基于通信信号分选与识别的分布式处理机研究

针对通信信号分选与识别,提出了建立分布式处理机的方案,利用预处理与主处理相结合的方法来分选通信信号,尤其在进行调制分类时,提出特征提取和识模器,为了提高处理速度,采用维数压缩和线性识模器。     

支持向量聚类联合类型熵识别的雷达信号分选方法

针对复杂环境下传统雷达信号分选处理中由于设定容差难以准确分选的问题,提出一种分层互耦支持向量聚类(SVC)联合类型熵识别的多参数雷达信号分选方法.该方法首先对雷达信号的全脉冲序列进行分层处理,再分别对每个子序列进行SVC聚类,然后引入分层耦合的思想,利用所提取子序列的全部质心,重新进行SVC聚类,将各分层的全脉冲序列中属于同一雷达信号源的子序列连接起来,从而实现对雷达全脉冲序列信号的分选.根据类型熵随信号种类数的增加及信号复杂性的增加而增大的特点,对多参数聚类结果进行类型熵的计算,并将类型熵识别用来辅助信号分选.实验结果表明,对于高脉冲密度环境和复杂的信号形式,提出的方法避免了传统信号分选方法中所面临的容差问题对信号分选的影响,可以实现有效分选.     

统计学习理论算法在跳频信号分选中的应用

在第3方截获并检测到跳频通信信号后,由于无先验知识,所以对其进行网台分选不便采用传统有监督学习算法.即便采用无监督的算法,目前多数算法对分类个数等相关消息也必须有所借鉴并在多分选参数的逐级分选中通过先验知识进行有效性判断和筛选.针对电子支援中探测到的跳频信号分选所遇到的困难,利用统计学习理论在小样本学习及非线性分类上较其它传统分类算法更好的性能,提出基于统计学习理论的无监督及半监督学习算法,对第3方得到的跳频网台分选进行应用,取得理想结果.为跳频通信侦察过程中的分选工作,提供一种应用鲁棒性好,分选准确度高的方法.     

基于改进重频跟踪器的雷达信号分选方法研究

提出了一种基于脉冲重复周期（PRI）跟踪器的已知雷达信号分选方案,介绍了已知雷达信号分选电路的组成部分。详细阐述了滤波电路、跟踪器首脉冲捕获电路和重频跟踪电路的实现方法。在FPGA上采用多路重频跟踪器实现多路信号并行分选。全硬件跟踪分选已知雷达信号,实现了密集信号环境下已知雷达信号的实时分选,提高了可靠性、灵活性。提高了电子对抗设备的信号分选和处理能力。     

一种对多种重频调制类型雷达信号分选算法的研究

针对传统信号分选算法中单一算法无法分选多种重频调制型信号的缺点,在改进SDIF算法的基础上,对集对分析法进行研究,并将二者结合提出了基于集对分析法的改进顺序差直方图分选算法。仿真实验证明,新方法能够分选多种重频调制类型雷达信号,且在信号量很大的情况下依然具有较高的分选准确率和较好的实时性等优点。     

一种新的PRI变换分选算法

脉冲重复间隔(pulse repetition interval,PRI)变换及其改进算法是雷达信号分选领域的经典算法之一。在早期的信号环境中,各部雷达信号的PRI值相对接近,传统的改进PRI变换算法能够有效地分选PRI抖动雷达信号,因而得到了广泛的应用。随着信号环境的日益复杂,不同雷达发射的信号其PRI值分布在一个较大的范围内,此时传统算法的分选能力大大减弱。针对上述问题,对传统算法中可变时间起点的改变、PRI箱的选择以及门限的确定三个方面进行改进,提出一种新的PRI变换分选算法。新算法中采用了可变的移动因子、固定的箱分辨率以及合理的门限,在保留原算法优点的同时,能够适应PRI值分布在较大范围内的抖动雷达信号分选问题,并通过模拟仿真验证了算法的有效性。     

基于时频单源点检测的雷达信号的盲分选

针对欠定条件下的雷达信号分选问题,提出一种基于时频单源点检测的雷达信号盲分选算法,该分选算法的创新点在于将雷达信号由时域转移到时频域进行分析.在时频域内,雷达信号具有一定的稀疏性,有助于实现信号盲分选,给出了基于时频单源点检测的雷达信号盲分选算法的具体步骤.该方法能够有效解决欠定条件下雷达信号盲分选问题,将其应用于雷达信号分选领域,具有一定的军事应用价值.仿真测试结果表明了该方法的可行性与优越性.     

