時頻原子分解快速算法及其在雷達信號分析中的應用.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構，時頻原子分解算法采取一種貪婪的自適應分解策略。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構特性，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積運算，以決定在這一步應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域的應用進行了初步探索。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，結果證明TFAD適合分析非平穩(wěn)信號，Chirp原子重構的信號具有較好的時頻聚集性，TFAD的計算復雜度過高。

4、 2.為了降低時頻原子分解算法的計算復雜度，給出一種基于量子遺傳算法(QGA)的快速時頻原子分解算法。該方法采用自適應匹配能力強的Chirp原子構建原子庫，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選用的最佳原子，降低時頻原子分解算法的計算復雜度。對雷達輻射源信號的仿真實驗結果表明，該方法計算速度大幅度提高，計算量減小，而且重構信號時頻聚集性好。 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選用的最佳原子。同時引入混沌“災變”操作，幫助算法跳出局部極值。實驗結果表明，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