高階時頻分布及其在LPI信號分析中的應(yīng)用.pdf

1、本文以低截獲概率(LPI)雷達信號脈內(nèi)特征提取為研究背景,開展高階時頻分布研究,重點圍繞L類Wigner-Ville時頻分布(LWVD)和復(fù)時間延遲時頻分布(CTD)的時頻聚集性改善、交叉項抑制以及瞬時頻率(IF)估計三方面內(nèi)容來改進算法性能,為后續(xù)的信號特征提取與識別提供更為有效的參數(shù)信息。
　　首先,針對傳統(tǒng)時頻分布對于多分量非線性調(diào)頻信號存在嚴重自交叉項與互交叉項,以及時頻聚集性低的問題,本文研究了基于自適應(yīng)頻域窗長的S-M

2、ethod(SM)算法,并實現(xiàn)了基于自適應(yīng)SM迭代的LWVD。然后將其應(yīng)用于多分量LPI雷達信號分析中,通過仿真實驗驗證了該算法能夠有效抑制交叉項,同時對于多項式調(diào)頻信號保持較高時頻聚集性。
　　其次,針對在低信噪比下,基于時頻分布的非線性調(diào)頻信號IF估計存在較大偏差的問題,提出了基于Viterbi算法與LWVD結(jié)合的IF估計方法。該算法結(jié)合了LWVD對于多項式調(diào)頻信號的高聚集性特點和Viterbi算法的最優(yōu)路徑選擇特性,實現(xiàn)了在

3、強噪聲環(huán)境下非線性調(diào)頻信號IF的精確估計。并通過仿真實驗有效地驗證了該算法的優(yōu)越性。
　　然后,針對時頻特性復(fù)雜的信號具有較低時頻分辨率的問題,由LWVD迭代算法啟發(fā),本文重點研究了具有高聚集性的L類CTD。通過實驗驗證了該分布比同階次的其它分布具有更高時頻聚集性與分辨率。同時,L類CTD能夠精確估計時頻特性復(fù)雜信號的IF。
　　最后,針對CTD對于多分量信號存在嚴重交叉項的問題,本文提出了一種基于短時傅里葉變換與自適應(yīng)SM