时频分析的卡尔曼滤波匹配解调变换法

doi:10.3969/j.issn.0372-2112.2018.04.001

电子学报 ›› 2018, Vol. 46 ›› Issue (4): 769-774.DOI: 10.3969/j.issn.0372-2112.2018.04.001

• 学术论文 • 下一篇

时频分析的卡尔曼滤波匹配解调变换法

李淑雅, 施明, 张建秋

复旦大学信息科学与工程学院智慧网络与系统研究中心和电子工程系, 上海 200433

收稿日期:2016-09-06 修回日期:2017-03-21 出版日期:2018-04-25
- 作者简介:
- 李淑雅 女.1993年3月出生,安徽阜阳人.2014年毕业于复旦大学电子工程系,取得理学学士学位.现为该系硕士生,从事时频分析、图信号处理等有关方面研究.E-mail:gysbtzs2008@hotmail.com;施明男.1991年7月出生,上海人.2009年在复旦大学电子工程系取得理学学士学位,现为该系本科直博生,从事时频分析、贝叶斯滤波及张量分解技术方面的研究
- 基金资助:
- 国家自然科学基金 (No.61571131）

Matching Demodulation Transform with a Kalman Filter for Time-Frequency Analyses

LI Shu-ya, SHI Ming, ZHANG Jian-qiu

Department of Electronic Engineering and The Research Center of Smart Networks and Systems, School of Information Science and Engineering, Fudan University, Shanghai 200433, China

Received:2016-09-06 Revised:2017-03-21 Online:2018-04-25 Published:2018-04-25
- Supported by:
- National Natural Science Foundation of China (No.61571131)

摘要/Abstract

摘要： 本文为多分量时频分析，提出了一种卡尔曼滤波的匹配解调变换的分析方法，该方法对信号的局部频率特性进行建模，以模型参数作为状态变量、以时频脊线为观测变量，分别建立起时频分析的状态方程和观测方程，据这些方程并利用卡尔曼滤波就可获得信号的瞬时频率，最后再对信号进行解调变换，就得到了能量高度集中的时频分布.在不同信噪比的情况下，仿真测试表明：本文方法优于现有文献报道方法.

关键词: 时频分析, 卡尔曼滤波, 匹配解调变换

Abstract:

This paper introduces a multi-component time-frequency analysis method, which conducts matching demodulation transform with a Kalman filter. This method builds the model on the local frequency properties of the signal, with model parameters seen as the state variables and the TF ridges treated as the observations. With the state and observation equation established, Kalman filter can be used to estimate the frequency of the signal. Finally, demodulation transform is used to generate a higher energy concentrated time-frequency distribution. The simulation results show our method has a better performance than existing methods under various SNR circumstances.

Key words: time-frequency transform, Kalman filtering, matching demodulation transform

中图分类号:

TN911.7

李淑雅, 施明, 张建秋. 时频分析的卡尔曼滤波匹配解调变换法[J]. 电子学报, 2018, 46(4): 769-774.

LI Shu-ya, SHI Ming, ZHANG Jian-qiu . Matching Demodulation Transform with a Kalman Filter for Time-Frequency Analyses[J]. Acta Electronica Sinica, 2018, 46(4): 769-774.

[1]	李钦, 刘伟, 牛朝阳, 宝音图, 惠周勃. 低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别[J]. 电子学报, 2023, 51(3): 675-686.
[2]	胡振涛, 杨诗博, 胡玉梅, 周林, 金勇, 杨琳琳. 基于变分贝叶斯的分布式融合目标跟踪[J]. 电子学报, 2022, 50(5): 1058-1065.
[3]	王国庆, 杨春雨, 马磊. 基于多变量Laplace分布的非线性系统分布式鲁棒状态估计[J]. 电子学报, 2022, 50(11): 2610-2618.
[4]	张聿远, 张立民, 闫文君. 基于深度多级残差网络的低信噪比下空频分组码识别方法[J]. 电子学报, 2022, 50(1): 79-88.
[5]	徐哈宁, 肖慧, 邓居智. 基于SIMM-UKF和电阻率成像技术的滑坡体形变预测算法研究[J]. 电子学报, 2021, 49(2): 354-361.
[6]	刘剑锋, 孙力帆, 普杰信, 何子述, 王燕玲. 基于刚性约束的双移动机器人协同定位[J]. 电子学报, 2020, 48(9): 1777-1785.
[7]	王宇, 陈晨, 张家琦, 彭丝雨, 高军峰. 任务提示的脑认知加工过程中神经振荡机制研究[J]. 电子学报, 2020, 48(5): 960-965.
[8]	秦鑫, 黄洁, 查雄, 骆丽萍, 胡德秀. 基于扩张残差网络的雷达辐射源信号识别[J]. 电子学报, 2020, 48(3): 456-462.
[9]	刘秋红, 李天昀, 王彬, 许漫坤, 邱钊洋. 基于离散小波分解和频率脊线分析的CPM信号符号速率盲估计[J]. 电子学报, 2020, 48(3): 470-477.
[10]	叶瑾, 许枫, 杨娟, 王佳维. 一种基于多传感器的复合量测IMM-EKF数据融合算法[J]. 电子学报, 2020, 48(12): 2326-2330.
[11]	褚金奎, 武进, 李金山, 支炜. 偏振光传感器在四旋翼飞行器中的应用[J]. 电子学报, 2020, 48(1): 198-203.
[12]	查雄, 许漫坤, 彭华, 秦鑫, 李天昀. 基于深度残差网络的特定协议信号识别[J]. 电子学报, 2019, 47(7): 1532-1537.
[13]	张浩为, 谢军伟, 葛佳昂, 宗彬锋, 路文龙. 基于波形调度的机动目标跟踪算法[J]. 电子学报, 2019, 47(3): 560-567.
[14]	王悦斌, 蒋景飞, 张建秋. 动态出现和/或消失时频信号的模型和分析[J]. 电子学报, 2019, 47(2): 495-501.
[15]	胡园园, 罗倩, 段中钰, 王嘉浩. 基于部分平行ADMM求解谱寻求问题的时频分析[J]. 电子学报, 2019, 47(11): 2392-2398.

时频分析的卡尔曼滤波匹配解调变换法

Matching Demodulation Transform with a Kalman Filter for Time-Frequency Analyses

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics