峰度检验加窗的EMD脉冲星信号消噪方法

针对经验模态分解(empirical mode decomposition, EMD)过程中本征模态函数(intrinsic mode function, IMF)上存在脉冲星信号与噪声混叠的问题,提出了一种基于局部峰度检验加窗的EMD消噪方法。首先,利用自相关和互相关来判断IMF的重构起点;其次,通过局部峰度检验方法来获取重构起点前两层IMF中信号脉冲部分的左、右端点,选用Turkey Hanning窗滤掉脉冲外噪声;最后,利用自适应阈值方法进一步除噪,改善信号质量。实验结果表明,与其他5种方法相比,所提消噪方法可以有效抑制噪声,保留脉冲星信号细节信息,具有更高的消噪性能。     

一种基于EMD和ANC技术的自适应降噪方法

为了提高分析信号的信噪比,基于经验模态分解和自适应噪声抵消技术,提出了一种新的信号去噪方法。该方法首先对信号进行自适应噪声抵消,然后进行经验模态分解,得到不同尺度上的固有模态函数,再对不同尺度上的固有模态函数进行噪声属性判定,如果不是噪声则选用不同的滤波参数,进行自适应噪声抵消,最后对各尺度上噪声抵消后的信号进行重构,得到去噪后的信号。结果表明,该方法比基于最小均方误差准则的自适应噪声抵消方法更能有效地消除信号中的噪声。     

基于EMD能量占比的海面漂浮小目标特征检测

针对传统的时频分析方法对海杂波分析有限的问题，提出一种基于经验模态分解(empirical mode decomposition, EMD)能量占比的海面漂浮小目标特征检测方法。首先，采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function, IMF)分量，实现对接收回波的频率从高频到低频的分解。然后，分别建立IMF分量与接收回波数据的相关系数，并利用平均均值-标准差之比作为筛选IMF分量的准则，自动筛选出能量较大且波动平稳的低阶IMF分量。最后，提取IMF分量在原始信号中的平均能量占比作为特征，利用蒙特卡罗方法设置门限，进行海面目标异常检测。实测数据的结果显示，所提算法的性能优于对比算法。     

导引头的EMD-KF组合滤波方法

在拦截大机动来袭目标时,拦截弹视线角速度呈无规律的非线性变化,导引头对自身测量信息滤波存在一定困难。针对这一背景本文提出一种基于经验模态分解(empirical mode decomposition, EMD)和卡尔曼滤波(Kalman filtering, KF)相结合的导引头滤波降噪方法,发挥经验模态分解处理非平稳信号的自适应特性,并通过卡尔曼估计削弱经验模态分解方法中“边界效应”的影响。仿真表明,该方法对于具有强非线性特性的视线角速度信号有较好的自适应滤波效果。     

基于EMD与关联维数的故障诊断AR模型

提出了一种基于EMD和关联维数的转子系统故障诊断方法。该方法用EMD将转子系统振动信号分解成若干个基本模式分量IMF,对包含主要故障信息的IMF分量建立AR模型,AR模型自回归参数的关联维数作为特征量神经网络识别转子系统的工作状态和故障类型。对实验数据分析的结果表明,该方法能有效地应用于转子系统的故障诊断。     

基于平均包络线匹配算法的EMD端点效应分析及在股价趋势分解中的应用

经验模式分解(EMD)能够有效获得非平稳非线性信号的时频特征,但传统的EMD分解算法存在严重的端点效应. 在深入研究和分析EMD算法的基础上,提出了一种基于波形匹配的端点效应处理方案,通过计算波形匹配度, 在平均包络线内部寻找与其端部变化趋势最为接近的子波,并用这段子波代替平均包络线的边缘部分, 使处理后的平均包络线极大地接近真实包络线,并把这种端点效应处理方案的EMD分解算法应用到实际的股票市场价格趋势分解中.实验结果表明,与经典的EMD边界延拓算法相比,本文提出的算法能更有效地抑制EMD分解时的边界效应, 分解得到的固有模式函数更能体现模拟信号真实的频率、幅值信息.应用实验表明:与现有方法相比,该方法更能提高预测精度.     

基于多相滤波的高精度延时设计及实现

雷达测距测速应用中的精确性取决于时间上的高分辨率, 而传统基于有限长单位冲激响应(finite impulse response, FIR)滤波的高精度延时设计所需的滤波阶数过高, 滤波处理较慢且复杂。为了加快滤波速度和节省硬件资源, 将数字内插与多相滤波技术结合, 提出了一种基于多相滤波的高精度延时设计方案。根据延时精度对FIR滤波系数向量重新排序, 依据延时量大小选择多相子滤波器对采样序列进行滤波处理, 实现小于整数倍采样间隔的高精度延时, 具有滤波速度快、节省硬件资源的特点。仿真分析延时信号的相位, 表明了所提多相滤波方案可实现高精度延时。借助现场可编程逻辑门阵列(field programmable gate array, FPGA)平台, 时钟频率为245.76 MHz时, 实测的延时精度可低至0.509 ns。     

