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.     

基于空间时频分布矩阵的到达角估计

介绍了基于窄带信号模型的传统空间时频分布矩阵估计到达角 (DOA)的算法。在此基础上将该算法推广到对雷达信号的DOA估计 ,并给出了算法的适用条件。通过对阵元输出作时频分析 ,获取信号的瞬时频率特性 ,以此构造方向向量 ,并在时频脊点上构造空间时频分布矩阵 ,求得MUSIC空间谱 ,从而实现对DOA的估计。仿真结果显示 ,采用此处理方法 ,可以实现对DOA的正确估计     

基于时频稀疏性的跳频信号时频图修正方法

为了获取清晰的时频图,提出了一种基于时频稀疏性的跳频信号时频图修正方法。该方法根据跳频信号时频图的时频稀疏性,建立了修正时频图的最优化求解模型,然后利用匹配搜索的方法进行求解得到修正后清晰的时频图。仿真结果表明本文方法能够在低信噪比下获取精确的时频图,且用修正后的时频图估计跳周期,估计性能明显优于现有方法。     

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,...     

雷达脉冲串信号频差估计性能研究

探讨了基于互相关法的雷达脉冲串信号频差估计性能.初步结论是:(1)对占空比不小于2%、持续时间为10ms左右的雷达脉冲串信号,只要其信噪比优于12dB,互相关法可以达到1Hz量级的频差估计性能;(2)提高采样频率可在更低的信噪比条件下或对更小占空比的雷达脉冲串信号实现同等精度的频差估计.     

基于多段差频正弦信号频谱相关的频率估计算法

针对多段差频正弦信号提出一种基于频谱相关的频率估计算法,用以提高低信噪比条件下短时正弦信号的频率估计精度,扩展多段信号融合法的适用范围.首先,设计差频修正矩阵消除各段信号频率不等对频谱融合的影响,使同频化处理后的多段差频正弦信号频谱等同于多段同频正弦信号频谱;其次,构造加权因子消除各段信号相位不连续对频谱分析的影响,使得到的最优加权积累频谱近似于与多段差频正弦信号长度相等的相位连续信号频谱;然后,通过对最优加权积累频谱和多段差频正弦信号累加频谱的相关处理,抑制虚假谱峰和噪声干扰.最后,峰值搜索频谱相关谱,实现频率的精确估计.实验表明与现有算法相比,本文算法估计精度高、抗噪性好、普适性好,特别在低信噪比、短时时宽下性能优良.     

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。