基于主趋势辨识和智能残差修正的股指时间序列预测

针对股指时间序列存在信噪比低、干扰因素多、随机波动强的特点,提出一种基于主趋势辨识和智能残差补偿的股指序列预测方法。一方面利用奇异谱分析方法对股指时间序列重构,提取股指时间序列的主要趋势,采用自回归方法实现对主趋势的辨识;另一方面将主趋势模型与实际股指时间序列的残差,采用GA-SVM算法对残差进行学习,所得结果对自回归模型进行修正。实证分析结果表明,采用本文算法能够有效的将预测精度控制在7%以内,同时与灰色预测算法以及神经网络算法相比,在RMSE、MAPE和F三项指标,占有一定的优势,从而提供了一种新的分析股指时间序列的有效途径。     

基于分数阶傅里叶变换的chirp信号时频分析

提出了一种新的基于分数阶傅里叶变换的伪维格纳分布(PWD),用于单分量或多分量chirp信号的分析。首先通过搜索二阶分数阶傅里叶变换矩的极值点,寻找最佳变换域,然后利用旋转的短时傅里叶变换,在分数阶傅里叶变换域中实现各分量chirp信号间的分离,以抑制交叉项及噪声项的干扰。在已知信号模型的前提下,还给出了分数阶傅里叶变换最佳旋转角度的经验计算公式,以辅助信号分析。仿真实验表明,通过对时频平面的旋转,所提出的方法能够在分数阶傅里叶变换域中,很好地抑制多分量信号间的交叉项干扰,更好地提取信号的时频信息。     

基于ITD的跳频信号跳速估计算法

非合作情况下,跳频信号参数准确快速的估计对于获取对方通信参数、产生跟踪式干扰等具有重要意义。提出了一种基于固有时间尺度分解的跳频信号跳速的快速估计算法,该算法迭代地分解跳频信号成一系列固有旋转分量,并求出由各层旋转分量信号包络瞬时幅度的最大值所构成的一个分析序列,对该序列进行傅里叶变换即可估计出跳频信号的跳速。该算法具有运算复杂度低、不受时频不确定性原理影响、时频定位精度高的优点。仿真结果显示,该算法能够有效地估计出跳频信号的跳速。     

基于数字图像处理的信号时频分布精度改善方法

提出了利用数字图像处理技术对信号时频表示结果进行处理的方法。该方法通过时频平面的平滑滤波、阈值处理与时频分布脊线提取等算法,能够在抑制噪声的同时,得到具有高度聚集性的时频分布。相对于信号的模糊域处理和计算核选择方法,该方法不需要关于信号的先验知识,其结论可以为多信号环境中信号区分、描述与参数识别提供依据,同时可以应用于宽带信号的到达角估计。相应的仿真结果验证了该方法的有效性。     

DSSS卫星通信中基于小波包变换的干扰抑制方法

卫星通信中利用直接序列扩频技术具有一定的抗干扰能力,但由于扩频增益无法做到无限大,当强干扰超过系统的干扰容限时,系统传输性能将会大幅降低。通过变换域信号处理技术对直接序列扩频中的干扰进行检测与抑制,能够增强其抗干扰能力。小波包变换具有优异的时频域局部分析能力,非常适合用于直接序列扩频系统中干扰检测与抑制。分别对规则小波包分解和最佳小波包分解进行了研究,提出了一种基于最佳小波包分解的干扰抑制新方法,通过将子带功率比与最小功率阈值相结合,实现对干扰进行定位和抑制。仿真结果表明,所提出的算法与基于规则小波包分解的干扰抑制和传统的快速傅里叶变换算法干扰抑制相比较,性能得到显著改善,且在计算复杂度上上升极少,是提高直接序列扩频信号抗干扰能力的更有效的选择。     

基于自适应LPFT的非平稳信号到达角估计

对非平稳阵列信号处理来说,通过时频分析预处理可以提高对不同信源到达角(direction of arrival, DOA)的分辨能力和估计精度。本文以提高在多信号分量环境下时频表示的能量聚集性为目标,提出一种自适应的局部多项式傅里叶变换(local polynomial Fourier transform, LPFT)方法,通过对信号瞬时频率曲线进行多项式拟合,确定LPFT的窗函数长度及各阶系数,以较小的计算量实现自适应时频分析。在此基础上,提出一种基于自适应LPFT的多信号分类(multiple signal classification,MUSIC)算法。仿真结果表明,与其他时频MUSIC算法相比,该方法对信号形式的适应能力强,在DOA估计精度、多信源角度分辨能力方面具有一定优势。     

