应用小波变换尺度谱检测行波暂态信号

介绍小波变换定义、性质和时间尺度分析,研究小波变换的尺度谱检测无噪声和有噪声条件下的行波暂态信号的能力．通过检测尺度谱图的峰值实现对行波暂态信号的检测．对三种小波变换的尺度谱和参数选择进行仿真和比较后表明,选择好合适的小波和参数,即使在较低的信噪比条件下也有相当好的检测效果．与只用小波变换检测相比,尺度谱图法检测表现更好,适应性更强．     

一种基于小波包熵的频谱检测算法

为了解决能量检测算法在低信噪比条件下频谱检测性能差的问题,提出了一种基于小波包熵的频谱检测算法.首先采用小波包变换对接收信号进行多层分解,并计算最后一层各节点的重构信号;然后计算各个节点重构信号的小波包熵值;最后选取熵值最小的重构信号作为检测信号进行能量检测.理论分析及仿真结果表明,在低信噪比情况下,该算法可以有效地抑制噪声影响,提高频谱检测性能.     

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法．分析了白噪声和一般信号的小波变换系数的不同特点，对Hampel滤波器进行了改进．利用白噪声和一般信号小波变换系数的不同特点，用改进后的滤波器对信号小波变换系数序列进行滤波处理，从而达到降噪的目的．仿真结果表明，滤波算法对不同种类、不同信噪比的信号有很好的降噪效果，尤其适用于强噪声背景下弱信号的检测。     

基于复小波变换相位功率谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法 .利用Mexican-hat调制复小波基函数对齿轮振动信号进行连续小波变换 ,再作相位的频谱分析 ,可以突出边频带结构 .仿真信号的分析结果表明该方法可有效地用于齿轮故障诊断 ,与传统的自功率谱方法相比 ,具有抗噪声干扰能力强的优点     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时,也能保留信号的重要特征。     

基于小波尺度相关的船舶轴频电场检测方法

为了提高低信噪比下对海水中被衰减的轴频电场信号的检测能力,提出一种基于小波尺度相关的船舶轴频电场检测算法.首先,使用小波变换对信号进行分解,并对噪声能量进行估计;然后,利用小波尺度相关对噪声和信号进行分离,并采用均值滤波降低小波系数平移的干扰;最后,提取最大尺度的相关系数作为特征值,对信号进行滑动检测.通过该算法和小波熵算法对实测数据和仿真数据进行处理和对比分析,结果表明:此算法在低信噪比情况下具有更高的稳定性和更好的检测效果.     

基于小波包熵的船舶轴频电场信号检测

为了有效地从海洋环境电场背景中检测微弱的船舶轴频电场信号,提出了一种基于小波包熵的船舶轴频电场信号检测算法.首先使用小波包变换对测量信号进行多层分解并计算最后一层各结点的重构信号;然后计算各结点重构信号的小波包熵;最后选取小波包熵最小的重构信号作为检测信号进行滑动功率谱检测.通过实测数据和仿真数据对该算法和滑动功率谱算...     

变形信号中突变点的检测

变形监测获得的信号含有噪声、变形信号和突变信号(信号的奇异性).信号在突变处的小波变换模极大值不随尺度的增加而变化,而在白噪声处的模极大值随尺度的增加而减小.根据这一规律,分析了变形监测信号突变点在卷积型小波变换下的特征及小波函数的选取,给出了用小波变换模极大值进行突变点定位、奇异度检测,根据突变点的奇异程度确定突变的的强度,检测变形信号的突变点.     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

非平稳噪声环境下LFMCW信号恒虚警检测算法研究

为了提高电子侦查系统中对非平稳噪声环境下线性调频连续波信号的实时检测能力,提出了一种对信号进行分段检测的低复杂度算法.根据假定最大调频斜率设定窗函数宽度,将截获信号均匀分割为多个序列,在每个时间序列内建立短时谐波模型,并采用多个正交窗函数对信号进行加权离散傅里叶变换.在此基础上,推导出符合F分布的检测模型.该模型与噪声功率无关,因此检测前无需统计噪声功率,可对非平稳噪声环境下的信号进行恒虚警率检测.仿真分析了影响该算法性能的参数,通过与单窗口检测算法对比,验证了该算法在非平稳噪声环境下优良的检测性能.      

基于小波变换的新阈值法心电信号去噪的研究

心电信号反映人体的健康状况,在采集过程中容易受到高频、低频等多种干扰,而传统小波去噪方法的效果不是很理想。提出一种基于离散小波变换的新阈值法,与传统的硬、软阈值法比较,该方法在一定程度上有效地抑制各种噪声,能够更好地保持心电信号的特征和波形幅度。并用MIT-BIH数据库对提出的新阈值法进行验证。实验结果表明所提出的算法与传统小波阈值法相比,能更好地保持心电信号的几何特征,具有更高的信噪比,取得良好的去噪效果。     

分形理论在语音信号端点检测及增强中的应用

为了提高现有谱相减方法处理低信噪比语音信号的效果,利用时间序列信号的短时分形维数对低信噪比语音信号的端点检测方法进行了研究,提出了一种基于端点检测的谱相减语音增强方法,给出了其原理及具体算法.仿真实验结果表明,该方法简单可靠,有效可行,当语音信号信噪比降到-5 dB时仍然有效;与已有方法相比,具有更广泛的实用性.     

