基于周期FRFT的多分量LFMCW雷达信号分离

 多分量线性调频连续波(LFMCW)信号的截获和特征提取是雷达情报侦察的难点,为了实现对多分量LFMCW信号的快速检测和有效分离,提出了一种基于周期分数阶Fourier变换(PFRFT)的多分量LFMCW雷达信号分离新方法。首先介绍了PFRFT,分析了PFRFT和FRFT之间的关系,讨论了LFMCW信号的PFRFT特征。然后给出了一种离散PFRFT的计算方法,结合周期分数阶Fourier域(PFRFD)的窄带滤波和CLEAN算法实现了多分量LFMCW信号的分离。仿真结果表明:①PFRFT的计算效率较周期Wigner-Hough变换(PWHT)具有明显优势;②LFMCW信号分量在特定PFRFD中具有能量峰值,分离后能较好保留时频特征;③当两个LFMCW信号分量的功率相差较大时,适合在PFRFD分离,反之适合在时域分离;④当信噪比(SNR)为0 dB时,两个具有相同功率的LFMCW信号分量分离后,与初始信号分量的相关系数都达到了0.9以上。     

一种多分量chirp信号阵列检测新方法

提出了一种多分量chirp信号检测与参数估计的新方法。该方法利用天线阵列的空间特性,通过阵列平均在分数阶傅里叶域中引入加权函数来降低噪声、抑制不同源信号之间的相互干扰。和单阵元方法相比,文中方法大大提高了多分量chirp信号检测和参数估计的性能,仿真结果证明了方法的有效性。     

LFM宽带雷达信号的盲压缩感知模型

在欠采样测量基础上,提出了一种基于盲压缩感知(BCS)的线性调频(LFM)宽带雷达信号欠采样与重构新框架。这一机制利用LFM雷达信号在分数阶傅里叶变换(FRFT)域上良好的能量聚集特性,将LFM及其延迟信号看做是未知p阶次FRFT域上的稀疏线性组合。首先通过时延相关解线调欠采样得到最佳稀疏FRFT域,再以此构造出原信号对应的p阶次离散FRFT(DFRFT)稀疏基字典,最后结合离散FRFT系数的块稀疏性利用块重构算法从测量值中估计出稀疏系数,同时论证了LFM信号单通道BCS问题解的唯一性,从而实现了稀疏基未知情况下针对LFM宽带雷达信号的盲压缩感知,为非合作条件下LFM信号欠采样采集与无源探测提供了一种新思路。     

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。     

基于STFRFT的LFM引信抗欺骗干扰方法

针对线性调频脉冲压缩引信易受转发式假目标欺骗干扰问题,提出了基于短时分数阶傅立叶变换(STFRFT)的抗欺骗干扰方法。首先,通过分数阶傅立叶变换将回波信号与欺骗干扰各分量信号进行分离;再利用相同调频率的LFM信号经短时分数阶傅立叶变换后最大幅值与窗函数宽度成线性关系,而不同调频率的最大幅值不随窗函数宽度变化的特点,有效分辨假目标欺骗干扰,正确检测目标回波信号;最后,通过仿真证明了方法的正确性,并验证所提方法具有良好的抗欺骗干扰效果。     

一种基于稀疏分解的微多普勒频率估计算法

目标微动特性和微多普勒特征分析在真假目标识别方面发挥了重要作用。由于微动目标雷达同波具有非线性、多分量性等特征,需要相应的具有高分辨力、低交叉项、大的动态范围的分析工具,才能较好地揭示目标微多普勒特征。稀疏分解方法中的匹配追踪（MP）具有频域高分辨能力,对于信号细微特征提取具有很好的效果。研究了基于匹配追踪的微多普勒频率估计问题,该方法可以准确提取出目标微多普勒频率,为后续的目标识别提供了重要的依据。-     

改进Hilbert-Huang变换在齿轮故障诊断中的应用

针对Hilbert-Huang变换中齿轮故障信号经验模式分解的第一阶固有模态函数通常为非单一信号分量以及经验模式分解产生虚假低频分量的问题, 提出一种改进Hilbert-Huang变换方法.首先在频谱中确定故障信息频率范围, 并依据该频率范围和二进小波分解的特点确定需提取的相应频带的二进小波系数, 然后采用相关系数筛选法剔除小波系数经验模式分解所产生的虚假分量, 最后通过局部瞬时能量提取故障特征, 实例表明改进的Hilbert-Huang变换可以有效的提取齿轮故障特征.      

