CN114866159A - 一种多分量线性调频信号时频分析方法 - Google Patents
一种多分量线性调频信号时频分析方法 Download PDFInfo
- Publication number
- CN114866159A CN114866159A CN202210355207.5A CN202210355207A CN114866159A CN 114866159 A CN114866159 A CN 114866159A CN 202210355207 A CN202210355207 A CN 202210355207A CN 114866159 A CN114866159 A CN 114866159A
- Authority
- CN
- China
- Prior art keywords
- time
- frequency
- signal
- component
- point
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B11/00—Transmission systems employing sonic, ultrasonic or infrasonic waves
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/10—Frequency-modulated carrier systems, i.e. using frequency-shift keying
- H04L27/14—Demodulator circuits; Receiver circuits
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种多分量线性调频信号时频分析方法,过程如下:首先对多分量线性调频信号进行短时傅里叶变换得到时频分布,然后用改进的时频脊线估计算法估计时频分布中具有最大能量的时频脊线,用该时频脊线作为ACMD算法的初始瞬时频率信息,通过ACMD算法分解非完全残差得到信号分量估计值以及对应的瞬时幅度和时频脊线估计值,然后更新非完全残差继续循环迭代估计下一个信号分量及对应的瞬时幅度和时频脊线,直到非完全残差达到设定的阈值,结束整个时频分析算法,根据每个分量信号的瞬时幅度和时频脊线估计值得到改进的自适应时频谱以及每个分量信号对应的调频斜率和起始频率估计值。
Description
技术领域
本发明涉及多分量非平稳信号时频估计技术领域,具体涉及一种多分量线性调频信号时频分析方法。
背景技术
线性调频信号是一种非平稳信号,线性调频信号在雷达探测、转轴故障分析、水下通信系统中用途较为广泛。在水下通信系统中利用多个线性调频信号进行信道探测,由于水下信道的复杂性以及各种噪声的干扰,最终在接收端会收到一个受多普勒效应影响且带有噪声以及时延的多分量线性调频信号,所以对多分量线性调频信号进行时频分析研究具有重要意义。
目前已有的时频分析方法主要分为线性时频分析和双线性时频分析,传统的线性时频分析方法有短时傅里叶变换(STFT)、小波变换(WT),双线性时频分析方法有Wigner-Ville分布(WVD)。目前一些基于STFT改进的同步压缩算法和基于WVD改进的二次时频算法,处理时频域没有交叉的多分量线性调频信号可以得到能量聚集性较高、时频分辨率较高的时频分布,但对时频域存在交叉的多分量线性调频信号处理结果较差,在时频域交叉点处会发生时频脊线失真。针对此问题,可以用模式分解算法进行时频分析,比如基于自适应线性调频模式分解(ACMD)算法结合信号残差获得自适应时频谱,ACMD算法能较好的分解多分量线性调频信号,但处理时频域存在交叉的多分量线性调频信号时,残差的时频分布会出现时频脊线断裂问题,导致后续信号分量的时频脊线估计误差较大进而影响最终的自适应时频谱。
发明内容
本发明的目的是为了解决现有技术中多分量线性调频信号时频分析方法存在的问题,提供一种多分量线性调频信号时频分析方法
本发明的目的可以通过采取如下技术方案达到:
一种多分量线性调频信号时频分析方法,所述时频分析方法包括以下步骤:
S1、对水声通信系统接收到的多分量线性调频信号以Ts为采样周期采样得到离散的多分量线性调频信号S(nt),并定义非完全残差R(nt),利用非完全残差解决时频脊线断裂情况;
S2、对非完全残差R(nt)做短时傅里叶变换得到时频矩阵TF(nt,nf);
