CN109885805B - 一种多分量非平稳信号的瞬时频率估计方法 - Google Patents
一种多分量非平稳信号的瞬时频率估计方法 Download PDFInfo
- Publication number
- CN109885805B CN109885805B CN201910085920.0A CN201910085920A CN109885805B CN 109885805 B CN109885805 B CN 109885805B CN 201910085920 A CN201910085920 A CN 201910085920A CN 109885805 B CN109885805 B CN 109885805B
- Authority
- CN
- China
- Prior art keywords
- frequency
- time
- instantaneous frequency
- signal
- instantaneous
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明公开了一种多分量非平稳信号的瞬时频率估计方法,包括以下步骤:S1:获取多分量非平稳信号的时频分布;S2:根据信号的时频分布,采用原始维特比算法得到信号的粗略瞬时频率估计;S3:根据粗略瞬时频率估计,获取交叉混叠区域:S4:根据信号交叉混叠区域的时频分布,设计一种改进型维特比算法得到信号交叉混叠区域的精确瞬时频率估计;在非交叉混叠区域,采用原始维特比算法得到信号非交叉混叠区域的粗略瞬时频率估计。本发明采用维特比算法对信号的时频分布进行粗略瞬时频率估计和精确瞬时频率估计得出信号的瞬时频率估计,该方法有效地抑制了瞬时频率曲线的跳变,提高了瞬时频率估计的准确度。
Description
技术领域
本发明属于信号处理领域,具体涉及一种多分量非平稳信号的瞬时频率估计方法。
背景技术
在雷达、声纳和其他应用中,人们经常会遇到包含时变频率的非平稳信号。这种时变频率称为瞬时频率,简称IF,它揭示了信号的重要特征。例如,在雷达微多普勒应用中,雷达反射回来的瞬时频率就包含了雷达目标独一无二的微动特征,可用于目标识别和分类。因此,瞬时频率估计是信号处理领域中一种重要的研究课题。
在过去的几十年中,人们已经提出了各种瞬时频率的提取方法。一般情况下,较容易提取出单分量信号的瞬时频率;然而,实际信号通常包含多个分量。对于多分量信号,一种解决方案是在瞬时频率估计之前将多分量信号分解为多个单分量信号;因此,人们提出了信号分离方法如经验模式分解和小波分解。然而,这些方法多限于仅在时域或频域中重叠信号的瞬时频率估计。当信号在时域和频域都重叠时,即多个分量的瞬时频率在时频(TF)平面内相交时,信号分离不易实现。如何在时频(TF)域中估计相互重叠的多成分瞬时频率估计仍然是一个挑战。
由于能够在时频域分析复杂非平稳信号,时频域分析(TFA)技术是分析多成分雷达信号常用的一种方法。基于TFA的瞬时频率估计可以分为参数和非参数两种方法;参数化方法通常事先定义信号的瞬时频率模型,例如把瞬时频率定义为线性或更高阶多项式,或者正弦特征,通过计算瞬时频率模型的参数可以实现瞬时频率的估计。虽然这些参数方法在某些情况下是有效的,但它们通常涉及参数空间中的多维搜索,计算量较大且缺乏实用性。并且,某些信号的瞬时频率并不能用数学特征进行描述,使得该方法的适用范围较小。
与参数估计方法不同,非参数方法不需要瞬时频率的先验知识。非参数方法通常通过使用适当的时频表示技术(TFR)来表征出多分量信号的特征。为了估计瞬时频率,一种简单而直接的方法是检测TF平面上每个时间点的最大峰值;然而,对于低信噪比(SNR)或多分量信号,最大峰值的变化可能比较大,因此估计出来的瞬时频率可能会较大程度的偏离真实的瞬时频率。因此,人们开发了其他技术,例如采用图像处理技术来估计来自TFR的重叠瞬时频率,然而,这种方法同样计算量大,并且容易受到噪声干扰。又例如一种称为脊路径重组的新型非参数算法,该方法首先检测信号的所有瞬时频率的脊,然后通过重组脊曲线来提取所需的瞬时频率;该方法可以有效地估计多分量信号的相交瞬时频率,但是,由于脊检测算法基于最大方法,因此该技术对噪声较敏感。