基于多分辨率动态模态分解的电磁信号时频-能量分析

针对电磁信号时-频-空间-能量分析不兼容的问题, 提出一种基于分解时空域电磁辐射信号的数据驱动方法来分析复杂电磁环境。首先, 使用多分辨率动态模态分解方法将复杂电磁信号以不同的分辨率分离为不同时空尺度的模态分量。然后,利用时频分布对各模态瞬时频率和能量特征进行采集。这种动态的分解分析方式能快速侦测电路和电子系统的多方面电磁环境状态, 具有不需要先验数据训练, 不受时频分辨率限制, 可以实时分析和降低数据维数等优点,且提取的动态模式及其频谱分别在空间域和时域具有明确的物理意义。仿真实验显示, 重组信号和原信号的平均误差在-18 dB以下, 证明了所提方法的可行性和优势。     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.     

基于时变模型的科氏流量计信号处理方法与仿真

频率、幅度和相位均按随机游动模型变化的时变信号模型,能更为真实地描述科氏流量计信号的实际特性.基于时变模型,提出了一种新的科氏流量计信号处理方法.首先对通过带通FIR滤波器的科氏流量计信号进行短时频率估计;然后通过短窗截取,采用计及负频率影响的DTFT法计算两路信号的相位差和时间差.仿真分析表明,提出方法具有很好的跟踪效果,且计算量小,可用于科氏流量计的实时信号处理.     

基于多频组合模型的中国区域碳市场价格预测

新兴的中国区域性碳排放市场受到交易制度,异质环境,政策等因素的影响,使碳价呈现出非线性,非平稳,多频率等特征,风险较为突出.研究碳价的预测方法,有利于碳市场风险管理.传统的单一模型不能全面刻画碳价波动特征,论文构建多频率组合预测模型.运用极点对称模态分解方法将碳价时间序列分解为互不耦合的模态分量;将这些分量分为高,中,低频部分,分别选择适合三种不同频率模态下的预测方法NAR(non-linear autoregressive),WNN(wavelet neural network),SVM(support vector machine)确定其输入输出结构以分类预测;利用PSO-SVM集成碳价分类预测结果,发现:与NAR,WNN,SVM,GARCH等单模型相比,论文的多频率组合预测模型精度更高,是一种更为有效的碳价预测方法.     

基于EMD提取专家语言评价信息的群决策方法

针对传统语言群决策方法在集成专家评价信息时所遇到的专家权重求取主观性大、方法无标准的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)提取专家语言评价信息的群决策方法,利用EMD方法适于分解非线性、非平稳信号数列的特点,分解各专家对待决策事物做出的综合语言评价值,得到各专家所做评价值的客观趋势成分和主观随机成分,以客观趋势成分的均值,作为待决策事物的专家综合评价结果用于优选过程.相比于传统群决策理论中专家信息的集成方式,其由于不用求取专家权重而直接进行评价信息提取,因此能更大限度地排除人为主观因素的影响,使最终决策结果更加符合对客观事物的评价规律.     

分量载频差极小时频信号的超分辨率分析方法

针对多个调制形式完全相同且分量间载频差极小的时频信号,提出了一种超分辨率分析信号的模型和方法。首先,以各分量的幅度和相位为状态变量,信号的时域观测和基于相同调制形式而构建的瞬时频率斜率为测量方程,为分量间载频差极小的时频信号构建多观测的状态空间模型。然后,为了估计模型需要的分量数目,利用匹配解调变换将原信号解调为近似平稳的窄带信号,再使用稀疏迭代自适应协方差估计该窄带信号在时间窗内的协方差,基于这一估计协方差并利用判别函数法估计该窗内的分量数目。最后,以多个滑动时间窗内估计结果的众数作为信号分量数目,就可基于提出的模型以及数据融合滤波算法对时频信号进行超分辨率分析。仿真结果表明,所提方法的性能优于其他方法。     

分量载频差极小时频信号的超分辨率分析方法

针对多个调制形式完全相同且分量间载频差极小的时频信号,提出了一种超分辨率分析信号的模型和方法。首先,以各分量的幅度和相位为状态变量,信号的时域观测和基于相同调制形式而构建的瞬时频率斜率为测量方程,为分量间载频差极小的时频信号构建多观测的状态空间模型。然后,为了估计模型需要的分量数目,利用匹配解调变换将原信号解调为近似平稳的窄带信号,再使用稀疏迭代自适应协方差估计该窄带信号在时间窗内的协方差,基于这一估计协方差并利用判别函数法估计该窗内的分量数目。最后,以多个滑动时间窗内估计结果的众数作为信号分量数目,就可基于提出的模型以及数据融合滤波算法对时频信号进行超分辨率分析。仿真结果表明,所提方法的性能优于其他方法。     