S4、将步骤S3中得到的作为ACMD算法的初始频率,利用ACMD算法分解非完全残差R(nt)得到对应的信号分量瞬时幅度和更新的对更新的做线性拟合得到对应的调频斜率估计值起始频率估计值以及时频脊线向量最终估计值更新非完全残差R(nt),并判断是否已存在,根据是否存在的判断结果确定是否需要更新阈值残差Rth(nt);
S5、判断阈值残差Rth(nt)是否达到设定的结束阈值(1-α)S(nt),如果阈值残差大于结束阈值则跳转到S2继续执行,否则整个时频分析方法结束得到各个分量信号的时频脊线向量瞬时幅度调频斜率和起始频率
进一步地,所述步骤S1过程如下:
对水声通信系统接收到的多分量线性调频信号以Ts为采样周期采样得到离散的多分量线性调频信号S(nt),并定义非完全残差表达式,离散多分量线性调频信号S(nt)的表达式如下:
其中Nt是S(nt)的长度,M是S(nt)的分量总个数,n(nt)为高斯白噪声,Ai(nt)是第i个分量信号的幅度,fi是第i个分量信号的起始频率,ki是第i个分量信号的调频斜率;
在基于ACMD算法结合残差得到的自适应时频谱方法中,残差定义为接收信号与当前估计到的分量信号之间的差,记作:
其中,0<α<1,α的取值由信噪比SNR决定,即α=g(SNR),噪声能量越小即信噪比SNR越大,残差的时频脊线断裂越严重,所以在信噪比大时需要保留分量信号i更多的能量以解决残差时频脊线断裂问题,因此定义g(SNR)在(-∞,+∞)上是单调递减函数,由一元线性函数、双边指数函数或argtan函数构成,非完全残差R(nt)的初始值是接收信号S(nt),即R(nt)=S(nt)。
进一步地,所述步骤S2过程如下:
对非完全残差R(nt)做短时傅里叶变换得到时频矩阵TF(nt,nf),表达式如下:
其中w(m)是窗函数,w(nt-m)表示窗函数在时间上反转并有nt个样本偏移量,x(m)是短时傅里叶变换的输入信号,m是输入信号x(m)的采样点,取残差R(nt)作为输入信号,Nf表示以Tf为采样周期对频率采样得到的频率总点数,nf是取值从1到Nf的频率采样点。
进一步地,所述步骤S3过程如下:
根据基于ACMD算法结合残差的时频分析方法,利用与贪心算法类似的原理每次从非完全残差中分解出能带走最多能量的信号分量,执行ACMD算法时需要提供初始频率值,所以需要估计非完全残差时频分布中具有最大能量的时频脊线,具体估计步骤如下:
S301、在TF(nt,nf)中找到具有最大能量的时间频率点(mt,mf),表达式如下:
其中Δnf为设定的频率点增值,rt是时间点mt右侧的时间点,是时间点rt对应的频率点,rt从mt开始,每执行一次式(6),rt就需要加1,rt更新公式为rt=rt+1,直到rt=Nt时结束估计过程,得到时间点mt右侧时频脊线向量对用线性拟合方法得到mt右侧时频脊线的斜率Lk;
为了使得mt左右侧估计的时频脊线属于同一分量信号,时间点mt左侧时频脊线的斜率应该和mt右侧估计的时频脊线斜率一致或者接近,所以下面按照mt右侧时频脊线斜率Lk去估计时间点mt左侧的时频脊线;
其中Δnf为设定的频率点增值表示向下取整,表示向上取整,lt是时间点mt左侧的时间点,是时间点lt对应的频率点,lt从mt开始,每执行一次式(7),lt减1,lt更新公式为lt=lt-1,直到lt=1时结束估计过程,得到完整的时频脊线向量
进一步地,所述步骤S4过程如下:
S401、以步骤S3中得到的作为ACMD算法的初始频率,对非完全残差R(nt)使用ACMD算法分解得到分量信号对应的瞬时幅度更新的时频脊线向量并对时频脊线向量用基于最小二乘法则的拟合方法进行一阶线性拟合得到当前估计的分量信号i的时频脊线向量和调频斜率起始频率
在使用非完全残差时,保留已估计分量信号的部分能量,但每个分量信号的能量大小不一致,如果非完全残差中已估计分量信号保留的部分能量要大于其他未被估计的分量信号能量,则在执行步骤S3时会得到重复的时频脊线,导致步骤S401中ACMD分解非完全残差得到的信号分量重复,所以需要对S401得到的结果去重处理;
其中j为正整数表示已经得到的估计分量信号,1≤j≤i-1,ΔIF为自定义的频率增量向量,根据下式更新非完全残差R(nt),表达式如下:
阈值残差Rth(nt)只有在当前估计到的分量信号i与已有的估计分量信号j不重复时,才执行更新。
进一步地,所述步骤S5过程如下:
无论时频脊线是否重复估计都需要更新非完全残差,所以不能根据非完全残差值判定算法是否结束,步骤S402定义了新的阈值残差用来判定算法是否结束;根据式(11)判断阈值残差是否达到设定的结束阈值(1-α)S(nt):
Rth(nt)≤(1-α)S(nt) (11)
