欢迎关注"EWFrontier"（客服微EWFrontier）
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https://wx.zsxq.com/group/15554455154582
面包多单个代码获取
https://mbd.pub/o/author-a2mYl2tsbA==/work
QQ交流群：1074124098
注：本文为参考文章代码为对其部分内容进行复现~
战场电磁信号处理核心突破！多分量雷达信号提取与重建技术揭秘
在现代电子战中，战场电磁环境日趋复杂，截获的雷达信号不仅调制种类繁多，还常出现多分量叠加的情况。如何从复杂的混合信号中精准提取并重建各雷达信号分量，直接决定了对敌方辐射源的识别精度和干扰有效性，更是制定军事战略决策的关键。
基于时频分布的多分量信号提取与重建技术研究，针对多分量雷达信号处理的核心难题提出了一套完整有效的解决方案，为战场电子侦察与干扰提供了重要的技术支撑。
战场核心难题：多分量雷达信号为何难处理？
现代战场中，侦察设备每秒可接收数十万个雷达脉冲，加之新型雷达的宽脉冲、大带宽特性，以及侦察接收机宽开的时域、空域和频域，使得截获的雷达信号多为不同辐射源的叠加，形成多分量雷达信号。
这类信号的核心难点在于：
1
信号多为线性调频（LFM）、正弦调频（SFM）等非平稳信号，频率随时间动态变化；
2
各分量易在时频域重叠，导致传统时域、频域分析方法失效；
3
强噪声干扰下，信号特征易被掩盖，难以精准分辨各分量结构。
研究将多分量雷达信号建模为各单分量调幅调频信号与高斯白噪声的叠加，核心分析LFM和SFM两种主流雷达信号类型，发现其分量结构可在时频分布中清晰体现——各分量的瞬时频率会表现为时频域的能量脊峰，这也成为后续信号处理的核心切入点。
突破1：自适应方向核时频分布，解决干扰与模糊的核心矛盾
时频分析是多分量信号处理的基础，但传统二次时频分布方法（如维格纳分布WVD、短时傅立叶变换STFT）始终存在交叉项干扰与信号项模糊的矛盾：抑制交叉项会导致信号分辨率下降，提升分辨率又会让交叉项干扰加剧。
针对这一问题，研究引入了自适应方向核的二次时频分布（ADTFR），核心创新在于：
1
利用信号项和干扰项在模糊域的特征差异，信号项能量集中在模糊域原点附近（低频），干扰项则远离原点（高频）；
2
采用方向高斯滤波器（DGF），对时频分布的每个局部点自适应选择核的旋转方向，使核方向与信号脊峰方向平行；
3
在抑制交叉项干扰的同时，最大程度保留信号项的分辨率，实现了两者的理想均衡。
仿真验证表明，无论有无噪声干扰，ADTFR相比传统的WVD、频谱图、CKD等时频分析方法，均能获得更高的时频分辨率，且能有效抑制交叉项，清晰呈现多分量信号的时频结构。
突破2：精准瞬时频率估计，克服交叉分量的跟踪错误
瞬时频率是多分量信号分量结构的核心特征，但其估计易受时频域分量重叠、噪声干扰的影响，传统算法（BDIF、LPDCL）在分量重叠处极易出现跟踪错误，导致分量交错识别。
研究提出了一套改进的瞬时频率估计算法，通过“时频分布增强+片段连接拟合”两步解决问题：
1
梯度旋转增强技术：计算时频点邻域的梯度并旋转，增强信号能量脊峰，消除分量重叠处的畸变和噪声带来的虚假脊峰，让瞬时频率的脊峰特征更突出；
2
端点梯度片段连接与拟合算法：先从增强后的时频分布中提取瞬时频率片段，再根据片段端点的梯度特征进行连接，结合LFM和SFM信号的特征进行直线/正弦拟合，得到连续、准确的瞬时频率曲线。
定量仿真显示，该算法的瞬时频率估计最小均方根误差（mRMSE） 远低于传统BDIF、LPDCL算法，尤其在时频域严重重叠的非线性调频信号中，估计精度提升显著。
突破3：时变阶STFRFT时变滤波，解决分量重叠的畸变问题
在精准估计瞬时频率的基础上，研究采用时变滤波技术实现多分量信号的提取与重建，针对传统STFT时变滤波在分量重叠处存在信号畸变的缺陷，提出了两大改进方案：
1
幅度校正算法：识别时频域重叠的时间位置，通过对重叠区域两端的信号幅度进行线性插值，修正畸变区域的幅度偏差；
2
基于时变阶短时分数阶傅立叶变换（STFRFT）的时变滤波：将固定阶数的FRFT扩展为时变阶，根据瞬时频率的变化实时调整分数阶傅立叶变换的阶数，让每个时刻的变换都匹配信号的局部线性调频特征。
这一改进充分利用了FRFT对LFM信号的最优稀疏表示特性，即使在分量时频域重叠、强噪声干扰的情况下，也能大幅降低信号重建的均方根误差（RMSE）。仿真表明，相比传统STFT时变滤波、同步压缩小波变换（SWT），基于时变阶STFRFT的时变滤波在非线性调频信号、多分量重叠信号的提取重建中表现最优。
完整技术方案：四步实现多分量雷达信号的精准处理
研究将多分量雷达信号的提取与重建分解为四个核心步骤，形成了一套完整、可落地的技术方案：
1
信号建模：针对战场多分量雷达信号，建立LFM、SFM信号的数学模型，分析其时频特征；
2
时频分析：采用自适应方向核时频分布（ADTFR），获得高分辨率、低干扰的时频分布图像；
3
瞬时频率提取：通过梯度旋转增强+端点梯度片段连接拟合，精准估计各分量的瞬时频率；
4
时变滤波重建：基于时变阶STFRFT的时变滤波，结合幅度校正，提取并重建各分量的时域波形。
这套方案不仅解决了传统方法在分量重叠、噪声干扰下的处理缺陷，还实现了从信号分析到提取重建的全流程优化，为实际工程应用提供了清晰的技术路径。
技术创新与应用价值
本次研究的核心创新点体现在三个方面：
1
提出完整的多分量信号分离重建方案：填补了时频域重叠的多分量雷达信号处理的技术空白，目前相关领域成熟方案极少；
2
改进瞬时频率估计算法：克服了传统算法在交叉分量下的跟踪错误，适用于复杂战场的多分量雷达信号；
3
提出时变阶STFRFT时变滤波算法：在分数阶傅立叶变换理论基础上结合瞬时频率信息，处理性能显著优于现有时变滤波方法。
该技术不仅在军事电子战中具有重要应用价值，可实现对敌方特定雷达信号的精准提取和针对性欺骗式干扰，还能拓展到民用通信领域，用于复杂通信环境下的指定信号分量提取，甚至为基于调制复用的新型通信体制提供技术支撑。
在现代电子战日益激烈的背景下，多分量雷达信号的提取与重建技术成为电子侦察与干扰的核心竞争力。本次研究提出的基于时频分布的全流程解决方案，为战场电磁信号处理提供了新的技术思路，也为后续相关技术的工程化、实用化奠定了坚实的理论和仿真基础。