计算量.仿真结果表明,该方法是切实可行的.     

时频图像局部二值模式特征在雷达信号分类识别中的应用

针对低信噪比下雷达辐射源信号的分类识别,提出了一种将时频分析与图像处理相结合的特征提取和识别方法.该方法首先对雷达信号进行时频变换,将得到的时频分布转化为灰度图像;然后运用图像处理方法对时频图像进行增强和去噪;最后提取局部二值模式纹理特征描述子作为信号的识别特征,并采用支持向量机分类器实现信号的分类识别.文中针对12种常见雷达信号进行了仿真,结果表明该方法在较低的信噪比下仍能获得较为满意的识别率,当SNR=0dB时,信号的平均识别率能达到95.35％.所提出方法能有效降低噪声对分类识别的影响,同时对于时频图像相近的信号也有较好的识别效果,表明了该方法的有效性.     

基于高斯chirplet时频原子参数自适应时频分布图的不变矩特征提取方法研究

根据时频分布性质,针对雷达目标的特征提取与分类识别问题,提出了一种基于高斯c hirplet时频原子参数自适应时频分布图的不变矩特征提取方法。首先分析了各种不变矩, 总结了它们各自的应用特点;接着把雷达信号和其时频分布图的不变矩特征结合起来分析了 目标的各种行为对时频分布图不变矩的影响,然后对提取时频分布图不变矩的算法进行了详 细的研究,识别仿真结果表明,利用信号参数自适应时频分布图像的不变矩特征进行雷达目 标识别是一个卓有成效的方法,该方法充分利用了雷达目标的散射信息,具有较高的识别率 。     

基于共轭模糊函数的时差-频差联合估计方法

提出了一种新的二阶到达时差（TDOA）和到达频差（FDOA）联合估计算法。该方法利用非圆信号具有非零二阶共轭矩这一特点构造所谓二阶共轭模糊函数,通过对该模糊函数进行二维极值搜索获得TDOA和FDOA的联合估计。新方法能够抑制相关噪声,但计算复杂度远小于传统高阶累积量方法。     

基于演变谱理论和正交化HHT法的冲击响应谱时域信号合成方法

冲击响应谱时域信号是一类典型的非平稳信号,正交化HHT（Hilbert-Huang transform）法是进行非平稳信号时频分析的好方法。文章首先对冲击响应谱试验机实测到的时域冲击信号进行了正交化HHT频谱特性分析,然后将演变谱理论和正交化HHT法相结合,对实测的时域冲击信号进行了人工合成。频谱分析表明:合成的时域冲击信号与实测信号具有较好的一致性,且在信号的非平稳模拟方面,明显优于传统的三角波合成方法。最后,以该方法合成的时域信号为数据基础,进行了冲击响应谱的统计拟合,得到了冲击响应谱数学模型,结果可作为相关试验的输入条件。     

机床主轴承多源信息融合故障诊断

针对机床主轴承的故障诊断,为解决传统方法仅由单一传感器数据分析准确性低的问题,提出基于主元小波包、递归神经网络以及振动及噪声信号多源数据融合的轴承故障诊断方法,实现对锻压机床主轴承的故障诊断。将振动及噪声传感器采集的信号,经主元小波包处理提取特征值,再利用递归神经网络进行局部故障诊断,得到不同传感器对轴承故障互相独立的故障证据,然后采用基于数据修正D-S证据理论将振动及噪声诊断结果融合,发现基于递归神经网络及数据修正D-S证据理论的诊断方法。该方法解决了单一传感器的不稳定性和局限性以及传统D-S证据理论冲突证据失效的问题,使故障诊断具备容错能力,提高了传统故障诊断的精确度。