Alpha稳定分布噪声下线性调频信号的参数估计
发布时间：2021-10-20 11:12
线性调频信号是一类重要的低截获概率信号,已经在声纳、雷达、通信及地震勘测等领域获得广泛应用。另外,线性调频信号作为典型的非平稳信号,其频率调制为一阶时变的,可以作为处理高阶多项式相位信号的基础,因此研究线性调频信号的参数估计方法具有重要意义。传统的线性调频信号分析方法均基于高斯背景噪声,而近年来的研究表明,一些实际噪声或人为噪声特征更适合采用alpha稳定分布建模。随着噪声模型的改变,基于二阶统计量的常规算法不再适用。因此,开展alpha稳定分布噪声环境下线性调频信号的检测与参数估计方法研究,具有重要理论意义和工程价值。Alpha稳定分布噪声环境下,传统时频分析方法对线性调频信号分析性能退化甚至失效,不利于信号参数提取。对此,论文根据alpha稳定分布噪声的特点,构造可抑制大脉冲的高斯型函数,并在此基础上提出了一种基于短时高斯-傅里叶变换时频分布的线性调频信号参数估计新方法。该方法首先对观测信号加滑动窗,然后采用所构造的高斯型函数对短时窗内信号进行处理,得到短时高斯-傅里叶变换。此变换在有效抑制alpha稳定分布噪声的同时,可得信号的时频分布,并且对不同强度的脉冲噪声均具有良好的稳健性...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
LFM信号时域波形和频谱
第 2.2.1 节，STFT 中窗函数选矩形窗，其窗长通过自适应寻优算法确定[55]。由图可知，LFM信号的频率随时间呈线性变化。图2.4为3dB的高斯噪声下LFM信号的STF与其相应的等高线图。由图 2.4(a)可以看到除了信号的频率信息外，噪声的信息同样存在，但其幅值较低；由图 2.4(b)可以看出虽然高斯噪声对 STFT 有影响，但信号的直线特征仍可较好地显示。
[55]。由图可知，LFM信号的频率随时间呈线性变化。图2.4为3dB的高斯噪声下LFM信号的STFT与其相应的等高线图。由图 2.4(a)可以看到除了信号的频率信息外，噪声的信息同样存在，但其幅值较低；由图 2.4(b)可以看出虽然高斯噪声对 STFT 有影响，但信号的直线特征仍可较好地显示。(a) STFT (b) 等高线图图 2.3 LFM 信号的 STFT 和 STFT 等高线图
【参考文献】：
期刊论文
[1]基于分数阶傅里叶变换的LFM信号参数估计[J]. 渠莹,杨俊. 物联网技术. 2017(11)
[2]复杂噪声下基于同步压缩Chirplet变换的LFM信号参数估计[J]. 金艳,高舵,姬红兵. 电子与信息学报. 2017(08)
[3]基于Radon-Ambiguity变换的LFM信号时/频差快速联合估计[J]. 杨林森,张子敬,郭付阳. 电波科学学报. 2016(06)
[4]基于GST-Hough变换的LFM信号识别方法[J]. 王红卫,范翔宇,陈游,杨远志. 系统工程与电子技术. 2016(10)
[5]BP神经网络算法改进及应用研究[J]. 李如平,朱炼,吴房胜,徐珍玉. 菏泽学院学报. 2016(02)
[6]基于柯西分布的跳频信号参数最大似然估计方法[J]. 金艳,李曙光,姬红兵. 电子与信息学报. 2016(07)
[7]STFT与WVD在地震波时频分析中的应用[J]. 刘希康,丁志峰,李媛,崔仁胜. 地震地磁观测与研究. 2016(01)
[8]基于分数阶自相关的线性调频信号的参数提取[J]. 闫哲,孙婉君,王奇伟. 测控技术. 2016(02)
[9]α稳定分布噪声下基于最优L-柯西加权的LFM信号参数估计[J]. 金艳,胡碧昕,姬红兵. 系统工程与电子技术. 2016(07)
[10]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺. 计算机学报. 2016(08)
