基于神经网络的时频域雷达信号调制参数估计

针对常规时频分析方法对多分量雷达信号分析的不足,提出一种基于神经网络的时频域多分量雷达信号调制参数估计新方法.把多分量雷达信号的时频分布作为灰度图像,通过神经网络训练得到高分辨率时频平面图,然后在时频域实现雷达信号各分量的调制参数估计,相对于时频重排等方法,其对时频分布的处理不需要关于各分量信号的先验知识.仿真实验表明,该方法在得到比时频重排方法更高分辨率时频图的基础上,能够较准确地估计各分量雷达信号调制参数.     

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.     

基于时频图像形态学的雷达信号IF估计

针对低信噪比下雷达信号的IF估计,提出一种将时频分析和图像处理相结合的估计方法.首先通过时频变换将一维信号转化为二维时频图像;然后采用形态学方法去除时频图像上的噪声点和毛刺,并将其骨骼化;最后采用图像处理中标注连接分量的方法,区分出不同分量的雷达信号以及噪声分量,并通过统计信号分量的行索引和列索引估计出信号的IF.对SFM、LFM和FSK信号的IF估计进行了仿真分析,实验结果表明该方法能够在较低信噪比下有效地估计出信号的IF,同时也适用于多分量信号.     

基于STFT的Wigner—Ville分布交叉项抑制

对于多分量信号,Wigner—Ville分布（WVD）的时频能量集中但存在交叉项,而由短时傅里叶变换（STFT）模的平方得到的谱图无交叉项但时频聚集性较差。基于STFT谱图与WVD的联合算法,可以有效地抑制WVD中的交叉项干扰,同时保持了WVD的较高时频聚集性,是一种行之有效的WVD改进算法。     

基于逐点扫描FFT法的跳频信号参数估计

针对时频分析方法估计跳频信号参数存在时频分辨率受限、交叉项干扰、实时性差等缺点,通过分析跳频信号的时频特性,提出一种新的跳频信号参数估计方法。该方法从未知信号的时域分析出发,采用逐点步进的方法进行多次FFT计算,通过分析其频谱特性判断跳频信号的跳变时刻,将跳频信号序列按跳频频率分割为多个单频率信号分量,最后再综合提取跳频信号的时频参数。仿真结果表明,该方法针对跳频参数的估计精度高,运算速度较快,且没有干扰频率。     

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YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

基于时频分布的电子侦察信道参数估计方法

提出了一种基于时频分布的信道参数盲估计方法。首先分析了多径信道模型和时频域匹配滤波算法,接着根据时频分布自身项和交叉项的不同特点,提出采用短时傅里叶变换的时频图对Wigner—Ville分布进行滤波,以提取源信号的时频脊线,然后利用时频域匹配滤波对多径信号进行参数估计。该方法快速简单,参数估计准确,分辨率高。仿真实验对雷达脉内频率调制信号进行多径参数估计,实验结果证明了该方法的正确性和有效性。     

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 。     

强线性调频干扰下雷达目标的识别方法

分析了由强弱两信号组成的混合信号的瞬时频率的特点 ,基于Morlet小波的性质 ,提出了一种强线性调频 (LFM )干扰下的雷达目标识别方法。通过LFM干扰信号的调频指数 ,进行相位补偿 ,抑制LFM信号 ,然后对隔离LFM信号后的信号进行时频分析 ,实现目标识别。模拟结果表明 ,此方法是可行的。