分数阶Fourier变换在某型涡轴发动机喘振分析中的应用

基于分数阶Fourier变换(FRFT)时-频分析理论的特点, 构造信号验证了FRFT能解除时频偶合的特性.在此基础上, 采用FRFT对某涡轴发动机典型的喘振试验数据进行喘振特征信号提取, 然后基于有效特征信号的FRFT功率谱进行喘振瞬时频率的估计.结果表明:利用旋转角与喘振特征相匹配分数阶Fourier变换的能量聚集特性, 能有效提取发动机喘振特征信号, 并能利用FRFT结果, 采用最优信号提取旋转角下的FRFT功率谱进行喘振瞬时频率的估计.      

基于ICA包络增强MEMD的滚动轴承故障诊断

针对多元经验模态分解(MEMD)存在模态混叠、带内噪声干扰导致轴承故障特征信息微弱难提取问题,提出了基于独立分量分析(ICA)包络增强MEMD的滚动轴承故障诊断。采用MEMD对多通道信号进行自适应分解,依据峭度和相关系数选取包含故障信息的本征模态函数(IMF);对所选取IMF分量的包络信号进行ICA分析,抑制模态混叠和削弱带内噪声;选取峭度最大的独立分量包络进行频谱分析,判断滚动轴承的运行状况。实测信号结果表明:ICA包络增强MEMD后包络谱中可以清楚地看到前6阶故障频率,故障特征频率误差小于1 Hz,其他方法只能看到2~3阶,且干扰频率成分较多。      

雷达信号的模糊聚类分选方法

随着现代电子战的激烈对抗,复杂体制雷达迅速增加并逐渐占居主导地位,侦察接收机接收到的雷达信号更加复杂和密集.为克服传统信号分选算法的局限性,采用基于模糊聚类分析的雷达脉冲信号分选方法,此方法能利用雷达信号的特征参数有效地分选出非常规和常规雷达信号.首先介绍模糊聚类的基本原理,并进行信号分选仿真实验.仿真结果证明分选结果较理想,验证了此方法的有效性和可行性.该方法易编程实现,适用于处理大量数据,是一种解决密集复杂脉冲信号分选问题的新途径.     

利用分数阶Fourier域滤波的机载SAR多运动目标检测

 强度相差较大的多运动目标检测是机载合成孔径雷达 ( SAR)技术的一个重点和难点,传统的频域滤波和现代的时频分布方法都无法解决这个问题。首先分析了机载 SAR运动目标回波本质上为线性调频信号,据此提出一种基于分数阶 Fourier域滤波的运动目标检测新方法,并且应用逐次消去的思想有效地解决了强度相差较大的多目标检测问题。仿真的结果验证了算法的有效性。     

改进 K-均值算法在雷达辐射源信号预分选中的应用

雷达辐射源信号分选是电子对抗领域一个关键技术,随着电子技术的发展,电磁环境日趋复杂,信号分选的难度越来越大,在这样的条件下,我们应该寻求新的解决问题的方法.本文首先概述了雷达辐射源信号分选意义、系统组成和分选流程,然后介绍了改进 K-均值算法.为了有效实现信号分选,提出了基于改进K-均值算法的信号分选方法,该方法可对到达角、载频和脉宽参数进行分选.最后进行了仿真实验,结果表明该方法实现简单,分选效果较好     

Waveform Detection and Classification with SAW Cepstrum Analysis

A prototype real time cepstrum analyzer incorporating surface acoustic wave (SAW), Fourier transform processors is reported. This system offers sophisticated wideband signal processing for radar, sonar, and communications applications. Practical results demonstrate its capabilities when analyzing bandwidths in excess of 10 MHz in a few microseconds with simulated pulsed RF waveforms in the presence of multipath echoes. Pulse duration, repetition interval, and binary code length are resolved and the potential to characterize unknown chirp waveforms is briefly reported.     

