时频分析方法在阵列信号处理中的应用

将时频分析方法和阵列信号处理相结合的时频空信号处理方法是现代阵列信号处理研究的一个热点。研究能够适用于非平稳信号环境且具有更优良性能的时频空处理方法也是电子战发展的前沿课题之一。本文对多种非平稳信号处理方法在阵列信号处理中的应用进行了深入的研究。归纳起来，主要包括以下几个方面： ◆ 建立了窄带信号的空间时频分布，分析了其性质和结构，结果表明空间时频分布具有比常规子空间方法更好的低信噪比性能，适用于多种FM信号。提出了针对PPS信号的高阶空间时频分布和虚拟时频ESPRIT算法，算法具有阵列扩展作用和更好的稳健性。 ◆ 研究了宽带调频信号的到达角估计问题。提出了短时WVD分布，并结合空间平滑技术解决相同时频分布的宽带FM信号的到达角估计问题。提出了基于对称阵列WVD分布的宽带线性调频信号到达角估计算法。仿真证明了以上两种算法的有效性和高精度。 ◆ 针对线性调频信号，提出了基于分数阶傅立叶变换的空间时频分布。在此基础上，提出了基于时域补偿和频域聚汇的两种宽带信号到达角估计算法。 ◆ 提出了基于矩形平面子阵堆栈和奇异值分解的相干信号到达角估计方法，结合短时傅立叶变换建立空间时频分布，解决了具有相同时频分布的FM信号二维到达角估计问题。 ◆ 研究了分析和演变谱估计，提出了DFT周期谱估计方法。建立了空间演变谱分布，适用于恒幅和时变幅度的FM信号到达角估计。提出了分段短时演变谱方法，并用之解决了宽带FM信号的测向问题。利用频域聚汇和DFT演变周期谱方法提出了另一种宽带FM信号到达角估计的新思路。仿真结果表明后一种算法更稳健，精度更好。 ◆ 提出了基于分段解线调、直接解线调和Beamspace-ESPRl7的快速、高精度的LFM信参数估计方法，算法具有工程实现意义。 ◆ 研究了极化和到达角参数联合估计问题，提出了基于空间极化时频分布和向 电子科技大学博士论文， 量阵元的二维到达角和极化参数联合估计算法。指出向量阵元可以解决稀疏阵 列的到达角解模糊和任意阵列的到达角估计问题。 今大多数子空间算法和现有的时频空算法都是建立在高斯噪声假设的基础上， 如果噪声偏离高斯分布模型，算法性能将较大降低。研究了非高斯的SaS噪声 模型及其性质，‘提出了基于分数阶傅立叶变换和时延分数低阶矩的到达角估计 算法，实现了SaS噪声条件下线性调频信号的DOA估计。仿真实验证明了算法 的有效性。