時頻原子分解快速算法及其在雷達信號分析中的應(yīng)用.pdf

1、時頻原子分解算法(time-frequency atom decomposition，TFAD)是繼傅立葉變換、Gabor變換和小波變換之后逐漸發(fā)展起來的一種新的信號處理方法。這種算法將輸入信號分解成一系列原子信號的線性展開，而這些原子是從一個冗余的原子庫中選取的。為了使選取的原子最佳地匹配原始信號的結(jié)構(gòu)，時頻原子分解算法采取一種貪婪的自適應(yīng)分解策略。由于時頻原子庫是高度冗余的，分解的策略是貪婪自適應(yīng)的，時頻原子分解算法能夠在一定的精度

2、條件下，將輸入信號表示成少量特征明顯的信號分量的疊加形式，從而獲得信號的自然特性。這種信號分解方法能靈活地表達信號局部結(jié)構(gòu)特性，而且由該方法得到的能量密度沒有Wigner和Cohen類時頻方法的交叉干擾項。 盡管使用時頻原子分解算法能夠得到較好的信號模型，但是此算法的一個主要缺點是計算量過大。在對信號的每一次分解中，都需要進行大量的內(nèi)積運算，以決定在這一步應(yīng)該選用原子庫中哪一個原子作分解。而且，目前僅有很少的文獻對時頻原子分解方

3、法在雷達信號處理領(lǐng)域的應(yīng)用進行了初步探索。為此，論文針對雷達輻射源信號，給出三種時頻原子分解快速算法，以提高輻射源信號的處理速度。論文的主要工作及研究成果如下： 1.詳細介紹時頻原子分解算法的基本理論，分析比較Gabor原子和Chirp原子的性能。通過仿真分析基于Gabor原子和Chirp原子的TFAD算法的性能，結(jié)果證明TFAD適合分析非平穩(wěn)信號，Chirp原子重構(gòu)的信號具有較好的時頻聚集性，TFAD的計算復(fù)雜度過高。

4、 2.為了降低時頻原子分解算法的計算復(fù)雜度，給出一種基于量子遺傳算法(QGA)的快速時頻原子分解算法。該方法采用自適應(yīng)匹配能力強的Chirp原子構(gòu)建原子庫，利用量子遺傳算法快速尋找時頻原子分解過程中每一次分解應(yīng)選用的最佳原子，降低時頻原子分解算法的計算復(fù)雜度。對雷達輻射源信號的仿真實驗結(jié)果表明，該方法計算速度大幅度提高，計算量減小，而且重構(gòu)信號時頻聚集性好。 3.為了更有效的提高時頻原子分解算法的計算速度，給出一種基于粒子群算法

5、(PSO)的時頻原子分解快速算法，使雷達輻射源信號在過完備的原子庫中進行分解，采用Chirp原子提高自適應(yīng)匹配能力和時頻聚集性，同時通過PSO尋找最佳時頻原子。實驗結(jié)果表明，該方法能有效提高TFAD分解算法的速度，輻射源信號的時頻圖有較好的時頻聚集性，這種方法還能有效抑制噪聲和交叉項。 4.為了增加搜索到全局最優(yōu)解的概率，給出一種基于混沌粒子群算法的時頻原子分解快速算法(Chirp-CPSO)。該方法采用Chirp原子構(gòu)建原子庫

6、，信號在過完備的Chirp原子庫中進行分解，利用遍歷性較好的混沌映射初始化粒子，分解過程中采用PSO快速尋找時頻原子分解過程中每一次分解應(yīng)選用的最佳原子。同時引入混沌“災(zāi)變”操作，幫助算法跳出局部極值。實驗結(jié)果表明，該方法能有效降低時頻原子分解算法搜索過程的計算復(fù)雜度，提高信號處理效率，而且得到的時頻圖時頻聚集性好，能有效抑制交叉干擾項和噪聲。除此之外，該方法與前面兩種改進算法比較更適合處理多分量信號。 本文工作得到國家自然科學(xué)