基于平面变换技术的脉冲信号分选

针对平面变换分选信号方法中人工检测特征曲线的缺点,对平面变换后特征曲线的检测方法进行了研究.将随机Hough变换引入平面显示变换后的特征曲线检测,导出了检测曲线参数与待分选脉冲序列的脉冲重复间隔(PRI)之间的关系,利用该技术可实现对平面变换后特征曲线的自动检测与分离,该方法适用于固定PRI、参差PRI和随机抖动PRI脉冲序列的分选.     

常见雷达信号分选算法研究

在电子对抗中,信号往往复杂多变,对雷达信号的分选提出了新的要求.要准确地确定主辐射源,确定干扰手段,就要从一连串脉冲流中分选出来自同辐射源的脉冲序列.为了分选时域上不同特征的雷达信号——常规信号、抖动信号以及参差信号——先后对PRI变换法、改进了的PRI变换法以及SDIF法这三种分选算法进行了研究,并对这些算法在不同参数上分别用Matlab进行了仿真,实验表明PRI变换法能检测常规信号,但不能检测抖动雷达信号以及参差雷达信号的子周期;改进后的PRI变换法可以检测10%以内的抖动信号;而SDIF算法不仅能检测出常规信号和参差信号,而且运算量较小,达到了分选常见雷达信号的目的.     

规范化自相关函数的复杂PRI调制样式识别

针对当前复杂PRI调制样式难以有效识别的问题,提出了一种基于规范化自相关函数的复杂PRI调制样式识别算法。该算法首先求出4种PRI脉冲序列的自相关函数,在对自相关函数做规范化的基础上,定义了峰值密度,陡峭度,序列能量3个特征量并建立特征空间,通过比较特征量与门限值进行判决,识别出PRI调制样式。仿真结果表明:本文算法在单组脉冲数目为100个、信噪比为4dB时,识别正确率可以达到95%;在单组脉冲数目为80个时,识别正确率可以达到95.5%;在单组脉冲数目为100个、脉冲丢失率达到25%时,识别正确率仍保持在93%以上。     

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。     

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.     

基于平面变换的雷达脉冲信号分选算法

通过平面变换技术将雷达脉冲映射成平面矩阵,在分析周期信号在平面矩阵中重复特性的基础上,提出了一种周期性雷达信号分选的新方法--矩阵匹配法.针对以前搜索算法门限确定困难以及当信号密集且周期性信号数最较少时无法分选的缺点,该算法采用通过检索相似度序列的方法,实现自动分析最小显示周期并完成分选工作.仿真表明陔方法对周期信号具有很高的分选准确度,对PRI随机抖动雷达也具有一定分选能力.该算法检索速度快、计算简单且易于实现,具有广泛的工程应用前景.     

基于脉内特征的雷达信号分选方法

当前复杂的电子环境下不同调制的多种雷达信号,具有交叠严重、分选困难的特点。针对这一问题提出一种基于时频原子特征的雷达信号分选方法。该方法根据欧氏距离准则,在超完备的Chriplet时频原子库中,利用杂草算法提取可分性较好的原子,并与各信号做内积作为雷达信号分选的特征值,利用改进的FCM聚类算法进行聚类。在不同信噪比下,对5种不同调制参数的雷达信号进行分选,仿真结果表明,在较低的信噪比下,该方法能够进行有效的雷达信号分选。     

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

基于随机森林的认知网络主用户信号调制类型识别算法

针对低信噪比情况下主用户信号调制类型识别率低的问题,提出了一种使用信号循环谱中特征参数作为样本参数的基于随机森林的认知网络信号类型识别算法,通过使用训练完成的随机森林对主用户信号类型识别,有效抑制了采用ANN和SVM进行识别所造成的误差影响,提高了低信噪比下信号识别的精确度,实现了不同调制类型信号的有效检测与识别.实验结果表明:所提出的算法有较高的主用户信号调制类型识别精度,进而验证了算法的有效性.     

一种宽带脉冲信号检测算法

提出了一种能够实时检测雷达脉冲信号的自相关算法。相对原有相关算法,该算法提高了窄带脉冲信号脉宽和到达时间的测量精度,并具备对宽带脉冲信号检测和时域参数估计的能力,且易于硬件实现。讨论了不同信噪比下使用最优门限能够达到的测量精度,并将该算法在FPGA中实现。仿真结果证明该算法在实时处理环境中具有较好的检测性能。     

