時頻分析方法在線性調(diào)頻信號檢測中的應(yīng)用研究.pdf

1、線性調(diào)頻信號(LFM)多年來被廣泛應(yīng)用。因此，熟知LFM信號的性能和檢測LFM信號的方法是至關(guān)重要的。本論文比較了一種經(jīng)典的維納時頻分布(WVD)，兩種現(xiàn)代常用的WVD和一種新的融合PWVD與SPWVD的方法。這三種算法研究的比較普遍而且在語音處理、聲學(xué)、圖像處理、心電圖分析以及地震數(shù)據(jù)處理等領(lǐng)域有著很好的應(yīng)用前景。
　　盡管WVD具有很好的時頻分辨率，但是在檢測多組線性調(diào)頻信號時會產(chǎn)生交叉項(xiàng)的干擾。這些缺點(diǎn)也就減少了這種方法的使

2、用程度。PWVD與SPWVD的方法通過利用窗函數(shù)的方法來減小交叉項(xiàng)的干擾。然而這些方法會影響時頻分辨率。所有上面的方法與HT變換相結(jié)合使信號的檢測轉(zhuǎn)換為在H域的峰值檢測。然而HT的算法非常復(fù)雜以至于不適合實(shí)時處理。
　　本文提出的方法包括PWVD和Hough變換的二進(jìn)制積累。這種方法能有效地抑制交叉項(xiàng)的干擾并且具有較好的時頻分辨率。而且這種方法的運(yùn)算速度較快并且具有很好的實(shí)用價值。更重要的是，這種方法在很多情況下具有噪聲抑制能力。

3、
　　論文中對四種方法在檢測一個線性調(diào)頻信號、檢測兩個線性調(diào)頻信號以及檢測不同強(qiáng)度的線性調(diào)頻信號應(yīng)用中進(jìn)行了研究。并且研究了每種方法在不同情況下的時頻分辨率以及抑制交叉項(xiàng)干擾的能力。本文主要的成果在于提供了這四種方法的近似特性與差異。通過仿真，研究了這些方法在不同的信噪比條件下的特性，更重要的是本文將這些算法應(yīng)用在一個未曾被考慮的新情況中。
　　論文中得出的一些主要結(jié)論表示，WVD方法適合使用在檢測一個LFM信號的情況下，新