如果式(11)成立,得到基于非完全残差的自适应时频谱:
进一步地,所述步骤S5中当式(11)成立,利用已经得到的分量信号i对应的瞬时幅度估计值和时频脊线估计值以及理想时频分布原理得到基于非完全残差的自适应时频谱的同时,得到每个分量信号对应的调频斜率估计值和起始频率估计值
本发明相对于现有技术具有如下的优点及效果:
1、该方法适应性广。本发明不需要知道多分量线性调频信号的先验信息信号分量总个数,通过阈值残差和设定的结束阈值大小关系判定整个时频分析算法是否结束,同时对估计的时频脊线进行去重处理,避免得到重复的时频脊线。
2、该方法实现步骤简单。本发明通过定义的非完全残差解决基于ACMD算法结合残差的时频分析方法处理时频域有交叉的多分量线性调频信号时存在的时频脊线断裂问题,提高时频脊线估计以及时频谱准确度。
3、该方法能获得每个线性调频信号分量较为精确的起始频率和调频斜率估计值。本发明利用改进的时频脊线估计算法避免时频分布中最大能量点右侧时频脊线向量和左侧时频脊线向量不属于同一信号分量,用基于最小二乘法则的线性拟合方法对时频脊线向量进行一阶线性拟合得到对应的起始频率和调频斜率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施1中信噪比10dB下完全去除分量1之后的残差的STFT变换结果;
图2是本发明实施例1中信噪比10dB下不完全去除分量1之后的非完全残差STFT变换结果;
图3是本发明实施例1中信噪比是10dB下的第一个时频脊线估计结果图;
图4是本发明实施例1中信噪比是10dB下的基于非完全残差得到的自适应时频图;
图5是本发明实施例2信噪比是5dB下的多分量线性调频信号STFT变换结果仿真图;
图6是本发明实施例2信噪比是5dB下的多分量线性调频信号基于非完全残差得到的自适应时频图;
图7是本发明实施例3信噪比是5dB下的多分量线性调频信号STFT变换结果仿真图;
图8是本发明实施例3信噪比是5dB下的多分量线性调频信号基于非完全残差得到的自适应时频图;
图9是本发明中公开的一种多分量线性调频信号时频分析方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合实施例对本发明作进一步的详细描述,但本发明的实施方式不限于此。
实施例1
如图9所示,本实施例公开了一种多分量线性调频信号时频分析方法,包含以下步骤:
S1、对水声通信系统接收到的多分量线性调频信号以Ts=0.002s为采样周期采样得到离散多分量线性调频信号S(nt),并定义非完全残差表达式,S(nt)表达式如下:
其中Nt=3001,M=3,i=1,2,3,n(nt)是均值为0,方差为0.1189的高斯白噪声,信噪比SNR=10,A1(nt)=exp(-0.03·nt·Tt),f1=25.098Hz,k1=15.123Hz/s,A2(nt)=exp(-0.03·nt·Tt),f2=40.8921Hz,k2=8.23Hz/s,A3(nt)=exp(-0.09·nt·Tt),f3=60.023Hz,k3=12.678Hz/s。
其中表示分量信号i的估计值,1≤i≤M,0<α<1,α的取值由信噪比SNR决定,即α=g(SNR),g(SNR)在(-∞,+∞)上是单调递减函数,由一元线性函数、双边指数函数或argtan函数构成,非完全残差R(nt)的初始值是S(nt),即R(nt)=S(nt)。本实施例中α定义为:
其中w(m)是窗函数,w(nt-m)表示窗函数在时间上反转并有nt个样本偏移量,x(m)是短时傅里叶变换的输入信号,m是输入信号x(m)的采样点,取残差R(nt)作为输入信号,Nf表示以Tf为采样周期对频率采样得到的频率总点数,nf是从1到Nf的频率采样点,本实施例Tf=0.488,Nf=1024,TF(nt,nf)是大小为1024行3001列的矩阵。
S301、在时频矩阵TF(nt,nf)中找到具有最大能量的时间频率点(mt,mf),表达式如下:(mt,mf)=argmax|TF(nt,nf)| (5)
其中Δnf为设定的频率点增值,本实施例Δnf=4,rt是时间点mt右侧的时间点,是时间点rt对应的频率点,rt从mt开始,每执行一次式(6),rt就需要加1,rt更新公式为rt=rt+1,直到rt=Nt时结束估计过程,得到时间点mt右侧时频脊线向量对用线性拟合方法得到mt右侧时频脊线的斜率Lk;
其中 表示向下取整,表示向上取整,lt是时间点mt左侧的时间点,是时间点lt对应的频率点,lt从mt开始,每执行一次式(7),lt减1,lt更新公式为lt=lt-1,直到lt=1时结束估计过程,得到完整的时频脊线向量
