當(dāng)今電子信息技術(shù)發(fā)展迅猛,電子戰(zhàn)已經(jīng)成為現(xiàn)代化戰(zhàn)場(chǎng)中占據(jù)主導(dǎo)地位的一部分,無(wú)人機(jī)偵察的作戰(zhàn)方式在電子偵察中也具有非常重要的作用,但由于作戰(zhàn)的電磁環(huán)境復(fù)雜,被接收機(jī)截獲的信號(hào)中極大概率包含多個(gè)在時(shí)域和頻域上重合的雷達(dá)信號(hào)。有效地分離混合雷達(dá)信號(hào)并對(duì)信號(hào)的類(lèi)型和參數(shù)作出判斷,是后續(xù)做出正確的戰(zhàn)略決策的重要前提。本文將經(jīng)驗(yàn)?zāi)B(tài)分解的算法與獨(dú)立成分分析的基本思想結(jié)合,深入研究了單路混合信號(hào)的分離算法。首先,對(duì)常見(jiàn)雷達(dá)信號(hào)和混合雷達(dá)信號(hào)的特性展開(kāi)研究。雷達(dá)信號(hào)的混合是指到達(dá)接收機(jī)的信號(hào)在時(shí)域或頻域上重疊,經(jīng)典的時(shí)頻分析方法并不能有效地對(duì)混合信號(hào)進(jìn)行處理,因此引入經(jīng)驗(yàn)?zāi)B(tài)分解的方法在信號(hào)的時(shí)頻分布上展開(kāi)分析。本文主要研究的信號(hào)類(lèi)型為線性調(diào)頻信號(hào)和單頻信號(hào)的線性組合形式,信道噪聲類(lèi)型為高斯白噪聲。其次,對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解算法的基本原理和主要問(wèn)題展開(kāi)研究。該算法能夠自適應(yīng)地將信號(hào)分解為多個(gè)具有物理意義的分量,并在時(shí)頻分布上具有較好的時(shí)頻聚集特性。算法本身存在對(duì)噪聲敏感、模態(tài)混疊、虛假分量的問(wèn)題,本文分析了主要問(wèn)題的來(lái)源和影響,分別對(duì)信號(hào)進(jìn)行了降噪和解混疊的處理。其中,在信號(hào)的降噪部分提出了小波包框架下的經(jīng)...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題來(lái)源及研究的背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.2.1 混合信號(hào)分離方法研究現(xiàn)狀
        1.2.2 經(jīng)驗(yàn)?zāi)B(tài)分解研究現(xiàn)狀
        1.2.3 獨(dú)立成分分析算法研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第2章 信號(hào)源建模及經(jīng)驗(yàn)?zāi)B(tài)分解理論
    2.1 引言
    2.2 混合雷達(dá)信號(hào)建模
        2.2.1 混合雷達(dá)信號(hào)來(lái)源分析
        2.2.2 混合雷達(dá)信號(hào)數(shù)學(xué)建模
        2.2.3 混合雷達(dá)信號(hào)時(shí)頻特性分析
    2.3 EMD基本理論
        2.3.1 EMD算法步驟
        2.3.2 EMD算法主要問(wèn)題
    2.4 本章小結(jié)
第3章 基于EMD-IIT和ICA的混合信號(hào)預(yù)處理
    3.1 引言
    3.2 基于EMD和小波包的信號(hào)去噪
        3.2.1 EMD迭代區(qū)間閾值去噪
        3.2.2 基于小波包閾值的信號(hào)去噪
        3.2.3 小波包框架下的EMD-IIT去噪算法研究
    3.3 基于獨(dú)立成分分析的模態(tài)解混疊
        3.3.1 常用模態(tài)解混疊算法
        3.3.2 獨(dú)立成分分析算法
        3.3.3 基于FastICA的模態(tài)解混疊
    3.4 本章小結(jié)
第4章 基于時(shí)頻分析和ICA的源信號(hào)恢復(fù)
    4.1 引言
    4.2 源信號(hào)恢復(fù)算法基本步驟
    4.3 基于Hilbert變換的混合信號(hào)時(shí)頻分析
        4.3.1 Hilbert變換基本理論
        4.3.2 IMF分量的時(shí)頻分析
        4.3.3 源信號(hào)時(shí)頻特性估計(jì)
    4.4 基于ICA的源信號(hào)恢復(fù)系數(shù)矩陣求解
        4.4.1 混合信號(hào)與IMF分量的變換關(guān)系
        4.4.2 源信號(hào)恢復(fù)系數(shù)矩陣的求解
    4.5 混合信號(hào)分離算法性能分析
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3951584