自适应核时频分布在抑制交叉项中的应用

分析了固定核函数时频分布在抑制交叉项方面的局限性以及基于信号特征的自适应时频分布对时频分辨率的改善。通过对基于信号特征的径向高斯核时频分布进行改进,提出了一种基于信号特征的自适应核时频分布的改进算法。该算法采用短时模糊函数和随时间变化的自适应核,能够在时频分布中区分出多分量信号的细节部分。仿真结果表明,该分布具有较高的时频分辨率,且无交叉项干扰。同时它还适合分析长时间信号和实现在线信号处理。     

基于时频方差聚类的FH信号参数盲估计

为解决复杂电磁环境下跳频(frequency hopping, FH)参数的盲估计问题,提出了基于时频方差聚类的算法。考虑在低信噪比(signal-to-noise ratio, SNR)和定频干扰同时存在的情况下,通过短时傅里叶变换(short time Fourier transform, STFT)将信号变换到时频域,利用遗传算法对信号的时频区间进行提取,根据时频方差对其进行k-means聚类,消除噪声和定频干扰并提取时频脊线,然后运用Haar小波对该时频脊线进行奇异点检测,进而估计出FH信号的FH周期、跳速和FH频率等参数。仿真结果表明,所提算法在SNR低于-5 dB且存在定频干扰的情况下,能够实现对FH参数的精确估计,参数估计正确概率达到90%以上。     

改进时频脊线的跳频参数盲估计算法

为解决基于时频脊线的跳频参数估计算法在信噪比低于-5 dB时估计误差较大且存在定频干扰时方法失效的问题,提出了该算法的改进算法。在短时傅里叶变换(short time Fourier transform, STFT)的基础上,利用迭代去噪法对原时频图进行去噪处理,根据跳频信号与定频干扰驻留时间的不同,采用k-means算法对其进行聚类,消除定频干扰并提取其时频脊线,利用Haar小波对提取到的时频脊线进行奇异点检测,并估计出跳频信号的跳频周期、起跳时间和跳频频率。仿真结果表明,所提算法在信噪比低于-5 dB且存在较强定频干扰的情况下,仍能对跳频参数进行正确估计,且优于原有算法。     

基于改进型经验模分解的陀螺漂移趋势提取

非线性,非平稳的时间序列经过经验模分解,可以得到一组内模函数和一个基本的趋势项。本文针对陀螺弱非线性、非平稳漂移时间序列的趋势项提取这一问题,引入了改进的经验模分解方法。该方法通过二拍自适应滤波对原经验模分解中局部均值的估计方法进行了改进,并利用自适应边界估值来抑制其边缘效应。给出了应用该方法的具体步骤,并对一组陀螺漂移序列进行了实际处理。实验结果表明,该方法有效提取了陀螺的漂移趋势项。     

基于DSPWVD-TFPF的通信信号噪声消除算法研究

针对通信系统低信噪比情况下,通信质量下降,传统的时频峰值滤波算法(time frequency peak filter,TFPF)在低信噪比下会出现时频聚集性下降的情况,利用联合定向平滑Wigner-Ville分布实现瞬时频率估计.这种新的分布基于定向平滑Wigner-Ville分布(directionally smoothed pseudo-Wigner-Ville distributions,DSPWVD)和一系列不同方向上的DSPWVD逐点自适应权重.仿真实验说明,在低信噪比情况下,DSPWVD-TFPF算法相比传统的TFPF,能够更好的提高时频聚集性,降低误码率(Bit Error Ratio,BER).     

