|
有效提取目標(biāo)信號(hào),，實(shí)現(xiàn)信號(hào)分選，能夠在解決電子對抗偵察工作的同時(shí),，為干擾提供有力支撐,，今天我們來學(xué)習(xí)一篇哈爾濱工業(yè)大學(xué)，何亮同學(xué)的《基于時(shí)頻分布的多分量信號(hào)提取與重建技術(shù)研究 》,，在該文中主要采用時(shí)頻特征來實(shí)現(xiàn)信號(hào)的分選,，提出了多種時(shí)頻處理算法以及信號(hào)瞬時(shí)頻率估計(jì)和重建方法，有效的解決了交叉干擾項(xiàng)與信號(hào)項(xiàng)模糊的問題,，形成了信號(hào)的提取與重建的完善方案,，下面我們就簡單的先來學(xué)習(xí)一下他的理論方法~ 
歡迎加入學(xué)術(shù)交流Q群：852217813，諸多985/211高校碩博大佬在群內(nèi)研討交流,，研究方向包含：雷達(dá),、通信、RIS,、DOA估計(jì),、調(diào)制識(shí)別、故障診斷,、雷達(dá)通信一體化,、偵察干擾一體化,、壓縮感知、深度學(xué)習(xí),、強(qiáng)化學(xué)習(xí),、計(jì)算機(jī)視覺、圖像處理等領(lǐng)域,。
相關(guān)學(xué)習(xí)資料見面包多鏈接https:///o/author-a2mYl2tsbA==/work,。 歡迎加入我的知識(shí)星球：https://t./11PZOV9jw,，永久獲取更多相關(guān)資料,、代碼。
摘 要 隨著戰(zhàn)場電磁環(huán)境的日趨復(fù)雜,，戰(zhàn)場中截獲到的雷達(dá)信號(hào)也日益繁雜,，不 僅調(diào)制種類繁多，而且疊加進(jìn)入接收機(jī)的分量個(gè)數(shù)也在加劇,。在復(fù)雜的截獲信 號(hào)中得到各分量的類型和參數(shù),，進(jìn)而對各輻射源進(jìn)行正確識(shí)別和高效干擾是制 定戰(zhàn)略決策的重要因素。要正確的分析截獲的多分量雷達(dá)信號(hào),，將其包含的分 量提取和重建是一個(gè)不可避免的過程,，本文重點(diǎn)基于信號(hào)的時(shí)頻分布特征對多 分量信號(hào)的提取和重建技術(shù)進(jìn)行探討。 首先,，總結(jié)了常見雷達(dá)信號(hào)類型的時(shí)頻特征和稀疏特征,，并進(jìn)一步研究了 多分量雷達(dá)信號(hào)在時(shí)頻分布中存在的規(guī)律。研究發(fā)現(xiàn)計(jì)算時(shí)頻分布時(shí)不可避免 的需要在干擾項(xiàng)抑制和信號(hào)項(xiàng)模糊之間均衡選擇,，因此引入自適應(yīng)方向核的二 次時(shí)頻分布,。該時(shí)頻分布根據(jù)信號(hào)項(xiàng)和干擾項(xiàng)在模糊域的特征，通過自適應(yīng)選 擇模糊域方向核,，在干擾項(xiàng)抑制和信號(hào)項(xiàng)模糊之間達(dá)到較為理想的均衡,。 然后，為了獲取信號(hào)的分量結(jié)構(gòu)研究了信號(hào)的瞬時(shí)頻率估計(jì)算法,，研究發(fā) 現(xiàn)已有算法不適用于存在交叉分量的信號(hào),，因此引入了梯度旋轉(zhuǎn)方法來增強(qiáng)時(shí) 頻分布圖像，并提出了基于端點(diǎn)梯度的片段連接和擬合算法,，不僅消除分量瞬 時(shí)頻率跟蹤錯(cuò)誤,，也降低了估計(jì)誤差。 最后,，在瞬時(shí)頻率估計(jì)的基礎(chǔ)上采用時(shí)變?yōu)V波方法提取和重建各個(gè)分量信 號(hào),，分析發(fā)現(xiàn)時(shí)變?yōu)V波在分量交叉處存在較大的畸變，因此引入幅度校正算法 并提出基于時(shí)變階的短時(shí)分?jǐn)?shù)階傅立葉變換時(shí)變?yōu)V波算法,。所提算法大幅度的 提升了信號(hào)提取和重建的準(zhǔn)確性,，特別是針對非線性調(diào)頻信號(hào)的提取和重建。 論文針對多分量信號(hào)時(shí)頻分析中存在交叉項(xiàng)干擾與信號(hào)項(xiàng)模糊相矛盾問 題，引入了自適應(yīng)方向核的時(shí)頻分布算法獲得了較理想的時(shí)頻分布圖像,。進(jìn)一 步在該圖像上使用旋轉(zhuǎn)梯度增強(qiáng)和瞬時(shí)頻率連接擬合算法,，取出了各分量的瞬 時(shí)頻率。最后采用基于時(shí)變階的短時(shí)分?jǐn)?shù)階傅立葉變換的時(shí)變?yōu)V波算法,，提取 并重建出各個(gè)分量的時(shí)域波形,。將信號(hào)的提取和重建分解為信號(hào)建模、時(shí)頻分 析,、瞬時(shí)頻率提取和時(shí)變?yōu)V波四個(gè)步驟進(jìn)行,，形成了一套完整有效的多分量雷 達(dá)信號(hào)提取和重建的方案。 關(guān)鍵詞：時(shí)頻分析,；信號(hào)分離,；時(shí)變?yōu)V波；短時(shí)分?jǐn)?shù)階傅里葉變換,；瞬時(shí)頻率 
MATLAB代碼見：
面包多鏈接https:///o/author-a2mYl2tsbA==/work,。 知識(shí)星球：https://t./11PZOV9jw，永久獲取更多相關(guān)資料,、代碼,。
|