S401、以步骤S3中得到的作为ACMD算法的初始频率,对非完全残差R(nt)使用ACMD算法分解得到分量信号以及对应的幅度更新的时频脊线向量并对时频脊线向量用基于最小二乘法则的拟合方法进行一阶线性拟合得到当前估计的分量信号i的时频脊线向量和调频斜率起始频率
在使用非完全残差时,保留已估计分量信号的部分能量,但每个分量信号的能量大小不一致,如果非完全残差中已估计分量信号保留的部分能量要大于其他未被估计的分量信号能量,则在执行步骤S3时会得到重复的时频脊线,导致步骤S401中ACMD分解非完全残差得到的信号分量重复,所以需要对S401得到的结果去重处理;
阈值残差Rth(nt)只有在当前估计到的分量信号与已有的估计分量信号不重复时,才执行更新。
S5、根据下式判断阈值残差是否达到设定的结束阈值
表1.实施例1中线性调频信号分量的调频斜率以及起始频率的估计值表
实施例2
如图9所示,基于实施例1,本实施例继续公开一种多分量线性调频信号时频分析方法,包括以下步骤:
S1、在实施例1的基础上更改多分量线性调频信号各个分量信号的幅度、调频斜率以及起始频率,n(nt)是均值为0,方差为0.3712的高斯白噪声,信噪比SNR=5,A1(nt)=exp(-0.03·nt·Tt),f1=90.258Hz,k1=-10.5370Hz/s,A2(nt)=exp(-0.03·nt·Tt),f2=100.621Hz,k2=-9.4820Hz/s,A3(nt)=exp(-0.09·nt·Tt),f3=140.023Hz,k3=-20.678Hz/s。
S2、参照实施例1中对应步骤实施,此处不再阐述。
S3、参照实施例1中对应步骤实施,此处不再阐述。
S4、根据SNR取值,步骤S402按照下式更新非完全残差R(nt):
其他步骤参考实施例1中对应步骤实施,此处不再阐述。
表2.实施例2中线性调频信号分量的调频斜率以及起始频率的估计值表
实施例3
如图9所示,基于实施例1,本实施例继续公开一种多分量线性调频信号时频分析方法,包含以下步骤:
S1、在实施例1的基础上更改多分量线性调频信号分量个数M=4,n(nt)是均值为0,方差为0.4800的高斯白噪声,信噪比SNR=5,A1(nt)=exp(-0.03·nt·Tt),f1=35.540Hz,k1=10.239Hz/s,A2(nt)=exp(-0.03·nt·Tt),f2=50.201Hz,k2=20.091Hz/s,A3(nt)=exp(-0.09·nt·Tt),f3=62.761Hz,k3=2.678Hz/s,A4(nt)=exp(-0.06·nt·Tt),f4=80.122Hz,k3=3.092Hz/s。
S2、参照实施例1中对应步骤实施,此处不再阐述。
S3、参照实施例1中对应步骤实施,此处不再阐述。
S4、根据SNR取值,步骤S402按照下式更新非完全残差R(nt):
其他步骤参考实施例1中对应步骤实施,此处不再阐述。
表3.实施例3中线性调频信号分量的调频斜率以及起始频率的估计值表
在实施例1中,SNR=10,利用本发明提出的一种多分量线性调频信号时频分析方法对时频域有交叉的三分量线性调频信号进行时频分析,得到的时频谱如图4所示,对比图3由STFT变换得到的时频谱,本发明提出的方法提高了时频能量聚集性以及时频分辨率,在实施例1中的表1记录了三个分量信号对应的调频斜率以及起始频率真实值和估计值,每个分量信号的调频斜率估计相对误差在±4.1658×10-4~±9.7205×10-4之间,起始频率估计相对误差在±5.6978×10-4~±8.3672×10-4之间,因此利用本发明提出的一种多分量线性调频信号时频分析方法得到的每个分量信号的调频斜率以及起始频率可信度较高。在实施例2中,SNR=5,利用本发明提出的一种多分量线性调频信号时频分析方法对时频域有交叉的三分量线性调频信号进行时频分析,相对实施例1该三个分量在时频域相隔较近且有两个交点,得到的时频谱如图6所示,对比图5由STFT变换得到的时频谱,本发明方法明显提高了时频分辨率以及能量聚集性,在实施例2的表2中记录了三个分量对应的调频斜率以及起始频率估计值,每个分量的调频斜率估计相对误差在±1.7710×10-4~±12.00×10-4之间,起始频率估计相对误差在±1.8783×10-4~±4.3064×10-4之间,因此对每个分量的调频斜率以及起始频率估计值可信度较高。