现有技术中,还有引入维特比算法(VA算法)来估计TFR中的瞬时频率,即原始维特比算法。该方法假设估计出的瞬时频率应该尽可能多的来自时频图中幅度值较大的一些点,并且两个连续TF点之间的瞬时频率变化不是太大,从而定义了两个代价函数。原始维特比算法对低信噪比单分量信号具有较好的瞬时频率估计效果。此外,当多个信号在TF平面上间隔较远时,也可使用该维特比算法估计瞬时频率。但是,当瞬时频率在TF平面上交叉重叠时,可能会出现瞬时频率的跳变问题(SP),也就是说,一个瞬时频率可能会在交叉的TF区域跳转到另一个瞬时频率,从而估计出错误的瞬时频率曲线。其原因是,原始维特比算法仅考虑瞬时频率曲线上的两个相邻TF点而不考虑先前已经估计出的更多的瞬时频率点。由此,假设两个相邻瞬时频率之间的瞬时频率变化率不强烈,定义了使用相邻三个TF点的代价函数;结果,可以在很大程度上抑制不同瞬时频率之间的跳变问题,因而可以获得更准确的瞬时频率。然而,由于瞬时频率变化率可能在其他瞬时频率区域(如瞬时频率曲线的峰值或最低点)发生剧烈变化,因此这种算法更适合于估计单调的多成分瞬时频率。
发明内容
本发明的目的在于针对上述存在的问题和不足,提出一种多分量非平稳信号的瞬时频率估计方法,适用于多分量非平稳信号的瞬时频率估计,将原始维特比算法与改进型维特比算法结合得出信号的瞬时频率估计,有效抑制了瞬时频率曲线的跳变,提高瞬时频率估计的准确性。
为了实现上述目的,本发明采用的技术方案是:一种多分量非平稳信号的瞬时频率估计方法,包括如下步骤:
S1:获取多分量非平稳信号的时频分布;
S2:根据信号的时频分布,采用原始维特比算法得到信号的粗略瞬时频率估计;
具体包括以下步骤:
S21:构造频率代价函数g(k(n),k(n+1)),
k(n)为时频分布中n时刻对应点的频率,k(n+1)为时频分布中n+1时刻对应点的频率,Δ为常数,c为系数,g(k(n),k(n+1))表示时频分布中两个相邻时刻频率点之间的跳变代价;
S22:构造幅度代价函数h(TF(n,k(n))),TF(n,k(n))为时频分布中n时刻对应频率点的幅度;
假设时频分布中n时刻对应的频率点有m个,分别为f1,f2……fm,
令TF(n,f1)≥TF(n,f2)≥…TF(n,fm), (2)
h(TF(n,fm))=m-1, (3)
h(TF(n,k(n)))表示时频分布中n时刻对应频率点的幅度代价;
S23:根据信号的时频分布,利用
进行粗略瞬时频率估计;
其中,K为时频分布中n1到n2时刻所有的路径,p(k(n);n1,n2)为频率代价函数g(k(n),k(n+1))和幅度代价函数h(TF(n,k(n)))从n1到n2时刻路径的代价函数之和,为在时频分布中寻找一条代价函数p(k(n);n1,n2)最小的路径,此路径即为信号的粗略瞬时频率估计;
S3:根据粗略瞬时频率估计,获取交叉混叠区域:
利用|IF(n)i-IF(n)j|<D (6)
截取交叉混叠区域,IF(n)i为粗略瞬时频率估计中n时刻i分量信号的瞬时频率,IF(n)j为粗略瞬时频率估计中n时刻j分量信号的瞬时频率,D为设定的频率阈值;
S4:根据信号交叉混叠区域的时频分布,设计一种改进型维特比算法得到信号交叉混叠区域的精确瞬时频率估计;在非交叉混叠区域,采用原始维特比算法得到信号非交叉混叠区域的粗略瞬时频率估计;即为信号的瞬时频率估计;
在交叉混叠区域内,改进型维特比算法包括以下步骤:
S41:在S3中获取的交叉混叠区域内,选取n时刻之前已经估计出的FN个瞬时频率点,采用曲线拟合方式预测出n时刻的瞬时频率,记为f(N1×FN,F1×FN,n);
S42:构造差值代价函数r(N,F,n,k(n)),
r(N,F,n,k(n))=u·(f(N1×FN,F1×FN,n)-k(n)), (9)
k(n)为时频分布中n时刻对应点的频率,u为系数,r(N,F,n,k(n))表示n时刻预测的瞬时频率与时频分布中n时刻频率点之间的差值代价;
S43:采用
对交叉混叠区域时频分布进行精确瞬时频率估计;
其中,K为时频分布中n1到n2时刻所有的路径,q(k(n);n1,n2)为差值代价函数r(N,F,n,k(n))和幅度代价函数h(TF(n,k(n)))从n1到n2时刻路径的代价函数之和,即为在时频分布中寻找一条代价函数q(k(n);n1,n2)最小的路径,此路径即为信号在交叉混叠区域内的精确瞬时频率估计;
在非交叉混叠区域内,采用上述S2的方法计算信号非交叉混叠区域的粗略瞬时频率估计。
进一步地完善上述技术方案,在S1中,采用STFT变换获取多分量非平稳信号的时频分布。
进一步地,在S41中,采用最小二乘法拟合预测出n时刻的瞬时频率。
本发明的有益效果:本发明在原始维特比算法的基础上,提出改进型维特比算法,在非交叉混叠区域使用原始维特比算法进行粗略瞬时频率估计,在交叉混叠区域采用改进型维特比算法进行精确瞬时频率估计;在交叉混叠区域,改进型维特比算法使用更多相邻的先前的瞬时频率点采用最小二乘法来拟合预测当前的瞬时频率,利用预测的当前瞬时频率与时频分布中当前时刻对应的频率点的差值构造代价函数,从而来进行精确的瞬时频率估计;通过上述方法得到的瞬时频率曲线可以有效抑制跳变,瞬时频率估计更加准确。
