针对目前以高斯白噪声为模型的大部分跳频参数估计方法在α稳定分布噪声背景下,性能急剧下降的缺点,对跳频信号进行两次窗函数长短不同的分数低阶STFT,从而得到两组时频数据,,将两组时频数据点乘,得到新的时频表示,基于时频分析的跳频参数估计方法,实现跳频参数的估计。仿真实验表明,提出的方法有效抑制了α噪声,在α=0.8,GSNR≥1 d B;α=1.5,GSNR≥0 d B时,可以实现跳频周期的准确估计。在α=1.5,GSNR=3 d B时,该算法跳变时刻估计值最大相对误差比STFT低3%、比分数低阶STFT低1.6%,跳变频率估计值更加精确。
针对SAR图像中的舰船目标和杂波虚警的鉴别问题,采用Gabor变换和核主成分分析(Kernel Principal Component Analysis,KPCA)相结合的舰船目标鉴别算法。首先对SAR图像中的样本切片进行Gabor变换,获得舰船的纹理特征,将这些特征用KPCA算法降维并提取目标的主成分分量,把最终采集的样本特征通过k-近邻分类器进行训练和测试。通过仿真结果的比较表明,利用Gabor变换和KPCA降维相结合的方法可以有效地对SAR图像中的舰船目标和杂波虚警进行鉴别。
入射余角是利用抛物方程模型研究地形条件下电波传播问题的重要参数,但该参数估计具有单次快拍、信号相干和实时性要求高的特点,传统的估计算法难以同时满足上述要求.针对上述问题,提出了基于单次快拍的空间平滑旋转不变性的信号参数估计(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法.直接采用单次数据的前后向空间平滑子阵构造centro-Hermitian伪协方差矩阵以实现信号解相干,应用酉变换将复数域的奇异值分解转换为实数域求解,利用ESPRIT算法代替多重信号分类算法估计入射余角.仿真结果表明:该算法能够实现电波传播入射余角的快速估计,准确反映地形起伏对入射余角的影响,与现有算法相比提高了实时性和估计精度.