微信公众号：EW Frontier
关注可了解更多的雷达、通信、人工智能相关代码。问题或建议，请公众号留言;
如果你觉得EW Frontier对你有帮助，欢迎加入我的知识星球或面包多，更多代码等你来学
知识星球：https://wx.zsxq.com/dweb2/index/group/15552518881412
面包多：https://mbd.pub/o/author-a2mYl2tsbA==/workQQ交流群：729981694
如有侵权请联系删除~
摘要
提出了一种基于离散线性啁啾变换（DLCT）和维格纳分布（WD）的组合瞬时频率估计方法。DLCT局部地将信号表示为线性啁啾的叠加，而WD在时频域中为每个啁啾提供沿着瞬时频率的最大能量集中。所开发的方法利用了由DLCT给出的线性啁啾的分离，并且对于它们中的每一个，WD提供了理想的表示。结合线性啁啾分量的WD，我们得到了一个不含交叉项的时频表示，该表示清楚地显示了瞬时频率。在局部应用该过程，我们获得了非平稳多分量信号的瞬时频率估计。最后，用仿真算例对所提出的方法进行了说明.实验结果表明，该方法对噪声中多分量信号的瞬时频率估计是有效的，即使在低信噪比的情况下也是如此。
引言
在生物医学、语音处理、通信、雷达、水下声学中的许多应用中，存在非平稳信号，通常需要估计信号的瞬时频率[1]。时频分布（TFD）广泛用于基于峰值检测技术的IF估计[2]，[3]，[4]。最常用于线性啁啾的TFD是维格纳分布（WD），因为它是这种信号的理想表示。然而，在多分量信号的情况下，维格纳分布并没有很好地执行，因为存在外来的交叉项。
最近，离散线性啁啾变换（DLCT）[5]被引入作为瞬时频率的频率变换，能够在线性啁啾方面局部表示信号。它推广了离散傅立叶变换，具有瞬时频率时间对偶变换，并且非常重要的是，它可以使用快速傅立叶变换（FFT）有效地实现。
文献[6]在多分量信号IF估计中的工作要求具有高分辨率且无交叉项的TFD。在文献[7]中，提出了一种利用演化谱进行中频估计的迭代方法。通常，瞬时频率估计需要信号分离，多分量信号和高分辨率时频分布。本文提出了一种新的方法，利用DLCT进行信号分离，利用WD在时频空间中实现高分辨率。
文章插图
结论
基于离散线性啁啾变换和Wigner分布，提出了一种新的中频估计方法。结果表明，利用DLCT可以用线性啁啾局部逼近信号。将它们分离，找到这些线性啁啾中的每一个的WD，并且将它们叠加，对于分析中的信号获得无交叉项的WD。仿真结果表明，该方法在信噪比较低的情况下也能获得较好的中频估计精度。我们的方法利用了从DLCT中获得的线性啁啾的Wigner分布的最大能量集中。目前正在进行将该方法应用于生物医学应用的工作。