附图说明
图1为本发明的方法示意图;
图2为实施例1中三个线性调频信号的理论瞬时频率曲线;
图3为实施例1中三个线性调频信号的短时傅里叶变换(STFT)时频分布图;
图4为图3采用原始维特比算法估计的粗略瞬时频率曲线;
图4(a)为设置参数Δ=2,c=4粗略瞬时频率曲线;
图4(b)为设置参数Δ=2,c=15的粗略瞬时频率曲线;
图5为在图4(b)的基础上获取信号的交叉混叠区域;
图6为实施例1采用本发明算法估计的瞬时频率曲线;
图7为实施例1中信号分量LFM1采用原始维特比算法和本发明算法得到的定义实际瞬时频率与估计瞬时频率之间的均方误差;
图8为实施例1中信号分量LFM2采用原始维特比算法和本发明算法得到的定义实际瞬时频率与估计瞬时频率之间的均方误差;
图9为实施例1中信号分量LFM3采用原始维特比算法和本发明算法得到的定义实际瞬时频率与估计瞬时频率之间的均方误差;
图10为实施例2中两个信号分量的理论瞬时频率曲线;
图11为实施例2中两个信号分量的短时傅里叶变换(STFT)时频分布图;
图12为图11采用原始维特比算法估计的粗略瞬时频率曲线;
图12(a)设置参数Δ=2,c=4粗略瞬时频率曲线;
图12(b)设置参数Δ=2,c=12粗略瞬时频率曲线;
图12(c)设置参数Δ=4,c=10粗略瞬时频率曲线;
图13为在图12(c)的基础上获取信号的交叉混叠区域;
图14为实施例2采用本发明算法估计的瞬时频率曲线;
图15为实施例2中信号分量SFM1采用原始维特比算法和本发明算法得到的定义实际瞬时频率与估计瞬时频率之间的均方误差;
图16为实施例2中信号分量SFM2采用原始维特比算法和本发明算法得到的定义实际瞬时频率与估计瞬时频率之间的均方误差。
具体实施方式
为使本发明创造的内容更加清楚,下面结合附图,对本发明创造的具体实施方式作进一步详细描述。应当注意,为了清楚的目的,附图和说明中省略了与本发明创造无关的、本领域普通技术人员已知的部件的表示和描述。
本发明提供的一种多分量非平稳信号的瞬时频率估计方法,包括如下步骤:
S1:对采集的多分量非平稳信号进行STFT变换,得到信号的时频分布;
S2:根据信号的时频分布,采用原始维特比算法得到信号的粗略瞬时频率估计;原始维特比算法的基本原理是:假设瞬时频率曲线上的点应该尽可能多的来自时频分布中幅度值较大的点,并且两个相邻时刻的瞬时频率变化不会太大,从而定义了一个代价函数,并且通过在两个时刻之间搜索整个时频分布的最小代价函数,估计出粗略瞬时频率曲线;
具体包括以下步骤:
S21:构造频率代价函数g(k(n),k(n+1)),
k(n)为时频分布中n时刻对应点的频率,k(n+1)为时频分布中n+1时刻对应点的频率;Δ为常数,Δ为相邻时刻瞬时频率允许的最大变化值;c为系数,g(k(n),k(n+1))表示时频分布中两个相邻时刻频率点之间的跳变代价;
S22:构造幅度代价函数h(TF(n,k(n))),TF(n,k(n))为时频分布中n时刻对应频率点的幅度;
假设时频分布中n时刻对应的频率点有m个,分别为f1,f2……fm,
令TF(n,f1)≥TF(n,f2)≥…TF(n,fm), (2)
h(TF(n,fm))=m-1, (3)
h(TF(n,k(n)))表示时频分布中n时刻对应的频率点的幅度代价;
S23:根据信号的时频分布,利用
进行粗略瞬时频率估计;
其中,K为时频分布中n1到n2时刻所有的路径,p(k(n);n1,n2)为频率代价函数g(k(n),k(n+1))和幅度代价函数h(TF(n,k(n)))从n1到n2时刻路径的代价函数之和,为在时频分布中寻找一条代价函数p(k(n);n1,n2)最小的路径,此路径即为信号的粗略瞬时频率估计。通过公式(4)估计出的粗略瞬时频率曲线,为一组幅度较大并且相邻时刻之间变化较为平滑的时频分布点。
原始维特比算法中,采用
S3:根据粗略瞬时频率估计,获取交叉混叠区域:
利用|IF(n)i-IF(n)j|<D (6)
截取交叉混叠区域,IF(n)i为粗略瞬时频率估计中n时刻i分量信号的瞬时频率,IF(n)j为粗略瞬时频率估计中n时刻j分量信号的瞬时频率,D为设定的频率阈值;设置参数D的值越大,交叉混叠区域就越大。
S4:根据信号交叉混叠区域的时频分布,设计一种改进型维特比算法得到信号交叉混叠区域的精确瞬时频率估计;在非交叉混叠区域,采用原始维特比算法得到信号非交叉混叠区域的粗略瞬时频率估计;即为信号的瞬时频率估计。
