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.     

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。     

基于平方变换原理的伪码引信抗BPSK干扰方法

分析了BPSK干扰对伪码引信相关输出的影响,分析发现当干扰强度超过引信抗干扰容限时,其相关输出严重恶化,因此必须采取相应措施对其进行抑制。考虑到BPSK干扰和有用信号之间存在着强的时频耦合,提出采用两次平方变换方法以实现干扰和有用信号的频谱分离,然后再通过传统滤波方法将有用信号提取出来。仿真结果表明该方法可以有效地消除干扰,使相关输出得到显著改善,尤其是对强干扰效果更佳。     

基于调频连续波信号的双基地ISAR成像研究

在将调频连续波(FMCW)信号应用于双基地ISAR的成像过程中,针对应用FMCW信号在回波信号中产生距离快时间和方位慢时间耦合项的问题,提出了应用离散多项式相位变换的方法进行组合参量估计,通过估计出的组合参量构造补偿函数对回波信号进行相位补偿,消除了一次耦合项产生的固定频偏和二次耦合项引起的主瓣展宽,对补偿后的回波信号应用距离多普勒算法可获得清晰的目标二维像,通过仿真表明：所述的补偿算法能有效改善应用FMCW信号而产生的目标像散焦现象,获得聚焦良好的点目标像。     

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.     

基于局域波分解的微机械陀螺信号提取研究

在某型微机械陀螺实测数据的基础上,提出采用局域波分解的方法进行陀螺信号提取研究。根据局域波分解的滤波特性,采用一种新的滤波方式。首先将某一时刻的多个瞬时频率分解到不同的基本模式分量中,对信号进行局域波分解;根据分量相关系数判别噪声;对分量进行时域尺度滤波,得到重构后的去噪信号,进而得到陀螺真实信号。在实测数据上,通过局域波分解和小波变换进行信号提取对比分析,试验表明,两者均能很好的信号去除噪声,提取陀螺信号,但硬件实现上局域波分解更容易,更有实际工程意义。     

基于分数阶Fourier域滤波的SAR多运动目标检测和参数估计

SAR多运动目标的检测和参数估计较单运动目标的难度大大增加,传统的WVD方法在处理多分量线性 调频信号时存在交叉项干扰的问题,改进的WVD-HT方法可减弱交叉项的影响,但并不能从根本上解决交叉项问题, 同时计算量也很大。文中提出一种基于分数阶Fourier域滤波的多运动目标检测和参数估计方法,在运动目标和静止目 标信号分离后通过逐个消去强目标信号,有效地解决了弱目标信号的检测和参数估计问题,由于分数阶Fourier变换是 线性变换,从而免除了交叉项的困扰。仿真和实测数据的处理结果验证了算法的有效性。     

利用S变换的X射线脉冲星信号恒虚警率检测算法

针对传统的X射线脉冲星信号检测算法计算量大及在低信噪比下检测性能差的问题,提出了一种结合S变换的恒虚警率检测算法。首先,根据高斯白噪声的S变换域功率谱分布特性对累积信号的时频功率谱进行阀值滤波;然后累加阀值滤波后的信号功率谱作为检测统计量,从理论上对检测统计量的分布特性进行分析,得出检测统计量服从高斯分布,并用蒙特卡罗方法进行了验证。在此基础上,利用检测统计量的概率密度函数计算判决门限,从而实现了恒虚警率检测。理论分析和实验结果表明,本文算法的检测性能优于同类基于高斯分布的恒虚警率检测算法,并且具有较低的复杂度。     

基于ICA和小波脊的多辐射源调制类型识别

针对电子侦察中多个雷达辐射源信号混叠时的调制类型识别问题,利用独立分量分析将多个雷达辐射源信号进行分离,再对分离后的辐射源信号采用小波变换,提取信号时频分布的脊线,最后计算脊线特征值,通过脊线特征值来判断辐射源调制类型.仿真实验验证了该方法的正确性和有效性.     