博士论文
[1]线性调频信号参数估计方法研究[D]. 马宁.南京理工大学 2014
[2]α稳定分布参数估计及自适应滤波算法研究[D]. 单志明.哈尔滨工程大学 2012
硕士论文
[1]Chirp信号参数估计方法的研究[D]. 王志洋.吉林大学 2013
[2]基于时频分析的LFM及数字信号处理与参数识别研究[D]. 孙小杰.西南交通大学 2012
[3]基于中值算法和Myriad算法的非线性信号处理[D]. 李科.上海交通大学 2009
本文编号：3446805
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
LFM信号时域波形和频谱
第 2.2.1 节，STFT 中窗函数选矩形窗，其窗长通过自适应寻优算法确定[55]。由图可知，LFM信号的频率随时间呈线性变化。图2.4为3dB的高斯噪声下LFM信号的STF与其相应的等高线图。由图 2.4(a)可以看到除了信号的频率信息外，噪声的信息同样存在，但其幅值较低；由图 2.4(b)可以看出虽然高斯噪声对 STFT 有影响，但信号的直线特征仍可较好地显示。
[55]。由图可知，LFM信号的频率随时间呈线性变化。图2.4为3dB的高斯噪声下LFM信号的STFT与其相应的等高线图。由图 2.4(a)可以看到除了信号的频率信息外，噪声的信息同样存在，但其幅值较低；由图 2.4(b)可以看出虽然高斯噪声对 STFT 有影响，但信号的直线特征仍可较好地显示。(a) STFT (b) 等高线图图 2.3 LFM 信号的 STFT 和 STFT 等高线图
【参考文献】：
期刊论文
[1]基于分数阶傅里叶变换的LFM信号参数估计[J]. 渠莹,杨俊. 物联网技术. 2017(11)
[2]复杂噪声下基于同步压缩Chirplet变换的LFM信号参数估计[J]. 金艳,高舵,姬红兵. 电子与信息学报. 2017(08)
[3]基于Radon-Ambiguity变换的LFM信号时/频差快速联合估计[J]. 杨林森,张子敬,郭付阳. 电波科学学报. 2016(06)
[4]基于GST-Hough变换的LFM信号识别方法[J]. 王红卫,范翔宇,陈游,杨远志. 系统工程与电子技术. 2016(10)
[5]BP神经网络算法改进及应用研究[J]. 李如平,朱炼,吴房胜,徐珍玉. 菏泽学院学报. 2016(02)
[6]基于柯西分布的跳频信号参数最大似然估计方法[J]. 金艳,李曙光,姬红兵. 电子与信息学报. 2016(07)
[7]STFT与WVD在地震波时频分析中的应用[J]. 刘希康,丁志峰,李媛,崔仁胜. 地震地磁观测与研究. 2016(01)
[8]基于分数阶自相关的线性调频信号的参数提取[J]. 闫哲,孙婉君,王奇伟. 测控技术. 2016(02)
[9]α稳定分布噪声下基于最优L-柯西加权的LFM信号参数估计[J]. 金艳,胡碧昕,姬红兵. 系统工程与电子技术. 2016(07)
[10]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺. 计算机学报. 2016(08)
博士论文
[1]线性调频信号参数估计方法研究[D]. 马宁.南京理工大学 2014
[2]α稳定分布参数估计及自适应滤波算法研究[D]. 单志明.哈尔滨工程大学 2012
硕士论文
[1]Chirp信号参数估计方法的研究[D]. 王志洋.吉林大学 2013
[2]基于时频分析的LFM及数字信号处理与参数识别研究[D]. 孙小杰.西南交通大学 2012
[3]基于中值算法和Myriad算法的非线性信号处理[D]. 李科.上海交通大学 2009
本文编号：3446805
本文链接：https://www.wllwen.com/kejilunwen/wltx/3446805.html