改进型维特比算法的基本原理是:依然假设瞬时频率曲线上的点应该尽可能多的来自时频分布中幅度值较大的点,并且两个相邻时刻的瞬时频率变化不会太大;不同的是,由于相邻的2-3个瞬时频率点不能精确描述瞬时频率的连续性,应根据瞬时频率曲线的变化率,利用更多估计出的瞬时频率点来表征连续特性,因而构造一个新的代价函数。从而,假设瞬时频率在预定义的时间段内是线性或二次的,然后,可以应用曲线拟合技术,比如最小二乘法;应用最小二乘拟合计算出线性瞬时频率曲线的参数,然后用来预测当前所要估计的瞬时频率点;再,通过预测的瞬时频率点与时频分布中对应的频率点的偏差来构造新的代价函数。
在交叉混叠区域,改进型维特比算法具体包括以下步骤:
S41:在S3中获取的交叉混叠区域内,选取n时刻之前已经估计出的FN个频率点,采用最小二乘法拟合预测出n时刻的瞬时频率,记为f(N1×FN,F1×FN,n),
S42:构造差值代价函数r(N,F,n,k(n)),
r(N,F,n,k(n))=u·(f(N1×FN,F1×FN,n)-k(n)), (9)
k(n)为时频分布中n时刻对应点的频率,u为系数,r(N,F,n,k(n))表示n时刻预测的瞬时频率与时频分布中n时刻频率点之间的差值代价;
S43:采用
对交叉混叠区域时频分布进行精确瞬时频率估计;
其中,K为时频分布中n1到n2时刻所有的路径,q(k(n);n1,n2)为差值代价函数r(N,F,n,k(n))和幅度代价函数h(TF(n,k(n)))从n1到n2时刻路径的代价函数之和,即为在时频分布中寻找一条代价函数q(k(n);n1,n2)最小的路径,此路径即为信号在交叉混叠区域内的精确瞬时频率估计;
在非交叉混叠区域内,采用上述S2的方法计算信号非交叉混叠区域的粗略瞬时频率估计;从而得到信号的瞬时频率估计。
由于采用原始维特比算法估计多个瞬时频率时,是在去除前一个瞬时频率周围的相邻时频分布点之后,估计下一个瞬时频率,这也是引起瞬时频率曲线跳变的一个重要因素。因此,与原始维特比算法不同,本发明的改进型维特比算法将交叉混叠区域中的时频分布点一直保留在时频分布中。
实施例1:
利用MATLAB来验证本发明的有效性,假设多分量非平稳信号为离散时间信号:s(nΔt)=x(nΔt)+w(nΔt),其中n=1,2,…,N,采样点N=256,采样间隔Δt=1/256s,E(w(nΔt))=0,以及var(w(nΔt))=σ2;假定信号分量的幅度都为1,信噪比SNR定义为10log10(1/σ2)dB。
假定多分量非平稳信号为一个包含三个线性调频(LFM)分量的信号:
假定信噪比SNR=0dB;
如图2所示,三个线性调频分量的理论瞬时频率曲线在两个区域内相互交叉;如图3所示,噪声TF点的能量在某些时刻比瞬时频率曲线上的点要大,使用原始维特比算法进行瞬时频率估计就会存在较大的误差。
如图4(a)和4(b)所示,使用原始维特比算法来估计信号的瞬时频率,根据
可知,需要设置参数c和Δ;由理论知识可知,c越小,Δ越大,瞬时频率曲线越平滑;因此,对于线性瞬时频率曲线,建议使用比较小的Δ和较大的c。因此,分别设置Δ=2,c=4和Δ=2,c=15,得到信号的瞬时频率曲线;从瞬时频率曲线可知,无论设置何种参数的c和Δ,信号的三个线性调频分量估计出的瞬时频率曲线均出现了跳变。
因此,在使用原始维特比算法估计出信号的瞬时频率的基础上,使用本发明改进型维特比算法对交叉混叠区域进行精确瞬时频率估计。
根据
可知,交叉混叠区域内的精确瞬时频率估计需要设置参数c、Δ、D、u和FN的值;
首先,设置参数Δ=2,c=15,使用原始维特比算法得到信号的粗略瞬时频率估计;
然后,设置参数频率阈值D=35,如图5所示,在粗略瞬时频率估计的曲线图上,成功检测到四个矩形定义的交叉混叠区域;
最后,设置参数u=28和FN=8,在交叉混叠区域,采用本发明的改进型维特比算法进行精确瞬时频率估计;如图6所示,待测信号的三个线性调频分量的瞬时频率曲线没有发生任何跳变。
为了进一步定量验证本发明算法的性能,定义了信号理论瞬时频率与实际瞬时频率之间的均方误差(MSE):分别使用原始维特比算法(VA)和本发明算法(Proposed)计算信号的实际瞬时频率进行分析比较;设定信噪比SNR=[-1015]dB,计算1000次待测信号三个分量的瞬时频率,得出平均MSE;如图7、8和9所示,对于信号的三个分量LFM1、LFM2和LFM3,使用本发明算法几乎在所有信噪比SNR处的均方误差均比使用原始维特比算法要小,即使用本发明算法得到的待测信号的瞬时频率更加准确。特别地,对于线性调频分量LFM2,在信噪比SNR小于-5dB时,两者算法的准确度几乎相同;当信噪比SNR大于5dB时,使用本发明算法可以得到更加准确的瞬时频率曲线;对于其他两个线性调频分量LFM1和LFM3,使用本发明算法明显优于原始维特比算法;信噪比SNR越大,本发明算法的性能越好。
