微动信号是典型的非平稳信号,时频分析能够获得微动信号的联合时间频率分布图像,是微动信号分析的主要工具之一,良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中,时频图像通常受到噪声污染,使得微动信号难...微动信号是典型的非平稳信号,时频分析能够获得微动信号的联合时间频率分布图像,是微动信号分析的主要工具之一,良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中,时频图像通常受到噪声污染,使得微动信号难以分辨,严重制约了后续特征提取和参数估计。根据显著性检测和图像金字塔的基本原理,本文在多分辨率表示图像上分别计算显著性并滤波,最后进行加权融合获得增强的时频图像,有效抑制了噪声,提升了低信噪比(signal to noise ratio,SNR)下时频图像的质量和微动信号的显著性。实验结果表明,对于仿真信号以及暗室测量信号,在-7~7 dB SNR下,采用该方法均能显著提升时频图像质量,且-3 dB以下时能大幅提高周期估计的准确率,是一种有效的微动信号增强方法。展开更多
相对于传统机载相控阵雷达单输入多输出(SIMO)体制,多输入多输出(MIMO)机载雷达中的空时自适应处理(STAP)技术可以获得杂波抑制和动目标检测性能的大幅提升。但是传统机载MIMO雷达空时自适应处理所需要的计算量和样本需求量巨大,无法满...相对于传统机载相控阵雷达单输入多输出(SIMO)体制,多输入多输出(MIMO)机载雷达中的空时自适应处理(STAP)技术可以获得杂波抑制和动目标检测性能的大幅提升。但是传统机载MIMO雷达空时自适应处理所需要的计算量和样本需求量巨大,无法满足非均匀杂波环境和实时性要求。为了解决这一问题,本文提出了一种机载MIMO雷达空时自适应杂波抑制方法(clutter suppression based on space time sampling matrix,CSBSM)。该方法利用了杂波协方差矩阵的低秩特性,基于空时采样矩阵构造杂波协方差矩阵,并通过空时滑窗处理对杂波功率进行估计,在非均匀杂波环境下CSBSM方法仅需要单个样本即可实现对杂波的有效抑制。同时,由于空时采样矩阵和独立采样点位置可离线计算,因此CSBSM方法的运算量较小,适用于极端非均匀杂波环境。计算机仿真结果验证了所提方法的有效性。展开更多
文摘微动信号是典型的非平稳信号,时频分析能够获得微动信号的联合时间频率分布图像,是微动信号分析的主要工具之一,良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中,时频图像通常受到噪声污染,使得微动信号难以分辨,严重制约了后续特征提取和参数估计。根据显著性检测和图像金字塔的基本原理,本文在多分辨率表示图像上分别计算显著性并滤波,最后进行加权融合获得增强的时频图像,有效抑制了噪声,提升了低信噪比(signal to noise ratio,SNR)下时频图像的质量和微动信号的显著性。实验结果表明,对于仿真信号以及暗室测量信号,在-7~7 dB SNR下,采用该方法均能显著提升时频图像质量,且-3 dB以下时能大幅提高周期估计的准确率,是一种有效的微动信号增强方法。
文摘相对于传统机载相控阵雷达单输入多输出(SIMO)体制,多输入多输出(MIMO)机载雷达中的空时自适应处理(STAP)技术可以获得杂波抑制和动目标检测性能的大幅提升。但是传统机载MIMO雷达空时自适应处理所需要的计算量和样本需求量巨大,无法满足非均匀杂波环境和实时性要求。为了解决这一问题,本文提出了一种机载MIMO雷达空时自适应杂波抑制方法(clutter suppression based on space time sampling matrix,CSBSM)。该方法利用了杂波协方差矩阵的低秩特性,基于空时采样矩阵构造杂波协方差矩阵,并通过空时滑窗处理对杂波功率进行估计,在非均匀杂波环境下CSBSM方法仅需要单个样本即可实现对杂波的有效抑制。同时,由于空时采样矩阵和独立采样点位置可离线计算,因此CSBSM方法的运算量较小,适用于极端非均匀杂波环境。计算机仿真结果验证了所提方法的有效性。
