基于聚焦s变换的多分量非平稳信号瞬时频率估计方法
【技术领域】
[0001] 本发明属于信号与信息处理技术领域，特别设及一种瞬时频率估计方法，可用于 雷达截获、通信对抗、语音识别、医学脑电波信号分析。
【背景技术】
[0002] 实际工程应用领域普遍存在非平稳信号，如雷达信号、通信信号、语音信号等，其 共性是拥有时变的频率特征。传统的傅里叶变换FT针对周期性平稳信号，不能反映非平稳 信号的局部特征。因此，在分析该类信号结构特点时，需要采用瞬时频率IF估计方法。当 截获到的非平稳信号进入信号分析系统中，瞬时频率IF估计可W表征该类信号频率随时 间的变化情况，对于分析非平稳信号具有瞬时有效性。
[0003] 时频分析是一种信号处理方法，利用信号的时间一频率联合分布来表征信号能量 的分布特征。将时频分析方法应用于瞬时频率估计中可W更精确地表征信号特征，并获得 更高的能量聚集性和更强的抑噪能力。许多基于时频域的分析方法在文献中已被提出， 其中常用的时频分析方法有短时傅里叶变换STFT，连续小波变换CWT，Wigner-Ville分布 WVD，S变换ST，广义S变换GST等。短时傅里叶变换是一种线性时频分析方法且易于实 现，但其能量聚集性很低。连续小波有着多分辨率特性但是其尺度参量缺乏明确物理意义。 Wigner-Ville分布WVD是一种双线性变换，针对单分量信号具有很强的能量聚集性但是在 多分量信号分析中会受到交叉项的影响，使得信号难W分辨。S变换是一种将小波与短时傅 里叶变换结合的分析方法，它保留了信号的相位信息，但是由于基本小波形态固定，限制了 S变换在工程应用中的灵活性。随着S变换在工程中的推广应用，各种改进的广义S变换被 提出，并广泛应用于雷达信号、脑电图信号EEG，地震信号和电压信号等的分析中。但广义S 变换并没有改变时频聚集性的变化趋势，不能灵活的控制特定时频区域的能量聚集性。
[0004] 综上所述，现有瞬时频率估计技术中普遍存在能量聚集性不高、时频分辨率无法 灵活调整且无法实现高精度的多分量信号瞬时频率估计。
【发明内容】
[0005] 本发明的目的在于提供一种基于聚焦S变换的多分量非平稳信号的瞬时频率估 计方法，W解决现有技术对该类信号的瞬时频率估计中能量聚集性较低、时频分辨率调整 性较差且对多分量信号估计精度较低的缺陷。
[0006] 本发明是基于聚焦S变换的时频分析方法，其技术方案通过改进广义S变换中的 窗函数，加入中屯、频率控制参数shiftN并进行平移变换，同时加入窗长控制参数r和窗长 变化趋势控制参数P并进行尺度变换，从而控制不同时频区域的能量聚集性，实现对目标 时频区域的自适应时频分辨率调整。即使在低信噪比环境下，也能获得高聚集性和高分辨 率的时频分布能量图。其实现步骤包括如下：
[0007] (1)输入非平稳信号的时域形式h(t)，其中t代表时间，非平稳信号包括线性调频 信号、正弦调频信号、线性调频与二次调频的多分量混合信号；
[000引 （2)对非平稳信号的时域形式h(t)进行傅里叶变换，得到非平稳信号的频域形式 H(f)，其中f代表频率；
[0009] (3)定义聚焦S变换窗函数的频域形式为：
[0010]w(a，f) =k? exp((f+shiftN)2Pa 2r/。<1〉
[OCm] 其中，k代表归一化参数，shiftN代表中屯、频率控制参数，r代表窗长控制参数，p代表窗长变化趋势控制参数，a代表频移；
[0012] (4)根据式<1〉求出聚焦S变换的时频表达式：
[001引
【主权项】
1. 一种基于聚焦S变换的多分量非平稳信号瞬时频率估计方法，其特征在于：包括以 下步骤： (1) 输入非平稳信号的时域形式h(t)，其中t代表时间，非平稳信号包括线性调频信 号、正弦调频信号、线性调频与二次调频的多分量混合信号； (2) 对非平稳信号的时域形式h(t)进行傅里叶变换，得到非平稳信号的频域形式 H(f)，其中f代表频率； (3) 定义聚焦S变换窗函数的频域形式为： W(a,f) = k · exp ((f+shiftN)2p a 2r/2) <1> 其中，k代表归一化参数，shiftN代表中心频率控制参数，r代表窗长控制参数，p代表 窗长变化趋势控制参数，a代表频移； (4) 根据式〈1>求出聚焦S变换的时频表达式：