胸阻抗信号中的呼吸波的去除

胸阻抗 (TEB)的测量无论是对心血管功能的研究还是对临床诊断都有很重要的意义。然而 TEB信号总是被淹没在很强的呼吸干扰信号中。传统的信号处理方法 ,如数字滤波器 ,信号平均 ,自适应处理等对去除呼吸成分都有一定的局限。对于单通道测量系统 ,论文使用了小波去噪的方法。对于多通道系统 ,使用了独立分量分析的方法 ,分析的结果显示 ,对于单通道系统 ,基于离散小波变换的方法是一种快速的、有效的、容易实现的方法。对于多通道系统 ,基于独立分量分析的方法可以不失真地将阻抗波提取出来。基于独立分量分析的方法基本上解决了去除 TEB中的呼吸干扰的问题。     

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%.     

精密控制机械震源特征及信号检测方法

基于精密控制机械震源(ACROSS)信号与石油工业上的常规可控震源的特征差异,对ACROSS信号进行互相关、短时相关、相干和反褶积等四种方法处理分析,并分别从重复性、走时剖面、频谱特征以及信噪比等方面对处理结果进行对比分析研究。结果表明:互相关方法处理结果稳定性好,能较好地突出高能量频率成分,但不适用于在频谱特征里能量相差较大的窄带信号分析;ACROSS信号与环境背景噪声在频谱上有重叠,短时相关法会放大噪声的作用,其效果较相干和反褶积法显得略差一些;信噪比对相干和反褶积法处理结果的稳定性影响较大,相干和反褶积法适合于具有一定信噪比的ACROSS信号检测分析。     

宽带无线接入系统的上行定时算法改进

对基于IEEE 802.16e-OFDMA的宽带无线接入系统的上行定时算法进行改进.该算法采用了测距信号的时域叠加方法,增强其在频域的信噪比,提高在低信噪比情况下用户接入和时延估计的性能.仿真结果表明,在信噪比较低的情况下,该算法相对于原有算法在用户检测性能和时延估计性能方面均有改善,提高了小区边缘用户的上行随机接入性能.
     

栈式降噪自编码器在辐射源信号识别中的应用

针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于短时傅里叶(STFT)变换和栈式降噪自编码器(sDAE)的识别系统。首先对雷达辐射源信号进行短时傅里叶变化,然后对时频图像进行一系列预处理,将处理后的图像输入到栈式降噪自编码器中,将提取的特征输入到softmax分类器中,完成分类识别。通过仿真表明:该系统在SNR=-10dB的时候,识别率能够达到80%以上,在低信噪比的情况下,识别效果明显优于传统识别方法。     

基于自适应门限的分形维数语音端点检测

针对固定门限方法在语音端点检测技术中的局限性,为了提高低信噪比下语音端点检测的鲁棒性和准确率,将自适应门限应用于分形维数的语音检测中,提出了一种新的语音端点检测算法.该算法通过对语音信号产生机制的分析,将分形维数用于语音起止点的检测中,设计了自适应门限,从而有效降低了噪声干扰对检测结果的影响,并实现了实时检测.仿真实验结果表明,在低信噪比的情况下,改进的端点检测算法比传统的短时能量检测算法可更准确有效地实现带噪语音的端点检测,而且对噪声干扰具有更好的鲁棒性.     

基于盖氏圆方法的宽带信源数目估计

针对低信噪比和小快拍数情况下宽带信号源数目较难精确估计的问题,提出了一种基于盖氏圆方法的宽带信号源数目估计算法(GDECSM)。盖氏圆方法通过利用盖氏半径对矩阵特征值范围的限定关系,能有效区分信号子空间与噪声子空间,在宽带信号源数目估计中能够产生良好的检测效果。仿真实验表明,与基于AIC准则的宽带信源数目估计算法(AICCSM)相比,GDECSM算法在低信噪比和小快拍数时都具有更高的检测概率,运算复杂度也有所降低。     

低信噪比、高动态环境突发信号检测与估计

针对高动态环境下突发信号检测问题,提出基于高阶项逐级消去的非线性调频 (non-linear frequency modulation,NLFM) 信号参数估计算法,利用合理近似,将其转化为相对简单的线性调频 (linear frequency modulation,LFM) 信号参数估计问题,并提出两级调频率逼近法用于LFM信号参数估计,具有原理简明、计算复杂度低等特点,便于实际工程应用. 针对接收信号功率动态变化的问题,提出自适应快速傅里叶变换 (fast Fourier transform,FFT)峰均比门限信号检测算法. 仿真结果表明,所提算法能够在信噪比为-27dB的高动态环境下准确实现信号检测与参数估计.