基于频域干扰剔除的OTHR射频干扰抑制算法

目前,天波超视距雷达(over-the-horizon radar,OTHR)大多是在空域或匹配滤波后的时频域抑制射频干扰,往往会同时抑制掉射频干扰附近的目标。考虑到在匹配滤波后,射频干扰与目标信号都是近似单频信号难以区分;而在匹配滤波前,目标信号是宽带的线性调频信号,而射频干扰是近似单频的窄带信号,射频干扰与目标信号显著不同,易于分离。基于该特点,提出了一种基于匹配滤波前的频域干扰置零的射频干扰抑制算法。该算法在频域中检测射频干扰的频点位置并将该频点的信号成分置零,最后变换到时域实现射频干扰抑制。与传统方法相比,本文所提算法在抑制射频干扰时基本不损害目标信号。实测数据的处理结果验证了所提方法的优越性。     

基于EEMD样本熵和SRC的自确认气体传感器故障诊断方法

针对非线性、非平稳情况下自确认气体传感器的故障诊断问题,提出了对传感器不同故障模式信号进行特征提取和智能识别的在线故障诊断方法。首先,该方法根据传感器信号的变化进行集合经验模态分解(ensemble empirical mode decomposition,EEMD),自适应地获得一组固有模态函数(intrinsic mode functions,IMFs),对每个IMF及残余分量进行样本熵分析,提取传感器输出信号的完备特征;然后,利用稀疏表示分类(sparse representation-based classification, SRC)将各故障模式下训练样本的特征向量构成超完备字典。为了提高故障诊断方法的自适应能力,对SRC分类器进行在线更新。通过求解最小1范数约束问题,获得测试样本的稀疏表示系数,再由不同故障类型的重构误差确定测试样本归属,进行传感器故障类型识别。实验结果表明,与目前其他传感器故障诊断方法比较,本文提出的方法能够更显著地提取传感器故障信号特征,故障识别率提高4%以上,达到97.14%。     

一种基于小波变换的机动目标跟踪算法研究

小波变换是去噪的有力工具 ,它可以将由各种不同频率成分组成的信号分解到不同的频率区间上 ,有效地用于滤波。研究了一种基于多尺度分解的机动目标跟踪算法 ,该算法利用小波中的经典算法———Mallat算法对单一分辨率的测量数据进行多尺度分解 ,将分解得到的多分辨率测量数据用于目标状态更新。该算法是一种准实时最佳滤波算法。仿真结果表明 ,该算法具有良好的跟踪性能 ,且运算量不大。     

Multi-component LFM signal detection and parameter estimation based on Radon-HHT

A new method is proposed to analyze multi-component linear frequency modulated （LFM） signals, which eliminates cross terms in conventional Wigner-Ville distribution （WVD）. The approach is based on Radon transform and Hilbert-Huang transform （HHT）, which is a recently developed method adaptive to non-linear and non-stationary signals. The complicated signal is decomposed into several intrinsic mode functions （IMF） by the empirical mode decomposition （EMD）, which makes the consequent instantaneous frequency meaningful. After the instantaneous frequency and Hilbert spectrum are computed, multi-component LFM signals detection and parameter estimation are obtained using Radon transform on the Hilbert spectrum plane. The simulation results show its feasibility and effectiveness.     

地球同步轨道SAR两维奇异值分解成像方法

针对地球同步轨道合成孔径雷达(geosynchronous synthetic aperture radar, GEO-SAR)长合成时间和大观测场景严重的二维空变将影响二维聚焦深度的问题,该文提出了一种GEO-SAR两维奇异值分解成像方法。该方法首先对距离空变信号进行奇异值分解得到距离多普勒的耦合特性,通过距离频率插值和重采样完成距离空变校正;接着,对方位空变信号进行奇异值分解将方位空变与多普勒分离,通过级联的两步奇异值分解和方位非线性变标操作完成方位空变校正,实现整个场景的聚焦。最后,仿真结果验证了该方法的有效性。     

基于时域自适应FIR滤波的空时处理方法

传统的后多普勒自适应处理方法,如果仅仅选用一个多普勒通道的输出数据进行空域滤波时,虽然对旁瓣杂波的抑制接近最优,但是对主瓣杂波抑制性能较差。针对以上问题,提出了基于时域自适应有限长单位冲激响应(finite impulse response, FIR)滤波的空时处理方法。该方法先设计一组自适应FIR滤波器,利用这组自适应FIR滤波器对雷达回波数据进行时域FIR滤波,然后分别对同一多普勒通道的输出数据进行空域自适应处理。仿真结果表明,该方法的杂波抑制性能优于1DT方法,而且该方法在天线阵元存在一定的随机幅度和相位误差情况下,杂波抑制性能损失不大。