实施例2
下面以一个更复杂的包含两个正弦调频(SFM)与LFM混合分量的信号为例,该信号定义为:
假设信噪比SNR=0dB;
如图10所示,两个信号分量的理论瞬时频率曲线有4个交叉点;如图11所示,为信号的时频分布图。
如图12所示,对于本实施例的信号,通常选择较大的Δ及较小的c;如图12(a)所示,当参数Δ较小而c较大时,Δ=2,c=4,采用原始维特比算法得到的瞬时频率曲线的跳变问题较严重;如图12(b)和图12(c)所示,当Δ=2,c=12和Δ=4,c=10时,瞬时频率曲线变得更平滑一些,跳变问题得到缓解。但是,很明显,3个不同参数下的瞬时频率估计在右边的三个IF交叉点处均发生了跳变。
如图13所示,设置参数Δ=4,c=10,设定频率阈值D=70,检测到两个瞬时频率曲线的交叉混叠区域;可以看到,检测的交叉混叠区域有5个,瞬时频率曲线的跳变出现在右边的三个区域。
如图14所示,设置参数u=18,FN=8,采用本发明算法得到的信号的瞬时频率曲线,可以看出,两个信号分量的瞬时频率曲线之间没有出现任何跳变。
如图15和16所示,当信噪比SNR<0dB时,两种算法表现出几乎相同的性能;当信噪比SNR>0dB时,随着信噪比SNR变大,由于瞬时频率的跳变问题,采用原始维特比算法无法获得更准确的瞬时频率曲线。作为对比,当信噪比SNR变大时,采用本发明算法可以获得更准确的瞬时频率曲线。
综上,本发明算法主要受两次瞬时频率估计的影响。频率阈值D直接确定重叠区域的范围,较大的D导致较大的区域;在第二次瞬时频率估计中,代价函数r(N,F,n,k(n))中的参数值u和FN一起确定惩罚值;因此,本发明算法主要受这三个参数的影响。
本发明使用的最小拟合技术假定在时间段[1FN]中的瞬时频率应该满足线性条件;因此,应该基于交叉混叠区域中的瞬时频率的变化率来选择FN。对于线性瞬时频率估计,FN可以设置为较大的值;对于二次或者其他更高阶的瞬时频率,建议使用较小的FN。同时,D应该足够大以包含FN个瞬时频率点。
本发明的参数u决定了瞬时频率的跳变抑制效果,类似于原始维特比算法中的参数c和Δ,参数u的值也是经验的;通常,较大的u会带来更准确的瞬时频率曲线,具有更好的跳变抑制效果;然而,如果u太大时,以至于已经大于信号幅度的代价函数时,瞬时频率估计的误差反而会变大;通过大量的实验发现,参数u的值一般取几十。
瞬时频率估计的性能显然与时频分布也有很大的关系,本发明算法使用了常见的短时傅里叶变换STFT,本发明不仅限于短时傅里叶变换STFT,可以使用其他任意具有高时频聚集性、低交叉项的时频分布算法。
以上仅表达了本发明创造的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明创造专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明创造的保护范围。因此,本发明创造专利的保护范围应以所附权利要求为准。
Claims (3)
1.一种多分量非平稳信号的瞬时频率估计方法,其特征在于,包括如下步骤:
S1:获取多分量非平稳信号的时频分布;
S2:根据信号的时频分布,采用原始维特比算法得到信号的粗略瞬时频率估计;
具体包括以下步骤:
S21:构造频率代价函数g(k(n),k(n+1)),
k(n)为时频分布中n时刻对应点的频率,k(n+1)为时频分布中n+1时刻对应点的频率,Δ为常数,c为系数,g(k(n),k(n+1))表示时频分布中两个相邻时刻频率点之间的跳变代价;
S22:构造幅度代价函数h(TF(n,k(n))),TF(n,k(n))为时频分布中n时刻对应频率点的幅度;
假设时频分布中n时刻对应的频率点有m个,分别为f1,f2……fm,
令TF(n,f1)≥TF(n,f2)≥…TF(n,fm), (2)
h(TF(n,fm))=m-1, (3)
h(TF(n,k(n)))表示时频分布中n时刻对应频率点的幅度代价;
S23:根据信号的时频分布,利用
进行粗略瞬时频率估计;
其中,K为时频分布中n1到n2时刻所有的路径,p(k(n);n1,n2)为频率代价函数g(k(n),k(n+1))和幅度代价函数h(TF(n,k(n)))从n1到n2时刻路径的代价函数之和,为在时频分布中寻找一条代价函数p(k(n);n1,n2)最小的路径,此路径即为信号的粗略瞬时频率估计;