脉间波形变换信号分选跟踪器的设计与实现

针对目前普遍存在的LPI雷达信号识别截获难的情况,提出了一种脉间波形变换信号的分选跟踪器的设计方案．在多脉宽和捷变分析的基础上,采用了改进的概率统计算法和动态关联扩展法进行分选,在跟踪器中采用了“多波门”和“少波门”2种波门给出方式,并进行了软硬件设计和测试．实践证明,此分选跟踪器对于脉间波形变换信号有着较强的识别能力．     

一种基于DSP和FPGA的雷达信号分选电路设计

设计了一种基于DSP和FPGA的雷达信号分选电路,对密集的雷达信号进行分选识别。系统利用FPGA采集信号的特征参数以及对参数进行预处理;采用了累积差值直方图算法,根据信号脉冲宽度对数据分组,多片DSP协同处理实现信号分选。工程实践表明:该电路对常规雷达信号分选效果良好,处理速度快,系统可靠性好。     

用变步长检测法分选周期性信号

讨论了密集视频脉冲信号的分选，将大周期内完全重复的信号均定义为“周期性信号”。在此基础上，提出了一种变步长检测“周期性信号”脉冲到达时间（ＴＯＡ）的方法，提高了分选“周期性信号”的速度。     

软判决在OQPSK解调中实现对信号纠错的分析与应用

针对OQPSK(Offset Quadrature Phase Shift Keying)信号的特点，提出了经OQPSK调制的数字信号在解调过程中实现一位纠检错的新方法，以及实现该方法的具体电路。此方法采用软判决检测技术，在对无信道编码的数字信号解调的同时，直接实现对信号的一位纠错，把解调与纠错，于妙地融合在一起，简化了电路的复杂度。另外，可在无信道编码的情况下实现一位数字信号的纠错，省去了由于信道编码带来冗余码，提高了信道利用率。对此方法进行了误码率计算，计算表明该方案比采用硬判决的OQPSK相干、非相干解调有更低的误码率。     

一种基于时频分布的DOA估计方法

提出了一种基于信号时频分布波达方向估计的新方法。该方法根据信号的时频特征来构造阵列的时频相关矩阵Wxx和Wxy，再利用旋转不变技术对信号的波达方向(DDA)进行估计。由于充分利用了信号的时频域特征，此方法既适用于时不变的、平稳信号又适用于时变的、非平稳信号，与传统的一维ESPRIT方法比较，改善了DOA估计的性能，尤其是在低信噪比和空间近角度时，性能的改善是明显的。数值仿真的结果证明了上述结论。     

利用时变滤波器模拟多普勒信号

计算机模拟的多普勒信号可用于评估各种多普勒信号处理的性能。为了快速而容易实现模拟正交多普勒信号,提出了一种仅利用一个时变波滤器的方法。该方法根据白噪声通过时变滤波器的特性而实现的。实验表明,对以该方法模拟的多普勒信号的短时傅里叶分析结果与理论预测相吻合,故该方法是切实可行的。     

基于物理模型的多普勒信号模拟方法

提出了一种基于物理模型的超声多普勒信号模拟方法,它可以适用于分层,脉动,非均匀的血流情况,这种方法直接以血流情况,仪器参数等作为输入,产生同时反映正反向血流信息的解析多普勒信号。实验,和这个方法生成的信号能够较好地模拟实际多普勒信号的各种特性,因此这个方法是有效而可行的。     

基于Radon-Ambiguity变换和分数阶傅里叶变换的chirp信号检测及多参数估计

研究噪声环境中chirp信号的检测以及多参数估计问题．分析和比较了Radon-Wigner变换(RWT)法、Radon-Ambiguity变换(RAT)法和分数阶傅里叶变换(FRFT)扫描法的优缺点．提出了一种基于RAT和FRFT的新算法，并提出了幅度估计的一种适合于计算的表达式．最后通过计算机仿真验证了该方法的有效性．这种方法与RWT法和FRFT扫描法相比，将chirp信号的检测问题变为一维搜索问题，简化了计算，与单纯的RAT法相比，有效地解决了chitp信号的初始频率和幅度的估计问题．因此，适合于对chirp信号多参数联合估计．     

