19958

2277 دكتري

دكتري

مخابرات

اصفهان : دانشگاه صنعتي اصفهان

1403

هشت، 111 ص. :مصور، جدول، نمودار.

1403/08/29

كتابنامه

مهندسي برق

مهندسي برق و كامپيوتر

1403/08/29

23081324

پردازش زمان-فركانس ابزار مناسبي جهت پردازش سيگنال هاي غير ايستان مورد استفاده در حوزه هاي مختلف است؛ چرا كه تغييرات فركانسي سيگنال همراه با زمان قابل مشاهده است. انواع توزيع هاي زمان-فركانس كه با رويكردهاي مختلف تاكنون طراحي شده اند، به دو دسته عمده وابسته و مستقل از سيگنال تقسيم مي شوند. در اين رساله هدف ما طراحي كرنل وابسته به سيگنال مبتني بر نسبت سيگنال به نويز است؛ چرا كه قابليت انطباق با سيگنال را دارد. در اين رساله، ما كرنل يك توزيع زمان-فركانس را براي يك كلاس خاص از سيگنال ها با الگوهاي فركانس لحظه اي شناخته شده مانند مدولاسيون فركانس خطي و سينوسي به طور بهينه طراحي مي كنيم. ابتدا يك الگوريتم جديد براي تخمين فركانس لحظه اي چنين الگوهايي معرفي مي كنيم. سپس اين روش يك كرنل وابسته به سيگنال را در حوزه زمان-تأخير ارائه مي كند كه مي تواند براي تخمين مجدد فركانس لحظه اي سيگنال ها با دقت بيشتر مورد استفاده قرار گيرد. نتايج تجربي ما براي مدولاسيون فركانس خطي و سينوسي نشان مي دهد كه كرنل وابسته به سيگنال پيشنهادي به طور قابل توجهي بهتر از ساير روش ها در تخمين فركانس لحظه اي سيگنال ها عمل مي كند و عبارات متقابل در صفحه زمان-فركانس را كه استخراج اطلاعات سيگنال را دشوار مي كند، كاهش مي دهد. روش ديگري كه در اين رساله پيشنهاد شده است، مبتني بر تنك بودن سيگنال در حوزه زمان-فركانس است. اين كرنل از حل يك مسأله بهينه سازي به دست مي آيد و عبارات متقابل را كاهش مي دهد و در عين حال قسمت هاي مفيد مربوط به سيگنال را حفظ مي كند. اين بهينه سازي با معرفي يك تقريب كارآمد از نرم l0 و l1 و بدون هيچ گونه فرضي در مورد مكان هاي عبارات متقابل و اصلي در حوزه زمان-فركانس انجام مي شود. نتايج حاكي از عملكرد بهتر اين روش در تخمين فركانس لحظه اي سيگنال در مقايسه با چندين روش شناخته شده ديگر است.

Time-frequency processing is a suitable tool for processing non-stationary signals used in various fields; Because the frequency changes of the signal can be seen with time. The types of time-frequency distributions that have been designed with different approaches are divided into two major categories, dependent and independent of the signal. In this thesis, our goal is to design a signal-dependent kernel based on signal-to-noise; Because it has the ability to adapt to the signal. In this thesis, we optimally design a time-frequency distribution kernel for a specific class of signals with known instantaneous frequency patterns such as linear and sinusoidal frequency modulation. First, we introduce a new algorithm for estimating the instantaneous frequency of such patterns. The method then provides a signal-dependent kernel in the time-delay domain that can be used to re-estimate the instantaneous frequency of signals more accurately. Our experimental results for linear and sinusoidal frequency modulation show that the proposed signal-dependent kernel performs significantly better than other methods in estimating the instantaneous frequency of signals and reduces the cross-terms in the time-frequency plane making signal information extraction challenging. Another method proposed in this dissertation is based on the signal’s sparsity in the time-frequency domain. This kernel is derived from solving an optimization problem that reduces cross-terms while preserving the useful components related to the signal. This optimization is achieved by introducing an efficient approximation of the l0 and l1 norms, without making any assumptions about the locations of cross-terms and main components in the time-frequency domain. The results indicate that this method performs better in estimating the instantaneous frequency of signals compared to several other known methods.

محمدرضا تابان

سعيد گازر , محمدباقر شمس الهي

محمدمهدي نقش , حميد سعيدي سورك