S3:根据粗略瞬时频率估计,获取交叉混叠区域:
利用|IF(n)i-IF(n)j|<D(6)截取交叉混叠区域,IF(n)i为粗略瞬时频率估计中n时刻i分量信号的瞬时频率,IF(n)j为粗略瞬时频率估计中n时刻j分量信号的瞬时频率,D为设定的频率阈值;
S4:根据信号交叉混叠区域的时频分布,设计一种改进型维特比算法得到信号交叉混叠区域的精确瞬时频率估计;在非交叉混叠区域,采用原始维特比算法得到信号非交叉混叠区域的粗略瞬时频率估计;即为信号的瞬时频率估计;
在交叉混叠区域内,改进型维特比算法包括以下步骤:
S41:在S3中获取的交叉混叠区域内,选取n时刻之前已经估计出的FN个瞬时频率点,采用曲线拟合方式预测出n时刻的瞬时频率,记为f(N1×FN,F1×FN,n);
S42:构造差值代价函数r(N,F,n,k(n)),
r(N,F,n,k(n))=u·(f(N1×FN,F1×FN,n)-k(n)), (9)
k(n)为时频分布中n时刻对应点的频率,u为系数,r(N,F,n,k(n))表示n时刻预测的瞬时频率与时频分布中n时刻频率点之间的差值代价;
S43:采用
对交叉混叠区域时频分布进行精确瞬时频率估计;
其中,K为时频分布中n1到n2时刻所有的路径,q(k(n);n1,n2)为差值代价函数r(N,F,n,k(n))和幅度代价函数h(TF(n,k(n)))从n1到n2时刻路径的代价函数之和,即为在时频分布中寻找一条代价函数q(k(n);n1,n2)最小的路径,此路径即为信号在交叉混叠区域内的精确瞬时频率估计;
在非交叉混叠区域内,采用上述S2的方法计算信号非交叉混叠区域的粗略瞬时频率估计。
2.根据权利要求1所述的多分量非平稳信号的瞬时频率估计方法,其特征在于:在S1中,采用STFT变换获取多分量非平稳信号的时频分布。
3.根据权利要求1所述的多分量非平稳信号的瞬时频率估计方法,其特征在于:在S41中,采用最小二乘法拟合预测出n时刻的瞬时频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910085920.0A CN109885805B (zh) | 2019-01-29 | 2019-01-29 | 一种多分量非平稳信号的瞬时频率估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910085920.0A CN109885805B (zh) | 2019-01-29 | 2019-01-29 | 一种多分量非平稳信号的瞬时频率估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109885805A CN109885805A (zh) | 2019-06-14 |
CN109885805B true CN109885805B (zh) | 2022-10-14 |
Family
ID=66927226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910085920.0A Active CN109885805B (zh) | 2019-01-29 | 2019-01-29 | 一种多分量非平稳信号的瞬时频率估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109885805B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112051567B (zh) * | 2020-09-17 | 2023-06-23 | 中南大学 | 人体目标微多普勒频率估计方法 |
CN112666547B (zh) * | 2020-12-11 | 2024-03-19 | 北京理工大学 | 一种无线电多普勒信号频率提取和脱靶量测量方法 |
CN115037388B (zh) * | 2022-06-01 | 2024-02-02 | 东南大学 | 一种基于改进梯度下降法的lfm信号瞬时频率提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007009558A1 (en) * | 2005-07-22 | 2007-01-25 | Institute Of Electronics And Computer Sciences Of Latvian University | Method and apparatus for spectral estimations adapted to non-uniformities of sampling |
