面向非线性调频信号感知的短时吕变换研究

摘要

调频(FM)信号指持续期间频率随时间变化的信号，被广泛应用于包括雷达、声纳和通信在内的各种信息系统中。根据频率变化规律的不同，调频信号可分为线性调频(LFM)信号和非线性调频信号。非线性调频信号是一种非平稳信号，传统的分析方法很难直接获取此类信号的准确信息。时频分析即时频联合域分析的简称，作为分析时变非平稳信号的有力工具，成为现代信号处理研究的一个热点。时频分析方法提供了时间域与频率域的联合分布信息，清楚地描述了信号频率随时间变化的关系。 短时吕变换（简称STLVT）是一种重要的时频分析方法，其基本思想是对信号进行加窗分段，分别对每段信号进行分析最后汇总。相较于其他时频分析方法，STLVT的优势是处理非线性调频信号的分辨率很高，并且在处理多分量非线性调频信号时能够很好地消除交叉项干扰。但是STLVT有两个缺陷：第一，不能确定最优的窗长。第二，必须对整个信号使用同样的窗长，不能调整窗长。因此本文针对STLVT的这两个缺陷展开研究，论文的具体工作内容如下： （1）针对STLVT不能确定最优窗长的缺陷，论文提出针对窗长进行最优化的短时吕变换，即最优窗吕变换，简称OWLT。在OWLT中，论文使用偏度作为衡量算法性能的标准，基于随机逼近方法设计优化模型。OWLT会计算出使短时吕变换能量聚集度达到最大的最优窗长，然后以最优窗长执行加窗分段，完成短时吕变换。 （2）针对STLVT不能调整窗长的缺陷，论文提出针对窗长进行自适应计算的变窗长短时吕变换，即自适应窗吕变换，简称AWLT。AWLT会在信号频率函数波形接近线性的位置使用较长的窗长，在信号频率函数波形非线性特征明显的位置使用较短的窗长。AWLT使用偏度衡量算法的性能，根据偏度的大小来决定是否继续自适应过程。与原始的STLVT、OWLT相比，AWLT能使时频分析得到的时频信息更准确，具有更高的能量聚集度，但AWLT的计算比较复杂，速度较慢。 （3）论文将使用非线性调频信号为图片添加数字水印，利用OWLT和AWLT方法对图片进行分析，判断图片中是否存在目标水印。论文将展示用OWLT和AWLT进行数字水印感知的结果，并与原始STLVT方法的结果进行比较，说明OWLT和AWLT的优势，体现论文研究内容的应用价值。

目录

声明

第一章 绪 论

1.1 研究工作的背景与意义

1.2 国内外研究历史与现状

1.2.1 时频分析方法

1.2.2 吕分布与短时吕变换

1.2.3 最优化和自适应

1.2.4 数字水印

1.3 本文的主要贡献与创新

（1）提出基于随机逼近的窗长最优化算法

（2）提出偏度控制下的自适应变窗长算法

（3）将OWLT和AWLT应用于数字水印感知问题

1.4 本论文的结构安排

第二章 最优窗吕变换

2.1 引言

2.2 理论背景

2.2.1 吕分布与短时吕变换

2.2.2 随机逼近

2.2.3 偏度

2.3 优化方案设计

2.4 优化方案实现

2.4.1 设置合适的步长

2.4.2 优化流程

2.4.3 仿真结果

2.5 本章小结

第三章 自适应窗吕变换

3.1引言

3.2 自适应方案设计

3.3 自适应方案实现

3.3.1 设置合适的步长

3.3.2 AWLT的具体流程

3.3.3 仿真结果

3.4 本章小结

第四章 短时吕变换在数字水印感知中的应用

4.1 引言

4.2 添加数字水印

4.3 感知数字水印

4.4 仿真结果

4.5 本章小结

第五章 全文总结与展望

5.1 全文总结

5.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果