技术特征：
1.一种多分量线性调频信号时频分析方法，其特征在于，所述时频分析方法包括以下步骤：s1、对水声通信系统接收到的多分量线性调频信号以t
s
为采样周期采样得到离散的多分量线性调频信号s(n
t
)，并定义非完全残差r(n
t
)解决基于acmd算法结合残差的自适应时频分析方法中存在的时频脊线断裂问题；s2、对非完全残差r(n
t
)做短时傅里叶变换得到时频矩阵tf(n
t
,n
f
)；s3、采用改进的时频脊线估计算法估计tf(n
t
,n
f
)中具有最大能量的时频脊线向量i表示第i个分量，1≤i≤m，m是信号分量总个数；s4、将步骤s3中得到的作为acmd算法的初始频率，利用acmd算法分解非完全残差r(n
t
)得到对应的信号分量瞬时幅度和更新的对更新的做线性拟合得到对应的调频斜率估计值起始频率估计值以及时频脊线向量最终估计值更新非完全残差r(n
t
)，并判断是否已存在，根据是否存在的判断结果确定是否需要更新阈值残差r
th
(n
t
)；s5、判断阈值残差r
th
(n
t
)是否达到设定的结束阈值(1-α)s(n
t
)，如果阈值残差大于结束阈值则跳转到s2继续执行，否则整个时频分析方法结束得到各个分量信号的时频脊线向量瞬时幅度调频斜率和起始频率2.根据权利要求1所述的一种多分量线性调频信号时频分析方法，其特征在于，所述步骤s1过程如下：对水声通信系统接收到的多分量线性调频信号以t
s
为采样周期采样得到离散的多分量线性调频信号s(n
t
)，并定义非完全残差表达式，多分量线性调频信号s(n
t
)的表达式如下：其中n
t
是s(n
t
)的长度，m是s(n
t
)的分量总个数，n(n
t
)为高斯白噪声，a
i
(n
t
)是第i个分量信号的幅度，f
i
是第i个分量信号的起始频率，k
i
是第i个分量信号的调频斜率；接收信号与当前估计到的分量信号之间的差记作：其中表示第i个分量信号的估计值，为了处理基于acmd算法结合残差的自适应时频谱存在的时频脊线断裂问题，在计算残差时保留当前估计到的第i个分量信号的部分能量，定义非完全残差r(n
t
)，表达式如下：其中，0＜α＜1，α的取值由信噪比snr决定，即α＝g(snr)，g(snr)在(-∞,+∞)上是单调递减函数，由一元线性函数、双边指数函数或argtan函数构成，非完全残差r(n
t
)的初始值是接收信号s(n
t
)，即r(n
t
)＝s(n
t
)。3.根据权利要求2所述的一种多分量线性调频信号时频分析方法，其特征在于，所述步骤s2过程如下：对非完全残差r(n
t
)做短时傅里叶变换得到时频矩阵tf(n
t
,n
f
)，表达式如下：
其中w(m)是窗函数，w(n
t-m)表示窗函数在时间上反转并有n
t
个样本偏移量，x(m)是短时傅里叶变换的输入信号，m是输入信号x(m)的采样点，取残差r(n
t
)作为输入信号，n
f
表示以t
f
为采样周期对频率采样得到的频率总点数，n
f
是取值从1到n
f
的频率采样点。4.根据权利要求3所述的一种多分量线性调频信号时频分析方法，其特征在于，所述步骤s3过程如下：s301、在tf(n
t
,n
f
)中找到具有最大能量的时间频率点(m
t
,m
f
)，表达式如下：其中m
t
是tf(n
t
,n
f
)中最大能量点对应的时间点，m
f
是tf(n
t
,n
f
)中最大能量点对应的频率点，记录具有最大能量的时间频率点其中1≤m
t
≤n
t
，1≤m
f
≤n
f
；s302、以时间频率点(m
t
,m
f
)为起始点估计时间点m
t
右侧从时间点m
t
+1到时间点n
t
对应的频率点，初始化估计过程用下式表示：其中δn