CN101603854A (zh) * | 2009-07-15 | 2009-12-16 | 南京信息工程大学 | 旋转机械启停阶段非平稳振动信号瞬时频率估计算法 |
CN103020479A (zh) * | 2012-12-28 | 2013-04-03 | 上海交通大学 | 基于非线性调频小波变换的信号瞬时频率估计方法 |
CN104749432A (zh) * | 2015-03-12 | 2015-07-01 | 西安电子科技大学 | 基于聚焦s变换的多分量非平稳信号瞬时频率估计方法 |
CN106597408A (zh) * | 2016-12-16 | 2017-04-26 | 重庆邮电大学 | 基于时频分析和瞬时频率曲线拟合的高阶pps信号参数估计方法 |
-
2019
- 2019-01-29 CN CN201910085920.0A patent/CN109885805B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007009558A1 (en) * | 2005-07-22 | 2007-01-25 | Institute Of Electronics And Computer Sciences Of Latvian University | Method and apparatus for spectral estimations adapted to non-uniformities of sampling |
CN101603854A (zh) * | 2009-07-15 | 2009-12-16 | 南京信息工程大学 | 旋转机械启停阶段非平稳振动信号瞬时频率估计算法 |
CN103020479A (zh) * | 2012-12-28 | 2013-04-03 | 上海交通大学 | 基于非线性调频小波变换的信号瞬时频率估计方法 |
CN104749432A (zh) * | 2015-03-12 | 2015-07-01 | 西安电子科技大学 | 基于聚焦s变换的多分量非平稳信号瞬时频率估计方法 |
CN106597408A (zh) * | 2016-12-16 | 2017-04-26 | 重庆邮电大学 | 基于时频分析和瞬时频率曲线拟合的高阶pps信号参数估计方法 |
Non-Patent Citations (5)
Title |
---|
An IF estimator for Multicomponent Signals from Time Frequency Distribution;Li Po;《2017 10th International Conference on Intelligent Computation Technology and Automation (ICICTA)》;20171102;全文 * |
An improved Viterbi algorithm for IF extraction of multicomponent signals;Po Li等;《Signal, Image and Video Processing》;20170719;全文 * |
一种基于Viterbi法的改进瞬时转速估计算法;刘永强等;《振动.测试与诊断》;20171015(第05期);全文 * |
一种新的旋转机械升降速阶段振动信号的瞬时频率估计算法;赵晓平等;《机械工程学报》;20110405(第07期);全文 * |
雷达目标微动信号分离与参数估计方法研究;李坡;《万方数据企业知识服务平台》;20130715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109885805A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109885805B (zh) | 一种多分量非平稳信号的瞬时频率估计方法 | |
CN109343020B (zh) | 一种基于改进窗函数的s变换时频分析方法 | |
Lv et al. | Keystone transformation of the Wigner–Ville distribution for analysis of multicomponent LFM signals | |
