现代微波测量的发展动态

从微波测量仪器、测量技术及测量分析出发 ,简单地阐述了现代微波测量发展的趋势。供微波测量人员参考     

203所时频产品“全家福”精彩亮相2015年全国时间频率学术会议CSCD

9月24日-25日,2015全国时间频率学术会议在北京隆重召开. 中国计量院、清华大学、北京大学、武汉物数所、国家授时中心、上海光机所等50多家单位的280余名专家学者前来参加了会议. 为纪念原子钟60周年,航天203所冯克明所长作了大会特邀报告《北斗二代星载原子钟最新进展》.     

我国空间电力线谐波辐射现象分析

研究了利用DEMETER卫星电磁场探测数据辨识电力线谐波辐射(PLHR,Power Line Harmonic Radiation)事件的方法,探讨了我国空间中PLHR事件的特点.通过采用时频分析和Welch功率谱估计法分析了2005-2010年6年我国空间中的全部卫星电场强度探测数据,共发现151例PLHR事件,给出了PLHR事件的统计分析和典型实例.结果表明我国空间PLHR事件的频率分布在1 000~4 500 Hz之间,多为50 Hz的奇数倍,间隔为50/100 Hz.PLHR事件与我国电网发展和变化有密切关系,与地磁活动水平无关,呈现出昼夜差异和季节差异.最后给出了影响PLHR事件探测的可能因素.     

地基雷达探测中的空间碎片微弱信号检测技术概况

空间碎片的日益增多。已对航天活动构成严峻威胁。空间碎片的精确监测是对航天员和飞行器实施安全防护的重要前提,也对空间微小碎片探测能力提出了更高要求。文章对国外地基雷达探测空间碎片现状,以及对在雷达微弱信号检测技术方面比较常用的以信号处理为基础的长时间积累检测技术和基于时频分析的雷达微弱信号检测技术研究现状进行了综述。     

π-TFSK时频调制信号状态迁移的分析

本文主要对π－ＴＦＳＫ时频调制信号的状态迁移进行分析。首先,从数学模型出发,对π－ＴＦＳＫ时频调制信号的状态进行分析;然后,推出了该信号的状态迁移图;最后求出了π－ＴＦＳＫ时频调制信号的状态迁移矩阵。     

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.     

基于高分辨率网络的单声道歌声分离

单声道歌声分离是指将单声道歌曲中的伴奏和歌声分离,在旋律提取、歌词识别、卡拉OK伴奏等方面有重要应用。针对当前时频谱图预测精度受限的问题,利用高分辨率网络具有并行结构及特征充分交互提高模型性能的优势,提出基于高分辨率网络的单声道歌声分离算法。设计并构建适合单声道歌声分离的高分辨率网络,输入歌曲的时频谱图到网络,得到预测的伴奏和歌声时频谱图。结合歌曲相位进行重构,得到伴奏和歌声的时域信号。实验表明,在公开数据集MIR-1K上,所提算法的SNR、SIR、SAR指标均优于当前代表性算法,提高了分离后伴奏和歌声的质量。      

相关系数平稳过程时频分析方法

相关系数平稳过程是从非平稳过程中分离出的一类工程上常见且便于研究的随机过程,其均值和方差都可随时间变化,传统的平稳随机过程是它的一个特例。本文提出了相关系数AR(p),MA(q)和ARMA(p,q)序列的概念,建立了相关系数平稳过程的时频分析方法。该方法首先在时域进行全程分析,得到相关系数平稳过程的均值函数、方差函数和相关系数函数,然后可以对其进行傅里叶变换、短时傅里叶变换或小波变换,给出相关系数平稳过程的谱密度,同时提出了随机项谱密度和趋势项谱密度的概念。文中还讨论了线性系统对相关系数平稳过程输入的响应。     

基于时频切片分解的时变系统参数识别

系统参数识别分为时不变系统参数识别和时变系统参数识别两大研究方向,其中时不变系统参数识 别的研究已趋于成熟,而时变系统参数识别的研究则仍然处于起步阶段。对于多自由度时变结构,提出一种基 于时频切片分解的时变系统参数识别方法。该方法采集结构的振动位移响应,根据时频分解计算得到响应在 整个时频段内的时频能量分布图;依据结构的时频分布特性,选择多个时频切片窗分解响应信号,再对分解出 的信号分别进行逆变换计算完成时域上的信号重构;重构出来的信号对应于结构的各阶模态位移响应信号,利 用Hilbert变换提取信号瞬时频率,从而识别出结构各阶频率。通过一个三自由度的弹簧阻尼质量仿真实验, 验证了该方法具有良好的识别精度和工程实用价值。     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此,提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换,如短时傅里叶变换或自适应谱估计法,以及多项式预测模型,将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法,以及谱分量幅度和频率的联合似然函数,就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中,所提算法有效提升了动态时频谱的跟踪精度,其对微弱时频谱分量的探测能力,以及对载频差异的分析能力均优于文献报道的算法。