基于极化时频分布的改进DOA估计算法

针对雷达回波信号波达方向估计精度差和时频分析方法运算量大的问题,以极化敏感阵列为模型,结合时频分析方法,充分利用回波信号的空域、时频域和极化域信息,对雷达回波信号进行更准确的估计,并简化其计算量。分析基于空间极化时频分布的多重信号分类(MUSIC)和旋转不变子空间(ESPRIT)算法,并结合两者的优缺点提出了一种改进算法。改进算法用极化时频ESPRIT算法对来波信号确定大致的方位角,以每个方位角为中心确定一个小角度范围,在此范围内用MUSIC算法进行谱峰搜索,得到较准确的波达方向(DOA)估计值,在确保DOA估计精度的基础上节省大部分运算时间。仿真试验验证了该改进算法的有效性。     

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。     

多宽带干扰信号频域甄别方法与分离算法

针对复杂电磁环境下的时频域重叠干扰信号,提出了频域甄别方法与分离算法。先通过分析所接收干扰信号的频谱,将整个频段分割为一个或多个子带,对每个子带内是否有频域重叠进行甄别判断;对于存在频域重叠的情况,通过波束形成技术,以波束接收的方式将子带中的重叠信号在空域分离。最后,将相同入射方向的频段进行拼接。仿真结果验证了该算法的有效性。     

基于Huffman最优二叉树支持向量机的舱音记录器背景信号识别

飞行器舱音记录器(CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成.目前国内对该类信号的分析和辨别主要是计算机译码后利用人耳进行辨听,存在不易准确分辨各种独立声音信号的缺点.针对舱音信号是一种非平稳性的时频信号,提出了基于多尺度最优小波包基的CVR背景信号特征提取算法,将10种典型信号进行小波包分解,以分解得到的子带能量作为信号初始特征,再根据类间最大距离准则选取最优小波包基,从而确定待识别信号最具有代表性的特征向量,最后基于Huffman最优二叉树支持向量机进行CVR背景信号分类.仿真实验结果表明,该方法的平均识别率为94.62%,可以应用于CVR背景声音信号的自动识别.     

弹道目标进动特性的微多普勒研究与特征分析

从两个不同方面建立弹道导弹进动的数学模型,然后用时频分析方法给出微多普勒的分析结果,证明这两种建立弹道导弹进动数学模型的方法是等价的、正确的.根据不同微运动微多普勒时频分布的差异以及不同微运动微多普勒变化周期的不同,可以识别出真弹头和诱饵.这为弹道导弹防御中段弹头和其他轻重诱饵的识别提供了一个新的可靠的方法.     

基于多站数据融合的参数精估计方法

针对侦察设备处于星载SAR副瓣照射范围,从而导致截获信号湮没于强噪声背景这个问题,本文提出一种基于多站接收机之间的数据融合方法。在信号形式未知的情况下,通过此方法可以检测出淹没在噪声中的微弱信号,进行信号的分类和时频域参数的精估计。首先,将参考接收机与其他接收机之间进行互相关处理,得到峰值信息,根据峰值信息的位置得到信号与参考信号之间的延迟位置,进行延迟校准;其次,各个接收机分别进行粗步长的分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,记录峰值信息为精估计做准备,根据峰值角度和分数阶傅里叶反变换恢复出原始信号;最后,判定是否存在信号,若信号存在实现多站原始信号功率比的加性融合,根据多站峰值信息限定旋转角度范围,采用精步长的分数阶傅里叶变换估计出调频率和中心频率;利用联合互相关谱实现信号能量的累积,采用自适应门线和边界波谷连续取小方法,找到信号存续状态中的左右边界,估计出带宽和中心频率,计算脉宽,实现时频域信号的精估计。仿真实验表明：该方法可以在低信噪比的高斯白噪声和有色噪声背景下,对线性调频信号（Chirp）的时频参数进行有效的精估计。     

基于参数化解调的旋转目标微多普勒频率提取方法

旋转运动是航天领域中最为常见的微运动,如卫星天线转动、弹道导弹自旋运动等。旋转目标的微多普勒特征对雷达目标识别具有重大影响。针对旋转目标不同散射点的微多普勒频率相互重叠、难以提取的问题,提出了基于参数化解调的旋转目标微多普勒频率提取方法。由点散射模型得到旋转目标的微多普勒信号解析形式。考虑到旋转目标微多普勒信号具有正弦频率调制特征,构造了基于正弦模型的参数化解调算子,优化微多普勒频率参数,使解调信号在载波频率处的频谱值达到最大。为了估计多个散射点的微多普勒频率参数,提出了参数迭代估计方法,在每次迭代中只估计当前最强散射点的微多普勒参数,将相应信号分量从原始信号中剔除,消除对后续分量估计结果的影响。仿真和实验结果表明:基于参数化解调的旋转目标微多普勒频率提取方法与传统时频峰值检测方法相比,能更精确地提取相互交叉的旋转目标微多普勒频率,为最终实现雷达空间目标识别提供了理论基础,能应用于卫星天线、弹道导弹等目标的监测、识别。