Brajović et al. | Post-processing of time-frequency representations in instantaneous frequency estimation based on ant colony optimization | |
CN111427018A (zh) | 一种雷达干扰装备干扰效果评估方法 | |
Garry et al. | Direct signal suppression schemes for passive radar | |
CN111474524A (zh) | 一种雷达干扰装备干扰效果监测与决策支持系统 | |
CN108281961B (zh) | 一种自适应鲁棒扩展卡尔曼的参数辨识方法 | |
Lu et al. | A piecewise parametric method based on polynomial phase model to compensate ionospheric phase contamination | |
Khan et al. | ADTFD-RANSAC For multi-component IF estimation | |
CN107248869B (zh) | 一种基于吕分布的多分量线性调频信号去噪方法 | |
Zhang et al. | Power system dynamic frequency measurement based on novel interpolated STFT algorithm | |
Djurovic | Estimation of the sinusoidal signal frequency based on the marginal median DFT | |
CN111985342B (zh) | 一种基于经验模态分解的海杂波时间相关性分析方法 | |
Shi et al. | Refined matching linear chirplet transform for exhibiting time-frequency features of nonstationary vibration and acoustic signals | |
CN110632563B (zh) | 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法 | |
CN115529213B (zh) | 一种用于分离lfm脉冲重叠信号的方法及装置 | |
Romulus | A comparison between instantaneous frequency estimation methods of frequency modulated signals covered with gaussian noise | |
Boudraa | Instantaneous frequency estimation of fm signals by ψb-energy operator | |
Sharif et al. | Efficient wideband sonar parameter estimation using a single slice of Radon-ambiguity transform | |
Ando | Exact short-time identification of rational or polynomial exponent signals | |
Sottek et al. | High-resolution spectral analysis (HSA) vs. discrete fourier transform (DFT) | |
Avendano et al. | Spectrum estimation and adaptive denoising of eElectrocardiographic signals using Kalman filters | |
Jayarama et al. | Enhanced Wideband Frequency Estimation via FFT: Leveraging Polynomial Interpolation and Array Indexing | |
Al-Khafaji et al. | Frequency estimation of FM signals under non-Gaussian and colored noise |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |