排序方式: 共有83条查询结果,搜索用时 18 毫秒
71.
合成孔径雷达(SAR)图像相干斑噪声是影响对SAR图像正确解译的主要因素之一,在二维魏格纳分布的框架内,提出了一种基于二维伪魏格纳威尔分布变换的SAR图像噪声抑制的方法。首先,根据魏格纳威尔分布的理论,阐述了图像的二维伪魏格纳威分布表示,以及分解后的多频段图谱的特性;然后,针对该特性,提出对应的计算处理方法,并将分解图像相加,形成SAR图像噪声抑制后图像;最后,利用MiniSAR实测SAR图像数据进行验证试验,并将结果与均值滤波、LEE滤波和小波软阈值滤波SAR图像噪声抑制算法进行对比分析,结果显示,文中所提算法是有效可行的。 相似文献
72.
信号的时频分析理论与应用评述 总被引:4,自引:1,他引:3
由傅里叶变换在刻划信号的时间信息和频率信息上的矛盾引出了时频联合分析的思想,在详细介绍了短时傅里叶变换、小波变换、魏格纳威利分布和希尔伯特黄变换这4种典型时频分析方法的基础上,对他们的时频局部性能进行了分析和比较,指出了这些分析方法的优势和存在的问题。最后简要介绍了上面4种典型时频分析方法各自的应用领域。 相似文献
73.
基于互Wigner-Ville分布的到达角估计 总被引:4,自引:1,他引:3
研究了对线性调频信号的到达角估计;提出了基于互Wigner-Ville分布(XWVD)估计信号到达角的方法.通过时频分布,在时频面上进行信号预分选;根据XWVD时频脊点上的相位获得信号时延,从而获得信号到达角.该算法可实现多信号分辨,也可实现对时变频率信号的到达角估计.计算机仿真结果证实了该算法的有效性. 相似文献
74.
估计信号的瞬时频率常用Cohen类时频分布的时间一阶条件矩,但这些方法在更低信噪比下存在较大的估计方差。基于线性调频信号的自相关和互相关可以实现噪声压缩的结论,提出了改进的基于互Wigner Ville分布线性调频信号的频率估计方法。该方法具有更强的抗噪声能力,在多元信号频率估计时,抑制了交叉项的影响。仿真实验的结果证明了算法的有效性。 相似文献
75.
时频分析方法在探地雷达回波信号处理中应用的研究 总被引:3,自引:2,他引:1
探地雷达回波信号的检测与目标识别是一个重要而难于解决的问题。 相似文献
76.
77.
特征提取是目标识别的关键技术,本文提出了一种基于时频分布重排的Wigner-Ville分布(WD)特征提取方法。选择WD作为研究问题的切入点,使用核函数方法,通过平滑伪Wigner-Ville分布(SPWD)抑制交叉项;为解决引入核函数导致信号时频聚集性下降问题,我们采用时频重排方法来增强目标的时频聚集性,最后用海上实验数据对本文方法进行了有效性检验。实验结果表明,本文提出的SPWD时频重排特征提取方法具有:(1)可有效抑制WD固有的交叉项;(2)增强目标回声信号时频聚集性;(3)可明显地提高水下目标识别率。该方法具有一定的应用推广价值,为解决水下目标识别问题提供了很好的思路。 相似文献
78.
对于大尺寸高精密光学元件,不仅要对光学元件表面低频面形精度和高频粗糙度进行控制,还需要严格限制中频误差,以保证其使用性能和稳定性。为了确定光学元件的不合格区域并指导其返修,引入经验模态分解(EMD)和Wigner分布(WVD)函数方法,通过理论分析确定该方法与功率谱密度函数间的关系,实现对光学元件表面中频误差的辨识与定位。实验结果表明:EMD-WVD方法不仅可以识别分布在实验光学元件表面15~27mm空间频率为0.1mm-1的中频误差,还可以减小多分量信号所引起的空间频率为1.0~1.5mm-1的交叉项干扰,提高中频误差辨识的准确率。 相似文献
79.
基于伪魏格纳分布分解的合成孔径雷达图像目标与阴影分割 总被引:1,自引:1,他引:0
在二维魏格纳分布的框架内,针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先,将合成孔径雷达图像进行二维伪魏格纳变换,得到各像素点的二维能量谱图|然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图|最后,对不同频段的能量谱图采用不同的处理方法后,将各能量谱图相加处理后形成区域标识图像,最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验,并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明,采用本文算法的合成孔径雷达分割图像,对比度明显提高,且保留了目标图像细节. 相似文献
80.
研究了基于Wigner-Ville分布(WVD)对电力系统低频振荡信号进行检测和时频分析的新方法,Wigner-Ville(wVD)分布是一种优良的时频分析方法,能够在时域频域上对非平稳信号进行联合时频分析。利用WVD的时间边缘特性和频率边缘特性,能精确地估计各模式信号的幅值、频率与主导时间;精确地分析非平稳信号的局域动态行为和特性。更好地反映振荡过程中所包含的多个模式随时间的变化规律以及模式间的相互影响,还可提高识别能力和处理效果。通过多个试验验证了该方法的有效性。 相似文献