在实施例3中,SNR=5,利用本发明提出的一种多分量线性调频信号时频分析方法对时频域有交叉的四分量线性调频信号进行时频分析,相对实施例1和实施例2,该实施例的多分量线性调频信号由四个线性调频信号分量组成,得到的时频谱如图8所示,对比其图7STFT变换得到的时频谱,很好的提高了时频能量聚集性以及时频分辨率,在实施例3的表3中记录了四个分量对应的调频斜率以及起始频率估计值,每个分量的调频斜率估计相对误差在±2×10-4~±9×10-4,起始频率估计相对误差在±1×10-4~±4×10-4之间,因此对每个分量的调频斜率以及起始频率估计值可信度较高。综上所述,实施例1、实施例2、实施例3分别仿真验证了本发明提出的方法在信噪比SRN=10以及SNR=5环境下对多分量线性调频信号的时频分析,同时对不同分量个数的多分量线性调频信号进行了时频分析仿真验证,仿真结果表明本发明提出的一种多分量线性调频信号时频分析方法的有效性,能准确的估计每个分量信号的时频脊线以及调频斜率和起始频率。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种多分量线性调频信号时频分析方法,其特征在于,所述时频分析方法包括以下步骤:
S1、对水声通信系统接收到的多分量线性调频信号以Ts为采样周期采样得到离散的多分量线性调频信号S(nt),并定义非完全残差R(nt)解决基于ACMD算法结合残差的自适应时频分析方法中存在的时频脊线断裂问题;
S2、对非完全残差R(nt)做短时傅里叶变换得到时频矩阵TF(nt,nf);
S4、将步骤S3中得到的作为ACMD算法的初始频率,利用ACMD算法分解非完全残差R(nt)得到对应的信号分量瞬时幅度和更新的对更新的做线性拟合得到对应的调频斜率估计值起始频率估计值以及时频脊线向量最终估计值更新非完全残差R(nt),并判断是否已存在,根据是否存在的判断结果确定是否需要更新阈值残差Rth(nt);
2.根据权利要求1所述的一种多分量线性调频信号时频分析方法,其特征在于,所述步骤S1过程如下:
对水声通信系统接收到的多分量线性调频信号以Ts为采样周期采样得到离散的多分量线性调频信号S(nt),并定义非完全残差表达式,多分量线性调频信号S(nt)的表达式如下:
其中Nt是S(nt)的长度,M是S(nt)的分量总个数,n(nt)为高斯白噪声,Ai(nt)是第i个分量信号的幅度,fi是第i个分量信号的起始频率,ki是第i个分量信号的调频斜率;
接收信号与当前估计到的分量信号之间的差记作:
其中,0<α<1,α的取值由信噪比SNR决定,即α=g(SNR),g(SNR)在(-∞,+∞)上是单调递减函数,由一元线性函数、双边指数函数或argtan函数构成,非完全残差R(nt)的初始值是接收信号S(nt),即R(nt)=S(nt)。
4.根据权利要求3所述的一种多分量线性调频信号时频分析方法,其特征在于,所述步骤S3过程如下:
S301、在TF(nt,nf)中找到具有最大能量的时间频率点(mt,mf),表达式如下:
其中Δnf为设定的频率点增值,rt是时间点mt右侧的时间点,是时间点rt对应的频率点,rt从mt开始,每执行一次式(6),rt就需要加1,rt更新公式为rt=rt+1,直到rt=Nt时结束估计过程,得到时间点mt右侧时频脊线向量对用线性拟合方法得到mt右侧时频脊线的斜率Lk;
其中Δnf为设定的频率点增值表示向下取整,表示向上取整,lt是时间点mt左侧的时间点,是时间点lt对应的频率点,lt从mt开始,每执行一次式(7),lt减1,lt更新公式为lt=lt-1,直到lt=1时结束估计过程,得到完整的时频脊线向量
5.根据权利要求4所述的一种多分量线性调频信号时频分析方法,其特征在于,所述步骤S4过程如下:
S401、以步骤S3中得到的作为ACMD算法的初始频率,对非完全残差R(nt)使用ACMD算法分解得到分量信号对应的瞬时幅度更新的时频脊线向量并对时频脊线向量用基于最小二乘法则的拟合方法进行一阶线性拟合得到当前估计到的信号分量i的时频脊线向量和调频斜率起始频率
其中j为正整数表示已经得到的估计分量信号,1≤j≤i-1,ΔIF为自定义的频率增量向量,根据下式更新非完全残差R(nt),表达式如下:
阈值残差Rth(nt)只有在当前估计到的分量信号i与已有的估计分量信号j不重复时,才执行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210355207.5A CN114866159B (zh) | 2022-04-01 | 2022-04-01 | 一种多分量线性调频信号时频分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210355207.5A CN114866159B (zh) | 2022-04-01 | 2022-04-01 | 一种多分量线性调频信号时频分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114866159A true CN114866159A (zh) | 2022-08-05 |
