对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Shor...对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取方法.首先采用基于加权迭代自适应的STIAA时频分析方法分析了散射点模型的微多普勒特性,然后利用逆Radon变换分离重构不同散射点的微多普勒分量.该方法在低信噪比、邻近时频分布情况下能获得高分辨的多分量信号的完整微多普勒信息,性能分析显示STIAA-IRT重构精度较高,明显优于STFT-IRT(Short Time Fourier Transform-Inverse Radon Transform)和SM-IRT(S-Method-Inverse Radon Transform)特征提取方法.展开更多
本文构建了以特征函数和传递概率为传递函数的CF-GERT（characteristic function based GERT）模型，利用特征函数的性质，证明了CF-GERT网络串联结构、并联结构、自环结构的传递关系与信号流图等价传递参数计算完全相同，故可借鉴信号...本文构建了以特征函数和传递概率为传递函数的CF-GERT（characteristic function based GERT）模型，利用特征函数的性质，证明了CF-GERT网络串联结构、并联结构、自环结构的传递关系与信号流图等价传递参数计算完全相同，故可借鉴信号流图理论求解CF-GERT模型.考虑以梅森公式为基础的经典GERT解析算法需要分析复杂的网络拓扑结构，提出了CF-GERT网络的矩阵式表征方法，进而设计了CF-GERT的矩阵式求解算法，推导了期望、方差、等价特征函数的计算公式.若等价特征函数绝对可积，则利用傅里叶逆变换推导概率密度函数；否则，运用Fang等提出的COS方法推导.最后用两个案例说明了所提方法的有效性.展开更多
文摘本文构建了以特征函数和传递概率为传递函数的CF-GERT（characteristic function based GERT）模型，利用特征函数的性质，证明了CF-GERT网络串联结构、并联结构、自环结构的传递关系与信号流图等价传递参数计算完全相同，故可借鉴信号流图理论求解CF-GERT模型.考虑以梅森公式为基础的经典GERT解析算法需要分析复杂的网络拓扑结构，提出了CF-GERT网络的矩阵式表征方法，进而设计了CF-GERT的矩阵式求解算法，推导了期望、方差、等价特征函数的计算公式.若等价特征函数绝对可积，则利用傅里叶逆变换推导概率密度函数；否则，运用Fang等提出的COS方法推导.最后用两个案例说明了所提方法的有效性.
