多分量Chirp信號(hào)的時(shí)頻表示與參數(shù)估計(jì)的研究及其應(yīng)用.pdf

1、Chirp信號(hào)是一種典型的非平穩(wěn)信號(hào)，廣泛地應(yīng)用于通信、雷達(dá)、聲納、生物醫(yī)學(xué)和地震勘探等系統(tǒng)，許多自然現(xiàn)象也可以用Chirp信號(hào)作為信號(hào)模型。本文以多分量Chirp信號(hào)為研究對象，采用時(shí)頻重排-Hough變換、分?jǐn)?shù)階傅立葉變換、三參數(shù)Chirp原子分解等方法，對多分量Chirp信號(hào)的時(shí)頻表示、檢測與參數(shù)估計(jì)進(jìn)行了較為深入的研究。 從時(shí)頻聚集性、交叉項(xiàng)抑制、分量間的可分辨性等方面，研究了模糊函數(shù)、WVD及Cohen類雙線性時(shí)頻分布

2、對多分量Chirp信號(hào)的時(shí)頻表示性能。盡管模糊函數(shù)和WVD對單分量Chirp信號(hào)有最好的時(shí)頻聚集性，但它們對多分量Chirp信號(hào)的時(shí)頻表示卻存在交叉項(xiàng)干擾。Cohen類時(shí)頻分布使用核函數(shù)平滑來減少交叉項(xiàng)，但平滑也使時(shí)頻聚集性下降，交叉項(xiàng)和較低的時(shí)頻聚集性又導(dǎo)致分量間的可分辨性變差，所以，對于多分量Chirp信號(hào)，現(xiàn)有的雙線性時(shí)頻分布不是最好的時(shí)頻分析工具。 由于多分量Chirp信號(hào)在時(shí)頻平面淹沒在交叉項(xiàng)和噪聲中，直接從其時(shí)頻分布

3、很難辨別信號(hào)的存在。為此提出了將該信號(hào)的雙線性時(shí)頻分布作為圖像，由于Chirp信號(hào)在時(shí)頻平面呈直線，利用Hough變換檢測圖像中直線的原理，將噪聲中多分量Chirp信號(hào)的檢測與參數(shù)估計(jì)轉(zhuǎn)換為在參數(shù)空間尋找局部極大值及其相應(yīng)坐標(biāo)的問題，使檢測和參數(shù)估計(jì)一并完成。針對WVD中的交叉項(xiàng)經(jīng)Hough變換后會(huì)形成偽尖峰；抑制此偽尖峰而平滑交叉項(xiàng)又造成時(shí)頻聚集性下降這一矛盾，提出了基于時(shí)頻重排-Hough變換和抽取圖像脊-Hough變換的兩種改進(jìn)方

4、法，從而既解決了交叉項(xiàng)抑制與時(shí)頻聚集性下降的矛盾，又縮短了Hough變換的時(shí)間，提高了檢測和參數(shù)估計(jì)的準(zhǔn)確性，也改善了抗噪聲性能，并將時(shí)頻重排-Hough變換方法應(yīng)用于對噪聲中多運(yùn)動(dòng)目標(biāo)雷達(dá)回波信號(hào)的檢測，仿真實(shí)驗(yàn)結(jié)果證明了該方法的有效性。 深入系統(tǒng)地研究了分?jǐn)?shù)階傅立葉變換(FRFT：FractionalFourierTransform)的基本理論，包括傅立葉變換算子的分?jǐn)?shù)階化過程、FRFT的定義與性質(zhì)、典型信號(hào)的FRFT、分?jǐn)?shù)

5、階傅立葉域的概念和運(yùn)算、FRFT與其它的時(shí)頻表示的關(guān)系、以及離散FRFT的計(jì)算等。我們的目的是從多個(gè)角度揭示和分析多分量Chirp信號(hào)在適當(dāng)?shù)姆謹(jǐn)?shù)階傅立葉變換域呈現(xiàn)沖激信號(hào)特征的機(jī)理。利用這個(gè)特征，提出了對直接序列擴(kuò)頻通信系統(tǒng)中多個(gè)Chirp寬帶干擾的識(shí)別和剔除方法，仿真實(shí)驗(yàn)結(jié)果說明了這種方法的可行性。 研究了Chirplet變換的定義和物理意義，它適合于對多分量Chirp信號(hào)的線性時(shí)頻表示，但其定義的高維參數(shù)空間無法使它實(shí)際應(yīng)

6、用。分析了匹配追逐算法原理和尋找最佳時(shí)頻原子的計(jì)算復(fù)雜性。在此基礎(chǔ)上，提出了具有三參數(shù)Chirp原子的預(yù)估計(jì)的匹配追逐方法，來對多分量Chirp信號(hào)進(jìn)行時(shí)頻表示與參數(shù)估計(jì)。首先，提出了基于分?jǐn)?shù)階傅立葉變換的旋轉(zhuǎn)-徑向移位算子，證明了該算子對WVD的旋轉(zhuǎn)協(xié)變性和徑向移不變性，并通過將該算子作用于比例后的高斯基函數(shù)，得到用比例、旋轉(zhuǎn)、徑向移位三個(gè)參數(shù)表示的Chirp原子，使Chirp原子由五個(gè)參數(shù)降為三個(gè)參數(shù)表示；然后提出了基于預(yù)估計(jì)的匹配

7、追逐算法(PEMP：PriorEstimateMatchingPursuit)以搜索最佳三參數(shù)Chirp原子，并將PEMP方法應(yīng)用于合成信號(hào)、實(shí)際的聲音信號(hào)和地震數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，PEMP方法能從整體上把握信號(hào)中固有的時(shí)頻結(jié)構(gòu)，避免原始MP算法因局部優(yōu)化的貪婪性對信號(hào)的過于分解，可以得到信號(hào)的緊湊表示，并能提供每個(gè)Chirp分量的參數(shù)?；谌齾?shù)Chirp原子分解的時(shí)頻分布是恒正的，不含交叉項(xiàng)干擾，沒有窗效應(yīng)，且有較高的時(shí)頻聚集性和可