[发明专利]一种基于粒子群优化的多项式相位信号时频变换方法

摘要

本发明提供一种基于粒子群优化的多项式相位信号自适应时频变换方法，能够完成多项式相位信号的时频分解，其中分解得到的每一个信号分量都为任一时刻都只对应一个频点的单分量，然后利用各信号分量、各时刻的瞬时频率取值，通过仅保留主瓣响应的Sinc函数直接计算生成相应时刻对应的信号频率分布，克服了传统的时频变换中一个时刻对应多个频点的非单分量存在交叉项的缺陷，最终输出无任何交叉项干扰且时频联合分辨率较优的时频分布；本发明原理简单，操作方便，可有效克服经典时频分析方法交叉项干扰的不利影响以及时频联合分辨率的损失，能够有效提升非平稳多项式相位信号时频分析的质量和效益。

主权项

一种基于粒子群优化的多项式相位信号自适应时频变换方法，其特征在于，包括以下步骤：步骤1：利用粒子群优化算法对雷达接收的原始多项式相位信号s(t)进行多次分解，每次分解均确定一个信号分量的最优模型阶数和最优待定系数集，具体的：步骤11：根据多项式相位模型，生成原始多项式相位信号s(t)对应的参考函数hp，并初始化参考函数hp的模型阶数N1＝1，并计算原始多项式相位信号s(t)的能量E0，随机生成参考函数hp的至少两个待定系数集{an},n＝0,1,2,...,N1，其中待定系数集{an}的个数用NParticles表示；将待定系数集{an}作为粒子群优化算法中初始粒子的位置参数，NParticles个初始粒子构成原始粒子群IParticles；步骤12：将各个待定系数集{an}对应的参考函数hp的共轭分别与原始多项式相位信号s(t)相乘得到混合调制信号x(t)，对混合调制信号x(t)实施傅利叶变换，得到变换结果X(f)，计算变换结果X(f)其中一个频域特征的特征值，并将该特征值作为评价变换结果X(f)的适应度，根据各个变换结果X(f)的适应度优劣，得到当前优化周期的本地各个粒子的位置参数ParticleL，当前最优变换结果X(f)对应的全局最优粒子的位置参数ParticleG，其中ParticleG为所有优化周期中的最优粒子的位置参数，且第一次优化周期中，ParticleL为初始粒子的位置参数；步骤13：更新本地各个粒子的位置参数，得到新粒子群；步骤14：采用所述新粒子群中各粒子位置参数对应的待定系数集{an}按步骤12的方法，重新计算并评价新粒子群中各粒子位置参数对应的变换结果X(f)的适应度，然后更新当前优化周期的本地最优粒子的位置参数ParticleL和当前的全局最优粒子的位置参数ParticleG；步骤15：更新所述新粒子群各个粒子的位置参数，并利用本步骤得到的更新后各个粒子位置参数对应的待定系数集{an}重复步骤14，以此类推，直至粒子群优化的周期达到设定的最大值Cycles，得到最终的全局最优粒子的位置参数ParticleG；步骤16：令模型阶数N1依次从2取到最大可能阶数order_max，每次取值后，重复步骤11至步骤15，从而得到不同模型阶数下的经过Cycles个周期粒子群优化后的适应度指标最优的位置参数ParticleG；步骤17：从步骤16得到所有位置参数ParticleG中选出适应度指标最优的位置参数，从而确定原始多项式相位信号s(t)当前信号分量的最优模型阶数Np以及Np对应的最优待定系数集{an}max；步骤2：利用最优模型阶数Np和最优待定系数集{an}max确定的信号分量的共轭与原始多项式相位信号s(t)相乘并实施傅利叶变换，得到频谱X'(f)，将频谱X'(f)包络最大值处的强度复数取值置零后，实施逆傅立叶变换，从而得到时域信号y(t)；步骤3：利用模型阶数为Np和最优待定系数集{an}max确定的信号分量与时域信号y(t)相乘得到残差信号z(t)，本次分解结束；步骤4：计算残差信号z(t)的能量Ed，与原始多项式相位信号s(t)能量E0取比值R，如果比值R小于设定门限γ或分解次数达到设定的上限数量Nmax，则停止分解，得到各分量信号的最优模型阶数Np和最优待定系数集{an}max；否则，利用步骤3计算的残差信号z(t)替换步骤1中的原始多项式相位信号s(t)重新计算混合调制信号x(t)，重复步骤1至步骤3，直至比值R小于设定门限γ或分解次数达到设定的上限数量Nmax；步骤5：将最优模型阶数Np和最优待定系数集{an}max对应的各个信号分量按分解顺序编号为hc，其中c＝1,2,...,C，其中C为自适应分解的次数；步骤6：按单分量信号瞬时频率的物理定义，得到各信号分量hc对应的瞬时频率曲线fc(t)，并根据瞬时频率曲线fc(t)确定原始多项式相位信号s(t)的频率分布范围，最后对所述频率分布范围依次进行离散化、保留主瓣响应以及叠加操作后，得到原始多项式相位信号s(t)的时频联合分布f(t)。