f
为设定的频率点增值，r
t
是时间点m
t
右侧的时间点，是时间点r
t
对应的频率点，r
t
从m
t
开始，每执行一次式(6)，r
t
就需要加1，r
t
更新公式为r
t
＝r
t
+1，直到r
t
＝n
t
时结束估计过程，得到时间点m
t
右侧时频脊线向量对用线性拟合方法得到m
t
右侧时频脊线的斜率lk；s303、以时间频率点(m
t
,m
f
)为起始点，按照斜率lk估计时间点m
t
左侧从时间点m
t-1到时间点1对应的频率点，初始化估计过程用下式表示：其中δn
f
为设定的频率点增值表示向下取整，表示向上取整，l
t
是时间点m
t
左侧的时间点，是时间点l
t
对应的频率点，l
t
从m
t
开始，每执行一次式(7)，l
t
减1，l
t
更新公式为l
t
＝l
t-1，直到l
t
＝1时结束估计过程，得到完整的时频脊线向量s304、对步骤s303得到的时频脊线向量用基于最小二乘法则的拟合方法进行一阶线性拟合更新。5.根据权利要求4所述的一种多分量线性调频信号时频分析方法，其特征在于，所述步
骤s4过程如下：s401、以步骤s3中得到的作为acmd算法的初始频率，对非完全残差r(n
t
)使用acmd算法分解得到分量信号对应的瞬时幅度更新的时频脊线向量并对时频脊线向量用基于最小二乘法则的拟合方法进行一阶线性拟合得到当前估计到的信号分量i的时频脊线向量和调频斜率起始频率s402、当前估计的时频脊线向量为判断是否已经存在：其中j为正整数表示已经得到的估计分量信号，1≤j≤i-1，δif为自定义的频率增量向量，根据下式更新非完全残差r(n
t
)，表达式如下：如果式(8)成立则表示步骤s401得到的时频脊线向量重复直接跳转到步骤s2，如果式(8)不成立则按照式(10)更新阈值残差r
th
(n
t
)：阈值残差r
th
(n
t
)只有在当前估计到的分量信号i与已有的估计分量信号j不重复时，才执行更新。6.根据权利要求5所述的一种多分量线性调频信号时频分析方法，其特征在于，所述步骤s5过程如下：根据式(11)判断阈值残差是否达到设定的结束阈值(1-α)s(n
t
)：r
th
(n
t
)≤(1-α)s(n
t
)
ꢀꢀꢀ
(11)如果式(11)成立，得到基于非完全残差的自适应时频谱：其中round()表示四舍五入取整数的函数，δ()表示dirac函数，是第i个分量信号的幅度估计值，是第i个分量信号的时频脊线估计值，如果式(11)不成立，则跳转到步骤s2继续执行。7.根据权利要求6所述的一种多分量线性调频信号时频分析方法，其特征在于，所述步骤s5中当式(11)成立，得到基于非完全残差的自适应时频谱的同时，得到每个分量信号对应的调频斜率估计值和起始频率估计值
技术总结
本发明公开了一种多分量线性调频信号时频分析方法，过程如下：首先对多分量线性调频信号进行短时傅里叶变换得到时频分布，然后用改进的时频脊线估计算法估计时频分布中具有最大能量的时频脊线，用该时频脊线作为ACMD算法的初始瞬时频率信息，通过ACMD算法分解非完全残差得到信号分量估计值以及对应的瞬时幅度和时频脊线估计值，然后更新非完全残差继续循环迭代估计下一个信号分量及对应的瞬时幅度和时频脊线，直到非完全残差达到设定的阈值，结束整个时频分析算法，根据每个分量信号的瞬时幅度和时频脊线估计值得到改进的自适应时频谱以及每个分量信号对应的调频斜率和起始频率估计值。起始频率估计值。起始频率估计值。
技术研发人员：宁更新 谢靓 冯义志 张军 陈芳炯 余华 季飞
受保护的技术使用者：华南理工大学
技术研发日：2022.04.01
技术公布日：2022/8/5