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。     

非合作无源探测中的参考信号提纯新方法

非合作无源探测系统通过直达波提纯来获取参考信号,参考信号的纯净程度对系统探测性能具有重要影响.针对非合作无源探测中的参考信号提纯问题,提出了一种基于稀疏特性的参考信号提纯新方法.首先将参考通道接收的混合信号变换到对时延敏感的分数阶傅里叶变换域上,并对直达波信号和多径干扰信号在分数阶傅里叶变换域上的稀疏特性进行了分析;然...     

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。     

基于时频脊线和阶次分析的转子故障诊断

为解决采用在转子升降速过程中产生的非平稳信号难以进行故障诊断的问题,提出一种基于2维时频脊线和阶次分析的转子故障诊断方法。采集转子升降速信号,采用2维时频分布的峰值脊线提取法获得信号脊线特征,结合脊线特征与等角度重采样技术依次获得信号角度域、角-阶域和阶次域图像,将信号阶次域内的特征参数作为故障敏感特征,输入人工神经网络诊断模型,对转子信号的故障类型进行分类。利用实测信号验证所提方法的实际应用效果,并与传统特征提取法的结果进行对比。结果表明：阶次分析方法的测试准确率约为99.8%,标准差小于0.09%,均优于传统特征提取法。基于时频脊线和阶次分析的转子故障诊断方法具有更高的诊断准确率,在非平稳信号特征提取过程中具有很好的可行性和准确性。     

基于阶次小波包的转子加速阶段振动故障研究

针对发动机转子在加速阶段的振动信号为非稳态、且该阶段的振动信号无法直接使用谱分析等技术处理的问题,提出了利用改进的阶次跟踪分析技术对信号进行等角度重采样,将时域非稳态信号转换为角域稳态信号,然后对信号进行小波包分析及能量特征向量提取。结果表明,利用阶次小波包方法可以很好地处理变速振动信号,效果好于直接使用小波包分析非稳态的时域信号,计算后的结果可用于进一步的数据处理。     

含行星架裂纹故障的行星齿轮箱振动仿真

为深入了解行星架裂纹故障振动频谱结构,提出一种考虑时变传递路径和行星轮系载荷非均匀分配的振动仿真模型。根据裂纹导致的行星轮角位移函数,分析了行星轮角位移对行星轮系载荷分配特性的影响,仿真分析了行星架裂纹导致的行星轮角位移和行星轮系载荷非均匀分配下的频谱边带结构。仿真结果表明：行星轮个数为3时,边频带仅受行星轮角位移影响,随行星轮个数增加到4、5时,频谱边带受行星轮角位移和载荷分配共同影响,阶比谱出现以行星架旋转阶次为间隔的调制边带成分。通过对比行星轮个数为3的齿轮箱仿真与实测信号的阶比谱边带结构,验证了模型的有效性。     

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。     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。     

数字域谱估计的GNSS系统信号带宽测试方法

针对传统的单载波扫频法不适于GNSS（全球导航卫星系统）信号生成通道的带宽测量的问题,提出了采用数字信号处理的信号带宽方法.对实际导航信号进行高速采样,在数字域对采样的导航信号和本地数字生成的理想导航信号进行频谱估计和计算,从而得到GNSS信号带宽.分别使用周期图法和Welch法谱估计,对提出的测试方法进行仿真.仿真结果表明,采用Welch法进行理想信号和实际信号谱估计,对谱估计后的结果进行计算,可以完成GNSS信号带宽精密测量,在Welch法估计参数设置合理的情况下,GNSS信号带宽估计的准确度可以达到99.9％以上.     

航空发动机中介轴承的故障特征与诊断方法

提出了转差域频谱和转差域包络谱的概念,建立了诊断航空发动机中介轴承故障的方法.利用发动机高、低压转差作为触发信号,对发动机振动信号进行等转差周期采集,并在转差域对振动信号进行频谱和包络谱分析.结果表明:不平衡响应、不对中响应以及外环静止的轴承故障响应等振动信号在转差域频谱和转差域包络谱上的位置随转速变化;而中介轴承的故障响应在转差域频谱上的边频成分间距不随转速变化,具有倍频“恒间距”特征;在转差域包络谱上的位置也不随转速变化,具有“恒频”特征.带外环故障的中介轴承实验表明:转速变化时,在转差域包络谱中,外环故障特征倍频成分位置不变;在转差域频谱中,出现间隔宽度恒定为外环故障特征倍频的频率成分.      

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.      

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。     

Probability Densities and Characteristic Functions for Fluctuating Targets

Probability density functions and characteristic functions for the projected area of a tumbling target object are derived together with the densities and characteristic functions for the corresponding signal-plus-noise voltage output of an infrared sensor. Several cases are considered in which the signal pulse arrival time is either known or unknown, a matched filter or a suboptimum filter is used; the signal pulse shape is either Gaussian or is unspecified; and the target orientation angles are either uniformly or nonuniformly distributed.     

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。     

Hard-Limiter Output Autocorrelation Function: Gaussian & Sinusoidal Input

An expression is derived for the autocorrelation function of the output of a hard limiter whose input is stationary Gaussian noise with zero mean plus independent random-phase sinusoidal signal. The output spectrum may then be evaluated. This spectrum is extremely useful in understanding the properties of a filter-limit-filter-detect signal processor whose signal input is an actual sinusoid, or when a sinusoid is used as a test signal.     

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。     

A new quadrature sampling and processing approach

A quadrature sampling and array signal processing technique that differs from earlier approaches in that is processes the data before the Hilbert transformation is presented. A fast Fourier transformation (FFT) technique that performs the discrete Fourier transformation (DFT) on the sampled data directly without Hilbert transformation is proposed for frequency-domain signal processing. For array signal processing, the proposed approach does not perform Hilbert transformation prior to signal combining. It features high processing speed, low distortion, and hardware simplicity. Error analyses, performance evaluation, and computer simulation results are included     

时变微弱扩频信号检测

提出了一种解决微弱高动态扩频信号捕获的新方法,利用分数阶域滤波设计了伪码—时频联合匹配滤波的框架,最后进行了相关计算并给出了应用实例。     

基于切片熵权的WHT多LFM信号识别方法

为提高在低信噪比与先验信息不足条件下对线性调频(LFM)信号识别能力,借鉴信息论中的熵权法改进WHT(Wigner-Hough Transform),提出了一种基于切片熵权的WHTE(Wigner-Hough Transform based on Entropy)算法。推导出LFM信号的WHT与对应特性,将WHT变换域内极半径和角度切片的熵值来转换为权重因子,进而对每个切片进行加权处理,采用双层权重以弱化噪声与干扰项的影响,并推导出LFM信号与高斯白噪声在WHT维度内不同假设条件下的概率密度分布函数,构建了对于LFM信号WHT后恒虚警检测的完备流程。通过理论分析与公式推导论证了算法的可行性,并与WHT、分数阶傅里叶变换与周期WHT算法的仿真对比,验证了算法的有效性,凸显WHTE算法能够在强噪声背景下与没有先验支撑时实现对LFM信号的良好检测。