基于相位差分的雷达信号参数估计方法

由于接收信号长度有限而存在频率离散化采样的限制,FFT(Fast Fourier Transform,快速傅里叶变换)对雷达信号频率的估计精度会降低。基于相位差分的频率估计方法可以对这一偏差进行估计,从而减小FFT的估计误差。尝试将该方法应用于LFM(Linear Frequency Modulated,线性调频)信号带宽的估计问题,并对此进行了仿真验证,结果证明该方法对雷达信号频率和带宽估计有一定的应用价值。     

基于稀疏表示的多雷达信号二维融合处理

多雷达信号融合通过对多视角和多频带雷达信号进行相干融合,可以提高图像的距离和方位向分辨率.为了克服基于谱估计的多雷达信号融合方法稳健性严重依赖于散射点个数估计精度和二维极点配对精度的问题,在深入研究逆合成孔径雷达(ISAR)信号的基础上,构造了多雷达信号二维融合的线性表示模型,将融合处理转化为一个信号表示问题;充分挖掘...     

Quantitative SNR analysis for ISAR imaging using jointtime-frequency analysis-Short time Fourier transform

V.C. Chen recently presented an inverse synthetic aperture radar (ISAR) imaging technique using the joint time-frequency analysis (JTFA), which has been shown having a better performance for maneuvering targets over the conventional Fourier transform method. The main reason is because the frequencies of the radar returns of the maneuvering targets are time varying and a JTFA is a technique that is suitable for such signals, in particular a JTFA may concentrate a wideband signal, such as a chirp, while it spreads noise. We quantitatively study the signal-to-noise ratio (SNR) in the ISAR imaging using one of the typical JTFA techniques, namely the short time Fourier transform (STFT). We show that the SNR increases in the joint time-frequency (TF) domain over the one in the time or the frequency domain alone both theoretically and numerically. This quantitatively shows the advantage of the JTFA technique for the ISAR imaging     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节，对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题，提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点，提高了信源个数和信号参数的估计精度，实现算法的自适应控制；通过数理分析确定了多级搜索策略的最优级次，大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计；信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高，随着信噪比的提高而逐步增强；噪声对信源个数和信号参数估计精度的影响很大，尤其是低信噪比下；第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

A novel sparse feature extraction method based on sparse signal via dual-channel self-adaptive TQWT

Sparse signal is a kind of sparse matrices which can carry fault information and simplify the signal at the same time. This can effectively reduce the cost of signal storage, improve the efficiency of data transmission, and ultimately save the cost of equipment fault diagnosis in the aviation field. At present, the existing sparse decomposition methods generally extract sparse fault characteristics signals based on orthogonal basis atoms, which limits the adaptability of sparse decomposition. In this paper, a self-adaptive atom is extracted by the improved dual-channel tunable Q-factor wavelet transform (TQWT) method to construct a self-adaptive complete dictionary. Finally, the sparse signal is obtained by the orthogonal matching pursuit (OMP) algorithm. The atoms obtained by this method are more flexible, and are no longer constrained to an orthogonal basis to reflect the oscillation characteristics of signals. Therefore, the sparse signal can better extract the fault characteristics. The simulation and experimental results show that the self-adaptive dictionary with the atom extracted from the dual-channel TQWT has a stronger decomposition freedom and signal matching ability than orthogonal basis dictionaries, such as discrete cosine transform (DCT), discrete Hartley transform (DHT) and discrete wavelet transform (DWT). In addition, the sparse signal extracted by the self-adaptive complete dictionary can reflect the time-domain characteristics of the vibration signals, and can more accurately extract the bearing fault feature frequency.