基于改进变分模态分解和小波阈值法的单相接地故障电流降噪

针对电力系统输配电线路发生单相接地故障时,电气设备间的电磁环境复杂,现场环境干扰严重导致故障录波装置采集到的故障零序电流信号含有大量噪声,影响后续选线准确率的问题,提出了一种改进VMD和小波阈值法联合的单相接地故障的零序电流降噪方法,通过北方苍鹰优化算法优化改进变分模态分解（VMD）对零序电流信号分解,引入自适应相关阈值对分解后的分量进行筛选,对噪声分量进行小波阈值法降噪,最后将信号进行重构。通过搭建模型进行仿真实验,所提算法比传统VMD降噪算法信噪比提高了5.52%~35.99%,均方根误差降低了12.78%~30.88%,与小波阈值降噪方法、EEMD-小波阈值降噪方法、CEEMDAN-小波阈值降噪方法相比,也都有明显的优势,并且在标准测试信号Heavy Sine信号和Bumps信号中进行实验验证了算法的适用性。     

基于鲸鱼优化算法的VMD-NLM脉搏信号滤波算法研究

针对采集到的脉搏波信号中存在基线漂移和高频噪声等干扰,导致后续病理研究分析困难、测量精度相对较差的问题,提出了一种改进的变分模态分解和非局部均值降噪结合的滤波算法。针对变分模态参数选取不同对结果存在不同影响的问题,采取鲸鱼优化算法自适应选取合适的参数,并根据排列熵结果筛选模态分量,对噪声分量进行非局部均值滤波,最后将信号重构,实现对脉搏波信号的噪声去除。实验结果表明：含噪信号经过改善后的滤波算法处理后,其信噪比与均方根误差均优于其他降噪方法,证明该算法能够有效地滤除信号的噪声,有助于脉搏波的分析处理。     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

佤语语音语料端点检测算法

端点检测是语音信号处理的过程中非常重要的一个环节,其准确性直接影响语音信号处理的速度和结果.特别是在实际应用中因信噪比较低,使得某些高信噪比下性能好的端点检测算法准确率也比较低.为了提高在低信噪比的环境下佤语语音端点检测的准确率,本文使用了一种基于多窗谱估计谱减法和能熵比法的语音端点检测复合算法.该算法首先利用多窗谱估计谱减法去除语音的背景噪音以提高信噪比;其次再对去噪后的语音使用能熵比算法进行端点检测;最后借助Matlab工具对佤语语音进行仿真实验.仿真结果表明:对于低信噪比的环境下的佤语语音,本文使用的基于多窗谱估计谱减法和能熵比法复合算法同常规能熵比算法相比,端点检测的准确率提高了34%.     

基于内插型双边带滤波器的时域自适应滤波

针对过采样条件下直接序列扩频（DSSS）系统中采样样值相关性造成在使用传统时域自适应滤波窄带干扰抑制方法时扩频信号失真的问题,提出一种改进的时域自适应滤波方法.该方法基于内插型双边带滤波器,采用抽取-内插结构,结合最小均方（LMS）算法进行自适应权值更新,实现窄带干扰抑制.理论分析和仿真结果表明,在高信噪比情况下,该方法与常规自适应滤波方法比较,具有更小的信噪比回退和有用信号畸变;同时低信噪比情况下,其误码率性能也略有优势.      

一种新颖的超宽带自参考发射接收方案

针对发射参考超宽带系统的低资源利用率和相关模板易受噪声干扰的缺点，提出一种新的自参考发射接收方案和基于此方案的广义似然比检验分组判决算法．所提方案利用部分重叠窗检测结构，将已判决符号的接收信号作为参考，省去了参考信号占用的能量与时间资源，达到了满数据发送速率；引入差分编码解决了重叠窗带来的误码传播问题．分组判决算法利用检测窗内所有数据帧，在广义似然比准则下对相关模板进行联合估计，进一步压制了模板噪声．仿真结果表明，与传统发射参考以及其他发射参考方案相比，该自参考方案及其检测算法在广义信噪比下能提供更好的误码性能．     

基于相关法的差分式科氏流量计幅值检测算法

为提高差分式科氏流量计幅值检测的精度,提出了基于相关法的幅值检测算法。首先构造两路与采样信号同频的参考信号,然后分别与采样信号进行互相关得到互相关信号,估计出采样信号的初相位,最后检测出采样信号的幅值。理论分析表明:该方法不受信号非整周期采样的影响。仿真实验结果表明:该方法提高了检测精度,在信噪比45d B时,测量相对误差低于0.25%。     

O-OFDM系统中基于相关性分析的改进PTS算法

为了解决光正交频分复用系统的高峰均功率比问题，提出了一种基于相关性分析的部分传输序列算法.该算法通过分析备选信号之间的相关性，将强相关信号和弱相关信号进行分类，对强相关信号进行选择性搜索，对弱相关信号进行全搜索，这样在整体上了减少搜索次数.此外，通过分析备选相位因子序列之间的关系，优化相位因子加权过程.仿真结果表明，在三种分割状态下，均能有效改善系统峰均功率比，尤其在交织分割状态下，该算法与传统部分传输序列算法相比，实现了无峰均功率比性能损失，且计算复杂度得到大幅度降低.