MUSIC及其改进算法的DOA估计

MUSIC算法是一种有效的DOA(Direction of arrival)估计方法,但它仅能估计非相关信源,不能估计相关信源。前后向空间平滑技术(Forward/Backward Spatial Smoothing Technique)是一种改进的MUSIC算法,对相关信源有很高的分辨率。分析了它的基本原理及优缺点,仿真了它的分辨性能。     

基于小波包和独立分量分析的微弱多源故障声发射信号分离

针对旋转机械设备中同时存在的裂纹、摩擦等多故障源信号难以检测和分离的问题,提出了一种基于小波包分析(WPA)与独立分量分析(ICA)的多源故障信号提取方法,即首先用WPA对含噪线性混合信号降噪预处理,由db2小波基函数进行5层分解后保留62.5~187.5kHz频段信号,然后采用ICA中的FastICA算法对降噪后的混合信号分离,最后对各通道分离出的信号用收缩函数进行频段内去噪处理.对不同输入信噪比的含噪微弱裂纹和摩擦信号进行提取和分析的结果表明,该方法能有效提取出输入信噪比大于-15dB的裂纹和摩擦信号.当混合信号信噪比为-15dB时,裂纹和摩擦信号的输出信噪比分别为-1.31和-1.36dB,相关系数分别为0.62和0.63,提取效果好于结合小波包和FastICA分离方法(信噪比分别为-1.74和-2.06dB,相关系数分别为0.59和0.59)以及单独采用FastICA算法(信噪比分别为-4.57和-4.31dB,相关系数分别为0.17和0.19).因此,所提出的综合WPA和ICA的方法是一种较好的多源微弱信号提取方法.     

独立分量分析联合小波变换的多分量信号调制识别研究

对复杂电磁环境下多分量信号进行调制识别,可通过准确估计接收信号的瞬时频率来分析其脉内细微特征。本文联合独立分量分析和小波变换技术,对多分量辐射源信号进行了盲源分离和调制识别的研究。在无先验信息条件下,采用Fast ICA对混叠信号分离,将时频混叠信号分解成一系列独立分量。对分离后的单分量信号分别做小波变换处理,由小波系数的局部模极大值提取其小波脊线。针对不同调制类型雷达信号,用最小二乘法对时频小波脊线进行直线拟合,获取特征参数,通过计算特征值判决出信号的调制类型。通过仿真实验表明,该方法可以分离混叠信号并有效提取信号小波脊和瞬时频率,进而识别出信号的调制类型,并在低信噪比情况下仍有较高的识别概率。     

基于向量量化网络的火电厂炉膛火焰检测

通过对火力发电厂锅炉炉膛火焰检测装置及炉膛燃烧器的分布位置进行分析,结合神经网络的LVQ结构及MATLAB编程,介绍一种火焰检测的新方法.该方法首先通过火焰检测装置把采集到火焰有无的光信号转换成电信号,然后再经过滤波放大等环节把电信号转换成数字信号,送入微机用MATLAB编写的LVQ程序进行检测,根据仿真的数据及曲线可以看出此种方法能够及时准确地为运行人员提供报警信息,达到预先设定的目标.     

基于平移窗信号自相关分析的振动稳定性研究

针对目前潜油电泵的振动信号稳定性分析方法存在的不足,提出了基于平移窗信号自相关分析方法,并定义了稳定指数用于定量评价振动信号的稳定性。首先利用滑动叠加平均法获得一个能够最大程度地代表振动信号周期性特征的窗信号;然后将该窗信号在振动信号上平移并进行自相关分析,从而获得自相关系数序列;最后对自相关系数序列进行处理得到稳定指数。仿真及实验结果表明,本方法可有效地评判信号是否存在振动幅度不稳定或振动周期不稳定的现象,并成功地检验出具有潜在故障的电泵,验证了该方法在评价振动信号稳定性方面的可行性和有效性。