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。     

基于FRFT和相位差分算法的信号特征提取

基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)算法的信号识别方法已广泛应用于雷达信号处理领域,相位差分算法对于检测相位编码信号尤为高效。基于 FRFT和相位差分法的信号检测算法已被提出,但在较低的信噪比下该算法并不能准确识别 LFM、LFM-BPSK信号。针对低信噪比背景下该算法性能较差的问题,给出 1种改进的算法,并通过加入多相编码信号的识别,扩大其适用范围。仿真验证结果表明,提出的算法不仅较原有算法能在较低信噪比条件下有效检测 LFM、BPSK、Frank3种单一调制方式的信号,还能检测出复杂调制的 LFM-BPSK信号。     

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。     

FRFT域能量谱模拟电路故障特征提取方法

故障特征提取是模拟电路故障诊断的关键技术之一,为了提高故障特征的可诊性,提出 1种基于分数阶傅里摘叶变换(Fractional Fourier Transform,FRFT)域能量谱的模拟电路故障特征提取方法。首先,采集测试节点电压信号并将其映射到不同的 FRFT域空间中(p从 0变化到 1);然后,计算所有 FRFT域空间中的能量谱峰值并将其作为故障特征;最后,将归一化后的特征用于训练最近邻分类器进行诊断验证。与现有的 FRFT故障特征提取方法相比,该方法减少了计算量,且提取的特征能够在所有 FRFT域中更全面地反映不同故障响应信号的细微差异,有利于提高故障特征的可分性。在仿真和物理电路上进行了验证,实验结果表明:所提方法能提高故障诊断准确率,且时间复杂度有明显改善。     

基于短时分数阶傅里叶变换的 含噪信号特征提取

通过对比噪声背景下短时傅里叶变换和短时分数阶傅里叶变换的时频分辨能力,进一步明确了短时分数阶傅里叶变换对频率时变信号的独特优势。研究了短时分数阶傅里叶变换的窗口滑动方式对瞬时频率估计的影响,可以发现:首先,在调频率较大或是变化剧烈时,短时分数阶傅里叶变换具有更好的鲁棒性;其次,在基于短时分数阶傅里叶变换的瞬时频率估计,实际应用中应主要采用以第一采样时刻作为估计值的逐点滑动方式。     

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。     

基于分数阶模糊函数延时对消的海面运动弱目标检测

研究了分数阶模糊函数的时移特性,根据此特性提出了基于分数阶模糊函数延时对消的海面运动弱目标检测方法.通过对IPIX实测数据验证表明,该方法在增加目标与杂波FRFT峰值差、提高信杂比以及检测概率等方面都明显优于仅对回波作分数阶模糊函数.设置适当的恒虚警检测门限,该检测方法能够达到更好的检测效果.     

基于弹性网稀疏编码的空间目标识别

 传统的特征袋(BoF)模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外,l₁范数约束下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征,而不关注哪一个特征被选择。本文提出一种基于弹性网稀疏编码的特征袋模型。该模型利用尺度不变特征变换(SIFT)特征描述子构建特征字典,再通过弹性网回归模型求解每个描述子所对应的稀疏系数向量,最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于l₁范数稀疏编码的特征袋模型相比,该模型有较好的识别性能,并对视角变化具有较强的鲁棒性。在空间目标图像数据库上的实验验证了该模型的有效性。     

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.     

基于小波包分析的转子振动信号故障特征提取研究

针对处理转子振动故障时,FFT等传统方法不能很好地分析同一频率下不同类型故障并发的复杂信号的情况,提出采用小波包分析的方法并分离故障特征向量。通过对比FFT与小波包分析方法,可以明显看出小波包分析的先进性和有效性。     

分数阶Fourier域非均匀采样Chirp信号的频谱研究

文中提出了一种自适应非均匀采样方法,并利用分数阶Fourier变换对这类非均匀采样信号在分数阶域的频谱进行了分析和研究,得到了这类非均匀采样信号在分数阶域的数字谱表达式;进一步得到了非均匀采样Chirp信号的分数阶频谱表达式;最后,通过仿真验证了结论。     

基于离散小波变换的近程信号自动识别

进行信号识别的关键在于利用有限信号数据提取出有效的信号特征,然后根据这些特征作出判决。文中阐述了利用离散小波变换对近程信号进行分解处理,并结合具体应用背景,提取小波分解的细节作为信号识别的特征参量。仿真实验表明,基于小波分解的特征提取过程对噪声有较好的抑制能力,小波变换的应用能够有效提高对近程信号识别的能力。