基于时频自适应最优核的时频分析方法

为了抑制多分量信号中同时间点各分量信号引起的交叉项干扰,提出了一种新的时频分析方法--时频自适应最优核时频表示。与以往的基于信号时频表示和时间自适应最优核时频表示不同,该方法通过对Wigner-Ville分布做二维加窗傅里叶变换以得到局部模糊函数,使得核函数不但能够随时间而自适应,而且能够随着频率而自适应。给出了该方法的实现步骤,通过将其用于分析合成信号,表明时频自适应最优核时频表示抑制交叉项效果明显,且能够比时间自适应最优核时频表示更为清楚地刻画信号。     

基于空时频分析的多分量跳频信号DOA估计

提出了一种基于空时频分析的多跳频信号波达方向(direction of arrival, DOA)估计方法。该方法能够在欠定条件下(传感器数目小于信号数目)实现多个信号的测向。首先将信号的短时傅里叶变换(short time Fourier transform, STFT)与平滑伪魏格纳-威利分布(smoothed pseudo Wigner-Ville distribution, SPWVD)组合,利用STFT的无交叉项和SPWVD的时频聚焦性性能,得到了一种切实可行、时频图清晰稳健的分布;然后在时频域提取有效跳(hop),并建立该hop的空时频矩阵,最后分别运用线性空时频、二次空时频和root-MUSIC共三种方法估计每hop信号的DOA。仿真结果验证了方法的有效性。     

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.     

二相编码信号调制分析与识别

针对采用脉冲压缩体制的低截获概率雷达的应用场合,提出了一种识别二相编码脉冲压缩雷达信号的新算法。该算法基于信号的时频分析(小波分析和短时傅里叶变换),利用小波变换的相位尺度和载波尺度的模极大值特征辨识信号的相位调制规律,因而在无需计算全部小波系数的情况下,可快速地获得信号的数学模型,为算法在实际中的应用提供了良好的条件。给出了应用该方法的具体步骤,通过计算机仿真实验证明该算法的有效性。     

近场单发多收合成孔径雷达成像的频域算法

提出了一种适用于单发多收合成孔径雷达成像的频域算法。该方法利用傅里叶变换将回波数据变换至波数域进行扩维,建立了波数域的补偿关系,从而在波数域实现了对波前弯曲的精确补偿,因此具有较高的成像精度,并且可以用于近场三维成像。另外,该方法采用基于快速傅里叶变换的成像结构显著提高了成像效率。理论分析和实验结果表明,与后向投影算法相比,该方法能够获得相同成像结果的同时大大降低运算量。     

多LFM信号自适应时频表示方法

提出了一种多线性调频信号自适应时频表示方法及其快速算法:首先采用分数阶傅里叶变换的快速算法计算出模糊函数,再通过Radon-Ambiguity变换设计出信号的最优核函数,以滤除噪声和多线性调频信号在模糊域中的互项,最后通过二维傅里叶变换得到信号的时频表示。在多分量线性调频信号情况下借助"clean"的思想来抑制强分量对弱分量的干扰。仿真表明该方法在低信噪比环境下也十分有效,且运算复杂度小。     

跳频信号的跳速估计

针对电子对抗的实际应用,提出了一种精确估计跳频信号跳速的方法。利用短时傅里叶变换分析跳频信号,得到其时频表示,再利用小波变换提取该时频表示的边沿信息,进而利用谱分析实现了跳速的精确估计。该算法完全避免了频谱交叉项的影响,理论分析证明了其可行性。仿真试验表明,在不要求高采样率的情况下,信噪比大于-5.5 dB时该算法是有效的。     

临近空间慢速平台SAR结合运动补偿的SCFT算法

针对临近空间慢速平台SAR轨迹运动偏差的空变性进行了分析.在二维频率域利用系统传输函数(STF)和变尺度傅里叶变换(SCFT)处理算法有效补偿了距离迁移和关于快时间波数的高阶相位,指出在运动补偿过程中,可将轨迹运动偏差分解成空不变项和空变项.在二雏频率域,结合一阶、二阶运动误差补偿的方法,提出了临近空间慢速平台SAR结合运动补偿的SCFT处理算法.最后,通过计算机仿真,验证了本算法的正确性.     

基于自适应视野聚类匹配的多目标分离与提取

针对雷达多目标回波微多普勒信息复杂交叠、难以分离与提取的问题,提出了一种基于自适应视野聚类和Viterbi算法相结合的多目标信号分离与提取方法。该方法在时频分析的基础上,利用各旋转目标散射点不同的微多普勒变化特性,进行自适应视野处理,获取各时刻视点在不同视野范围内的食物浓度序列,通过聚类分析获得0-1编码序列,并结合Viterbi算法进行配准处理,得到最优匹配路径,从而实现多目标信号分离与提取。仿真结果表明,该方法能够有效地克服交叉区域干扰及背景噪声的影响,适用于复杂散射模型,较好地实现了微动多目标信号分离及提取。