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==/work
QQ交流群：949444104
简介
随着战场电磁环境的日趋复杂，战场中截获到的雷达信号也日益繁杂，不 仅调制种类繁多，而且叠加进入接收机的分量个数也在加剧。在复杂的截获信 号中得到各分量的类型和参数，进而对各辐射源进行正确识别和高效干扰是制 定战略决策的重要因素。要正确的分析截获的多分量雷达信号，将其包含的分 量提取和重建是一个不可避免的过程，本文重点基于信号的时频分布特征对多 分量信号的提取和重建技术进行探讨。
首先，总结了常见雷达信号类型的时频特征和稀疏特征，并进一步研究了 多分量雷达信号在时频分布中存在的规律。研究发现计算时频分布时不可避免 的需要在干扰项抑制和信号项模糊之间均衡选择，因此引入自适应方向核的二 次时频分布。该时频分布根据信号项和干扰项在模糊域的特征，通过自适应选 择模糊域方向核，在干扰项抑制和信号项模糊之间达到较为理想的均衡。
然后，为了获取信号的分量结构研究了信号的瞬时频率估计算法，研究发 现已有算法不适用于存在交叉分量的信号，因此引入了梯度旋转方法来增强时 频分布图像，并提出了基于端点梯度的片段连接和拟合算法，不仅消除分量瞬 时频率跟踪错误，也降低了估计误差。
最后，在瞬时频率估计的基础上采用时变滤波方法提取和重建各个分量信 号，分析发现时变滤波在分量交叉处存在较大的畸变，因此引入幅度校正算法 并提出基于时变阶的短时分数阶傅立叶变换时变滤波算法。所提算法大幅度的 提升了信号提取和重建的准确性，特别是针对非线性调频信号的提取和重建。论文针对多分量信号时频分析中存在交叉项干扰与信号项模糊相矛盾问 题，引入了自适应方向核的时频分布算法获得了较理想的时频分布图像。进一 步在该图像上使用旋转梯度增强和瞬时频率连接拟合算法，取出了各分量的瞬 时频率。最后采用基于时变阶的短时分数阶傅立叶变换的时变滤波算法，提取 并重建出各个分量的时域波形。将信号的提取和重建分解为信号建模、时频分 析、瞬时频率提取和时变滤波四个步骤进行，形成了一套完整有效的多分量雷 达信号提取和重建的方案。
