基于EMD和ICA的混合信号分离算法研究

发布时间：2024-04-12 03:22

　　当今电子信息技术发展迅猛,电子战已经成为现代化战场中占据主导地位的一部分,无人机侦察的作战方式在电子侦察中也具有非常重要的作用,但由于作战的电磁环境复杂,被接收机截获的信号中极大概率包含多个在时域和频域上重合的雷达信号。有效地分离混合雷达信号并对信号的类型和参数作出判断,是后续做出正确的战略决策的重要前提。本文将经验模态分解的算法与独立成分分析的基本思想结合,深入研究了单路混合信号的分离算法。首先,对常见雷达信号和混合雷达信号的特性展开研究。雷达信号的混合是指到达接收机的信号在时域或频域上重叠,经典的时频分析方法并不能有效地对混合信号进行处理,因此引入经验模态分解的方法在信号的时频分布上展开分析。本文主要研究的信号类型为线性调频信号和单频信号的线性组合形式,信道噪声类型为高斯白噪声。其次,对经验模态分解算法的基本原理和主要问题展开研究。该算法能够自适应地将信号分解为多个具有物理意义的分量,并在时频分布上具有较好的时频聚集特性。算法本身存在对噪声敏感、模态混叠、虚假分量的问题,本文分析了主要问题的来源和影响,分别对信号进行了降噪和解混叠的处理。其中,在信号的降噪部分提出了小波包框架下的经...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题来源及研究的背景和意义
    1.2 国内外研究现状及分析
        1.2.1 混合信号分离方法研究现状
        1.2.2 经验模态分解研究现状
        1.2.3 独立成分分析算法研究现状
    1.3 本文主要研究内容
第2章 信号源建模及经验模态分解理论
    2.1 引言
    2.2 混合雷达信号建模
        2.2.1 混合雷达信号来源分析
        2.2.2 混合雷达信号数学建模
        2.2.3 混合雷达信号时频特性分析
    2.3 EMD基本理论
        2.3.1 EMD算法步骤
        2.3.2 EMD算法主要问题
    2.4 本章小结
第3章 基于EMD-IIT和ICA的混合信号预处理
    3.1 引言
    3.2 基于EMD和小波包的信号去噪
        3.2.1 EMD迭代区间阈值去噪
        3.2.2 基于小波包阈值的信号去噪
        3.2.3 小波包框架下的EMD-IIT去噪算法研究
    3.3 基于独立成分分析的模态解混叠
        3.3.1 常用模态解混叠算法
        3.3.2 独立成分分析算法
        3.3.3 基于FastICA的模态解混叠
    3.4 本章小结
第4章 基于时频分析和ICA的源信号恢复
    4.1 引言
    4.2 源信号恢复算法基本步骤
    4.3 基于Hilbert变换的混合信号时频分析
        4.3.1 Hilbert变换基本理论
        4.3.2 IMF分量的时频分析
        4.3.3 源信号时频特性估计
    4.4 基于ICA的源信号恢复系数矩阵求解
        4.4.1 混合信号与IMF分量的变换关系
        4.4.2 源信号恢复系数矩阵的求解
    4.5 混合信号分离算法性能分析
    4.6 本章小结
结论
参考文献
致谢



本文编号：3951584