本文關鍵詞：基于經驗模態(tài)分解的多分量信號分析方法研究

  更多相關文章： 經驗模態(tài)分解 希爾伯特變換 高斯濾波 多分量信號 時頻分析

【摘要】：現(xiàn)在戰(zhàn)場電磁環(huán)境日漸復雜,對輻射源信號進行被動截獲、分析,提取其關鍵的脈內調制參數(shù),進而實現(xiàn)對輻射源目標的識別、干擾、攻擊,對獲得戰(zhàn)爭的主動權具有重要意義。如何有效的分析出信號的形式及多樣性進而估計信號的特征參數(shù)是這中間的關鍵步驟,影響著信號分析的有效性和可靠性。輻射源信號的多樣性不僅體現(xiàn)在信號種類的多樣性,也在于同一時間進入雷達接收機的信號分量個數(shù)�；诖�,本文將重點對多分量信號進行分析,提取信號的時頻分布特征,進而完成信號的關鍵參數(shù)提取。首先,對多分量信號的特性展開分析研究,多分量信號的形成主要是由于輻射源信號被接收機截獲時在時間域上發(fā)生重疊,其可以表示成若干單分量信號混合的形式,然后通過仿真實驗驗證了傳統(tǒng)的信號分析方法無法有效的處理多分量信號,不能反映信號的內部調制本質,分量類型為線性調頻和正弦調頻信號,信道為高斯白噪聲信道。然后,經過對經驗模態(tài)分解基本理論的研究,可知該算法是一種自適應的時頻分析方法,針對其本身存在的問題,分析了其產生原因及具體影響,并有側重的選擇相應的方法給予解決,主要包括:利用極值點延拓的方法對端點飛翼的現(xiàn)象進行抑制;通過計算相關性方法對分解過程中產生的虛假分量進行剔除;針對模態(tài)混疊效應,本課題采取了集合經驗模態(tài)分解的方法在一定程度上進行了改善,但此效應在噪聲較大的情況下無法完全消除;最后將獨立分量分析和高階統(tǒng)計量相結合用于去噪操作,實驗結果表明,在5d B下,基本能夠保證噪聲的有效抑制,不影響后續(xù)的信號分析。最后,針對Hilbert-Huang譜時頻線發(fā)散的問題,采用改進Hilbert變換對去噪后的固有模態(tài)函數(shù)進行處理,使得時頻線變得更加緊湊。接下來利用高斯窗中間加權大四周加權小的特點,通過多次滑窗,使時頻線能量更加集中,與平滑偽魏格納分布相比,兩種算法的抗噪性能相當,但本文方法時頻聚集程度更出色。在提取完時頻分布的基礎上,利用“幅度加權加窗K-均值聚類”方法完成時頻線的提取,進而實現(xiàn)相應參數(shù)的估計。通過以上分析,本文算法計算量較大,但具有兼顧時頻聚集性和抗噪聲能力的優(yōu)勢。
【關鍵詞】：經驗模態(tài)分解 希爾伯特變換 高斯濾波 多分量信號 時頻分析
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.6
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-18
• 1.1 課題來源及研究的背景和意義9-10
• 1.2 國內外研究現(xiàn)狀及分析10-16
• 1.2.1 傳統(tǒng)時頻分析方法10-13
• 1.2.2 經驗模態(tài)分解算法13-14
• 1.2.3 多分量信號時頻提取研究現(xiàn)狀14-16
• 1.3 本文主要研究內容16-18
• 第2章 信號源建模及經驗模態(tài)分解基本理論18-35
• 2.1 多分量信號源建模18-22
• 2.1.1 多分量雷達輻射源信號產生原因18-19
• 2.1.2 多分量雷達輻射源信號基本模型19-22
• 2.2 EMD基本原理介紹22-25
• 2.2.1 IMF基本概念22-23
• 2.2.2 EMD算法步驟23-25
• 2.3 EMD算法主要問題25-34
• 2.4 本章小結34-35
• 第3章 多分量信號經驗模態(tài)分解問題抑制35-55
• 3.1 基于極值點延拓的端點效應抑制35-38
• 3.2 基于相關處理的IMF虛假分量消除38-40
• 3.3 EEMD方法對模態(tài)混疊效應抑制40-46
• 3.3.1 產生模態(tài)混疊的原因40-41
• 3.3.2 EEMD算法原理和步驟41-44
• 3.3.3 EEMD對間斷信號引起的模態(tài)混疊抑制44-46
• 3.4 獨立分量分析與高階統(tǒng)計量相結合的噪聲抑制研究46-54
• 3.4.1 基本概念47-50
• 3.4.2 基于ICA噪聲抑制基本步驟50-54
• 3.5 本章小結54-55
• 第4章 多分量信號時頻線提取及參數(shù)估計55-67
• 4.1 基于改進希爾伯特變換信號時頻分布提取55-58
• 4.1.1 改進希爾伯特變換55-57
• 4.1.2 時頻分布提取57-58
• 4.2 高斯窗平滑濾波58-62
• 4.3 基于幅度加窗加權K-均值聚類信號時頻線的提取62-66
• 4.3.1 幅度加窗加權K-均值聚類概念62-64
• 4.3.2 信號時頻線的提取64-66
• 4.4 本章小結66-67
• 結論67-68
• 參考文獻68-72
• 攻讀碩士學位期間發(fā)表的論文及其他成果72-74
• 致謝74

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 王秋生;段丹輝;;經驗模態(tài)分解的邊界效應處理技術[J];計算機測量與控制;2006年12期

2 馮志華;朱忠奎;劉剛;伍小燕;;經驗模態(tài)分解方法的小波消失現(xiàn)象[J];數(shù)據采集與處理;2006年04期

3 宋立新;王祁;王玉靜;梁X;;具有間斷事件檢測和分離的經驗模態(tài)分解方法[J];哈爾濱工程大學學報;2007年02期

4 劉小峰;秦樹人;柏林;;基于小波包的經驗模態(tài)分解法的研究及應用[J];中國機械工程;2007年10期

5 胡維平;莫家玲;龔英姬;趙方偉;杜明輝;;經驗模態(tài)分解中多種邊界處理方法的比較研究[J];電子與信息學報;2007年06期

6 胡維平;杜明輝;;信號采樣率對經驗模態(tài)分解的影響研究[J];信號處理;2007年04期

7 楊智春;譚光輝;;一種基于樣條插值的經驗模態(tài)分解改進算法[J];西北工業(yè)大學學報;2007年05期

8 楊彩紅;張郁山;;基于折線包絡的經驗模態(tài)分解方法[J];國際地震動態(tài);2008年11期

9 張西良;萬學功;李萍萍;張建;徐云峰;;動態(tài)稱量經驗模態(tài)分解數(shù)據處理方法[J];江蘇大學學報(自然科學版);2008年06期

10 李洪;郝豪豪;孫云蓮;;具有獨立分量的經驗模態(tài)分解算法研究[J];哈爾濱工業(yè)大學學報;2009年07期

中國重要會議論文全文數(shù)據庫 前10條

1 秦毅;秦樹人;毛永芳;;正交經驗模態(tài)分解及其快速實現(xiàn)[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

2 秦毅;秦樹人;毛永芳;;正交經驗模態(tài)分解及其快速實現(xiàn)[A];第九屆全國振動理論及應用學術會議論文集[C];2007年

3 楊永鋒;;經驗模態(tài)分解與非線性分析的協(xié)同研究[A];第四屆全國動力學與控制青年學者研討會論文摘要集[C];2010年

4 侯文文;鄒俊忠;劉未來;;基于經驗模態(tài)分解的眼電偽差去除研究[A];上海市化學化工學會2010年度學術年會論文集（自動化專題）[C];2010年

5 李關防;許春雷;惠俊英;;基于經驗模態(tài)分解的特征提取算法研究[A];中國造船工程學會電子技術學術委員會2011年海戰(zhàn)場電子信息技術學術年會論文集[C];2011年