CN114866159B CN114866159B (zh) | 2023-04-21 |
Family
ID=82629467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210355207.5A Active CN114866159B (zh) | 2022-04-01 | 2022-04-01 | 一种多分量线性调频信号时频分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114866159B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118226387A (zh) * | 2024-05-23 | 2024-06-21 | 成都玖锦科技有限公司 | 一种基于线性调频连续波性质的瞬态分析方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107248869A (zh) * | 2017-05-24 | 2017-10-13 | 电子科技大学 | 一种基于吕分布的多分量线性调频信号去噪技术 |
CN109510787A (zh) * | 2018-10-15 | 2019-03-22 | 中国人民解放军战略支援部队信息工程大学 | 水声信道下线性调频信号参数估计方法及装置 |
KR20190066363A (ko) * | 2017-12-05 | 2019-06-13 | 한양대학교 에리카산학협력단 | Eq 기법을 이용한 수동 시역전 수중통신 성능 예측 방법 |
CN111665469A (zh) * | 2020-06-11 | 2020-09-15 | 浙江大学 | 一种基于空间时频分布的水下多径信号参数估计方法 |
CN111935038A (zh) * | 2020-08-03 | 2020-11-13 | 中国人民解放军国防科技大学 | 基于分数阶傅里叶变换的线性调频干扰消除方法 |
CN113472390A (zh) * | 2021-07-07 | 2021-10-01 | 哈尔滨工程大学 | 一种基于深度学习的跳频信号参数估计方法 |
CN113887360A (zh) * | 2021-09-23 | 2022-01-04 | 同济大学 | 一种基于迭代扩展频散模态分解的频散波提取方法 |
-
2022
- 2022-04-01 CN CN202210355207.5A patent/CN114866159B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107248869A (zh) * | 2017-05-24 | 2017-10-13 | 电子科技大学 | 一种基于吕分布的多分量线性调频信号去噪技术 |
KR20190066363A (ko) * | 2017-12-05 | 2019-06-13 | 한양대학교 에리카산학협력단 | Eq 기법을 이용한 수동 시역전 수중통신 성능 예측 방법 |
CN109510787A (zh) * | 2018-10-15 | 2019-03-22 | 中国人民解放军战略支援部队信息工程大学 | 水声信道下线性调频信号参数估计方法及装置 |
CN111665469A (zh) * | 2020-06-11 | 2020-09-15 | 浙江大学 | 一种基于空间时频分布的水下多径信号参数估计方法 |
CN111935038A (zh) * | 2020-08-03 | 2020-11-13 | 中国人民解放军国防科技大学 | 基于分数阶傅里叶变换的线性调频干扰消除方法 |
CN113472390A (zh) * | 2021-07-07 | 2021-10-01 | 哈尔滨工程大学 | 一种基于深度学习的跳频信号参数估计方法 |
