[发明专利]基于瑞利熵的自适应时频同步压缩方法

摘要

一种基于瑞利熵的自适应时频同步压缩方法，该方法利用瑞利熵衡量信号局部能量的聚集性，估计出适合信号时频分析的最佳窗口参数序列，通过时频同步压缩提高聚集性，实现多分量信号的分离。具体步骤包括：1、采集信号，2、预处理，3、选取适合信号点序列的窗口参数集合，4、计算瑞利熵，5、获取局部时刻的最优窗函数，6、获取平滑的最佳窗口参数序列，7、自适应同步压缩短时傅立叶变换，8、获得各分量信号。本发明克服了传统分离方法适用信号单一、信号形式固定、抗噪声能力差的问题，有利于多分量非平稳信号的分离，更提高了多分量信号分离的鲁棒性。

主权项

1.一种基于瑞利熵的自适应时频同步压缩方法，包括如下步骤：(1)采集信号：信号采集系统通过雷达侦察接收机设备，实时采集目标空域中的任意一段信号；(2)获取信号点序列：根据所采集信号的长度，对所采集的信号在大于等于1的采样频率范围内，选取一个采样频率进行采样，得信号点序列N＝Tf_s，其中，N表示信号点序列的长度，T表示所采集的雷达侦察接收机信号的时间长度，f_s表示采集信号的采样频率；(3)选取信号点序列的窗口参数集合：(3a)选取高斯函数为窗函数；(3b)在(0,1]区间，以1/N的步长，选取N个不同的值，组成窗口参数集合；(4)计算瑞利熵：(4a)在窗口参数集合中，任意选取一个窗口参数，在其对应的窗函数下，对信号点序列进行离散加窗傅里叶变换，得到信号点序列的短时傅里叶变换系数；(4b)利用瑞利熵公式，得到每个时刻的瑞利熵值；(4c)遍历窗口参数集合中的所有窗口参数，得到每个时刻对应的瑞利熵值集合；(5)获取最佳窗口参数序列：(5a)从瑞利熵值集合中选出最小值，将所选最小值对应的窗函数作为每个时刻的最优窗函数；(5b)遍历每个时刻，得到所有时刻的最优窗函数，将所有时刻下最优窗函数对应的窗口参数，组成信号点序列的最佳窗口参数序列；(6)获取平滑的最佳窗口参数序列：用滑动平均法，对最佳窗口参数序列内的点进行累加平均，得到平滑的最佳窗口参数序列；(7)自适应同步压缩短时傅里叶变换：(7a)用平滑的最佳窗口参数序列对应的窗函数集合，对信号点序列进行离散加窗傅里叶变换，得到自适应短时傅里叶变换系数；(7b)用维特比Viterbi法，对自适应短时傅里叶变换系数在时频域进行最小路径搜索，得到信号点序列的每个分量的瞬时频率脊线；(7c)利用同步压缩公式，根据信号点序列的每个分量的瞬时频率脊线，将每个时刻下所有对应同一频率的自适应短时傅里叶变换系数进行叠加，得到自适应同步压缩系数；(8)获得各分量信号：利用重构公式，将每个时刻下对应信号点序列中同一个分量瞬时频率脊线的自适应同步压缩系数进行叠加，得到信号点序列中的每个分量信号。