资源描述：
《基于EEMD方法的混合信号分离识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第32卷第2期军事通信技术Vol.32No.22011年6月JournalofMilitaryCommunicationsTechnologyJun.2011基于EEMD方法的混合信号分离识别123许舵,沈国勤,钱祖平(1.解放军理工大学通信工程学院研究生4队,江苏南京210007;2.中国人民解放军61226部队,北京100079;3.解放军理工大学通信工程学院卫星通信系)摘要:针对宽开通信侦察系统中的多信号分离问题,提出了一种总体平均经验模式分解(EEMD)方法。首先对混合信号进行去噪,进行功
2、率谱估计,然后利用EEMD方法对混合信号进行分解得到一簇本征模态函数IMF(IntrinsicModeFunction),对代表单个信号的IMF进行Hlibert变换,得到与各阶IMF相对应的瞬时频率,确定信号的个数,估计出其载波频率,设计出相应的带通滤波器,分离出单个信号。最后设计决策树对分离出的单个信号进行调制识别,确定信号的种类。文中以三个信号组合ASK、BPSK、2FSK为例,通过仿真验证了方法的有效性。关键词:总体平均经验模式分解;时频分析;本征模态函数;希尔伯特变换中图分类号:TN911
3、.7/2文献标识码:A文章编号:CN32-1289(2011)02-0027-06ResearchonSeparationforMixedSignalsBasedonEnsembleEmpiricalModeDecomposition132XUDuo,SHENGuo-qin,QIANZu-ping(1.PostgraduateTeam4ICE,PLAUST,Nanjing210007,China;2.Unit61226ofPLA,Beijing100079,China;3.DepartmentofS
4、atelliteCommunicationICE,PLAUST)Abstract:FortheseparationofmixedsignalsinthecommunicationreconnaissancesystemofwideIFband,anewmethodofseparationbasedonEnsembleEmpiricalModeDecomposition(EEMD)ispresented.Firstthepowerspectrumofmixedsignalisacquired.Then
5、theinstantfrequencyofeachIMFiscomputedbytheEEMDmethod,andthenumbersandtypesofsignalscontainedinmixedsignalareobtained.Lastthebandpassfiltersaredesignedtoseparateeachsignalandadecision-treeclassifierisproposedtorecognizethemodulationtypeofeachsignal.Sim
6、ulationbasedonthreemixedsignalscomposedofBPSK、2ASK、2FSKprovesthevalidityofEEMDmethod.Keywords:EEMD;time-frequencyanalysis;IMF;Hilberttransform通信侦察接收机采用的都是宽开和快速扫描体制。这样,多个信号会同时进入接收机。为了进行信号处理,必须分离多个信号,然后对单个进行特征提取和参数分析。现阶段国内外多信号分离的方法主要分两种:一种是频谱不发[1]生混叠的信号的
7、分离,运用谱分析的方法,在频域上进行信号分离和识别;也可利用时频分析来实现信号的检测与[2]分析;另外一种是针对频谱混叠信号的分离,采用盲源分离技术进行分离。为了克服Fourier变换在研究非线性信号时的局限性,得到信号的时频局部特性,人们提出了一系列的[3,4]信号分析方法:短时Fourier变换、双线性时频分布、Gabor变换、小波变换、分数阶Fourier变换,Fourier变换、Wigner-Ville分布等。这些方法改进了Fourier方法的不足,但这些方法依赖于基函数的选收稿日期:20
8、10-10-22;修回日期:2011-03-18作者简介:许舵(1985-),男,硕士生.28军事通信技术2011年[5]取,仍属于全局分析的范畴。文中采用EEMD方法对频谱不发生混叠的混合信号进行分离识别。它是基于EMD(EmpiricalModeDecomposition)的噪声辅助数据分析方法,这种方法显著削弱了EMD方法中的模态混叠现象。同时它也是一种适合分析非线性非平稳信号的自适应分解方法。EMD方法基于数据时域局部特征,把复杂的数据分解成有限的、少量的本征
