针对正弦调频(SFM)信号Wigner-Ville分布(WVD)存在严重的时频交叉项干扰问题，提出了一种基于稀疏分解的时频分析方法。该方法首先由信号的时频参数构建Gabor原子字典，然后利用匹配追踪(MP)算法实现信号分解，并结合改进遗传算法寻找最佳匹配原子，最后将每次分解得到的Gabor原子通过Wigner-Ville变换叠加得到无交叉项的信号WVD。仿真结果表明，该方法能提高对信号稀疏分解的计算效率，且Gabor原子的选取较为灵活，用少量原子可表示信号WVD。与传统的时频分析方法相比，该方法

大型阵列的优化（可提高效率）在获取声场中的信号方面起着重要作用。 最近，诸如遗传算法（GAs）之类的人工智能算法因其在全局优化中的出色性能而被广泛用于稀疏阵列优化。 本文提出了一种新的初始部署形成方法：“随机位置分配”，并在遗传算法中提出了新的交叉变异规则，以提高声学阵列的性能，改进的遗传算法减少了计算量，提高了收敛性。在相同条件下，代数从30 [1,12]减少到少于20，并且最大旁瓣电平（max SLL）减小了，并在由线性阵列组成的线性阵列上进行了仿真。包括200个各向同性或方向性元素。对于各