其中，H(a+f)代表加入频移a后非平稳信号的频域形式，W(a，f)代表聚焦S变换窗 函数的频域形式，i代表虚数单位； (5) 根据式〈2>求出聚集性准则判别式CM如下：
(6) 依照式〈3>优化中心频率控制参数shiftN，窗长控制参数r和窗长变化趋势控制 参数P，即在聚集性准则判别式CM取最大值时，得到最优化中心频率控制参数shiftN'，最 优化窗长控制参数r'和最优化窗长变化趋势控制参数p' ； (7) 将最优化中心频率控制参数shiftN'，最优化窗长控制参数r'和最优化窗长变化 趋势控制参数P'代入式〈1>，得到聚焦S变换窗函数的频域聚焦形式W'（a，f); (8) 根据聚焦S变换窗函数的频域聚焦形式W'（ a，f)，按照式〈2>得到非平稳信号最 优化聚焦S变换的时频表达式S'（t，f)，根据S'（t，f)获得非平稳信号h(t)的时频分布能 量图； (9) 根据时频域支撑区间置信度准则设定门限γ，以门限γ为二值化处理门限对非平 稳信号h(t)的时频分布能量图进行二值化处理，获得表征非平稳信号h(t)时频分布的时 频曲线，将该时频曲线作为非平稳信号h(t)的瞬时频率估计结果。
2. 根据权利要求1所述的基于聚焦S变换的多分量非平稳信号瞬时频率估计方法，其 特征在于，（6)所述的依照聚集性准则判别式CM优化中心频率控制参数shiftN，窗长控制 参数r和窗长变化趋势控制参数p，按如下步骤进行： (6a)设定初始值，包括：初始中心频率控制参数shiftN = 0,初始窗长控制参数r = 2， 初始窗长变化趋势控制参数P = 2,初始聚集性准则判别式CM = inf，其中inf为无限大； (6b)设定参数优化区间，包括：中心频率控制参数shiftN优化区间为[_2fs，2fs]，窗 长控制参数r和窗长变化趋势控制参数p的优化区间均为[0. 6,1. 3]，其中f s为采样频率； (6c)在聚集性准则判别式CM最大化的约束条件下，在各自的优化区间内，搜索得到最 优中心频率控制参数shiftN'，最优窗长控制参数r'和最优窗长变化趋势控制参数p'。
3. 根据权利要求1所述的基于聚焦S变换的多分量非平稳信号瞬时频率估计方法，其 特征在于，步骤（9)所述的根据时频域支撑区间置信度准则设定门限γ，按以下步骤设定： (9a)根据非平稳信号h(t)的时频分布能量图得到二维矩阵Sx; (9b)将该二维矩阵Sx中所有M个元素按降序排列获得一维向量A，并对一维向量A中 所有M个元素求和，获得
(9c)顺序累加一维向量A中前m个元素，直至
钗第m个元素值A(m) 作为门限γ的取值，即γ =A(m)，其中ri代表残差能量控制参数，取值为ri =0.7。
4. 根据权利要求1所述的基于聚焦S变换的多分量非平稳信号瞬时频率估计方法，其 特征在于，步骤（9)所述的以门限γ为二值化处理门限对非平稳信号h(t)的时频分布能 量图进行二值化处理，是用非平稳信号h(t)的时频分布能量图中每个点与门限γ进行比 较，将所有小于门限γ的点取值为〇,其余点取值为1。
【专利摘要】本发明公开了一种基于聚焦S变换的多分量非平稳信号瞬时频率估计方法，主要解决现有技术的能量聚集性不高、时频分辨率无法灵活调整且无法实现高精度的多分量信号瞬时频率估计问题，其实现步骤：1.输入待分析的非平稳信号；2.根据聚集性准则优化聚焦S变换中窗函数的控制参数；3.计算优化后的聚焦S变换并获得信号时频分布能量图；4.对非平稳信号的时频分布能量图进行二值化处理；5.根据二值化处理后的二值化时频图得到信号的瞬时频率估计。本发明通过改进S变换的窗函数，实现了窗函数控制参数的自适应调节，提高了时频分布能量聚集性和瞬时频率估计精准性，可用于雷达截获、通信对抗、语音识别、医学脑电波信号分析。
【IPC分类】G01R23-16, G01R23-02
【公开号】CN104749432
【申请号】CN201510107597
【发明人】朱明哲, 姬红兵, 齐悦, 张心亮, 刘靳, 臧博, 李林
【申请人】西安电子科技大学
【公开日】2015年7月1日
【申请日】2015年3月12日