CN113887360A (zh) * | 2021-09-23 | 2022-01-04 | 同济大学 | 一种基于迭代扩展频散模态分解的频散波提取方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118226387A (zh) * | 2024-05-23 | 2024-06-21 | 成都玖锦科技有限公司 | 一种基于线性调频连续波性质的瞬态分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114866159B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9804999B2 (en) | Signal/noise separation using FrFT rotational parameter obtained in relation to Wigner Distribution | |
CN111224672B (zh) | 一种基于多通道延时的多谐波信号欠采样方法 | |
CN106209703B (zh) | 一种跳频信号参数盲估计方法及装置 | |
KR101294681B1 (ko) | 기상 신호 처리장치 및 그 처리방법 | |
CN114785379B (zh) | 一种水声janus信号参数估计方法及系统 | |
CN114866159A (zh) | 一种多分量线性调频信号时频分析方法 | |
US20150003506A1 (en) | Determining the spectral energy content of a data bus | |
CN114690003A (zh) | 一种基于eemd的局放信号降噪方法 | |
Khan et al. | Robust sparse reconstruction of signals with gapped missing samples from multi-sensor recordings | |
CN109347482A (zh) | 基于参数估计的跳频信号压缩感知重构方法 | |
CN113206714A (zh) | 一种基于误码率的接收机脉冲信号干扰评估方法 | |
CN114611542A (zh) | 信号降噪处理方法及通信装置 | |
CN116032709B (zh) | 无先验知识fsk信号盲解调和调制特征解析方法及装置 | |
CN114564682B (zh) | 短时傅里叶变换与wvd相结合的自适应时频分析方法 | |
US20020196877A1 (en) | Method and apparatus for characterizing the distortion produced by electronic equipment | |
CN105812300A (zh) | 消除信息码跳变的长码dsss信号盲估计方法 | |
CN116484198A (zh) | 无人机遥控图传信号的参数盲估计方法 | |
Hill Jr | The computation of error probability for digital transmission | |
Greitans | Time-frequency representation based chirp-like signal analysis using multiple level crossings | |
US11394415B2 (en) | System and method for achieving a clean separation of signal and noise | |
CN115184876A (zh) | 一种基于小波变换及波形整形的2fsk信号参数估计方法 | |
CN114884780A (zh) | 基于被动时间反转镜的水声通信信号调制识别方法及装置 | |
EP3712626B1 (en) | High-rate dft-based data manipulator and data manipulation method for high performance and robust signal processing | |
CN102710290A (zh) | 一种欠采样率脉冲uwb通信系统中的窄带干扰消除方法 | |
JP6746029B2 (ja) | 無線通信システム、干渉抑圧方法、制御回路およびプログラム記憶媒体 |
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 |