6 薛志宏;李廣云;周蓉;;一種基于經驗模態(tài)分解的信號降噪方法[A];全國工程測量2012技術研討交流會論文集[C];2012年

7 張飛漣;劉嚴萍;;經驗模態(tài)分解與神經網絡方法在降水預測領域的應用研究[A];中國系統(tǒng)工程學會第十八屆學術年會論文集——A01系統(tǒng)工程[C];2014年

8 康春玉;章新華;;一種基于經驗模態(tài)分解的信號降噪方法[A];中國聲學學會2007年青年學術會議論文集（下）[C];2007年

9 辛鵬;辛雷;蔡國偉;李曉琦;;一種基于經驗模態(tài)分解與支持向量機的電力系統(tǒng)短期負荷預測新方法[A];第十一屆全國電工數(shù)學學術年會論文集[C];2007年

10 郝文峰;駱英;顧建祖;;基于經驗模態(tài)分解-支持向量機的玻璃幕墻開膠損傷預測研究[A];中國力學學會學術大會'2009論文摘要集[C];2009年

中國博士學位論文全文數(shù)據庫 前10條

1 黎恒;經驗模態(tài)分解中關鍵問題的優(yōu)化理論與方法研究[D];西安電子科技大學;2016年

2 葛光濤;二維經驗模態(tài)分解研究及其在圖像處理中的應用[D];哈爾濱工程大學;2009年

3 孫暉;經驗模態(tài)分解理論與應用研究[D];浙江大學;2005年

4 張繼紅;經驗模態(tài)分解及徑向基函數(shù)的一些應用研究[D];大連理工大學;2012年

5 熊衛(wèi)華;經驗模態(tài)分解方法及其在變壓器狀態(tài)監(jiān)測中的應用研究[D];浙江大學;2006年

6 楊賢昭;基于經驗模態(tài)分解的故障診斷方法研究[D];武漢科技大學;2012年

7 高靜;經驗模態(tài)分解的改進方法及應用研究[D];北京理工大學;2014年

8 陳志剛;經驗模態(tài)分解與Savitzky-Golay方法的自適應遙感影像融合[D];華東師范大學;2010年

9 周義;快速二維經驗模態(tài)分解和相位追蹤方法及其在導波無損檢測中的應用[D];上海交通大學;2014年

10 石志曉;時頻聯(lián)合分析方法在參數(shù)識別中的應用[D];大連理工大學;2005年

中國碩士學位論文全文數(shù)據庫 前10條

1 史玉君;基于經驗模態(tài)分解的眼電偽跡去除方法的研究[D];蘭州大學;2015年

2 梁江海;基于經驗模態(tài)分解的通信信號細微特征分析[D];國防科學技術大學;2013年

3 趙強;基于EMD的齒輪故障診斷技術研究[D];東北石油大學;2015年

4 熊偉;試車臺振動測試系統(tǒng)的關鍵技術研究[D];河南工業(yè)大學;2015年

5 陳凱;快速非平穩(wěn)信號分析診斷與應用[D];上海交通大學;2015年

6 楊U唝~;基于經驗模態(tài)分解的城市供水水質異常事件檢測方法研究[D];浙江大學;2016年

7 郭學雯;利用經驗模態(tài)分解方法研究新型熱中子探測器數(shù)據周期性[D];河北師范大學;2016年

8 楊勤甜;基于經驗模態(tài)分解和粗糙集屬性約簡的超聲缺陷信號分類識別研究[D];南昌航空大學;2016年

9 李超;透平機組故障特征提取技術研究與系統(tǒng)開發(fā)[D];天津工業(yè)大學;2016年

10 盧丹丹;基于EEMD的CPI與PPI關系的結構分析及傳導機制研究[D];暨南大學;2016年

，

本文編號：1073307