基于小波域相干边沿检测器的脉冲序列检测与定位算法 

摘要：
利用小波变换技术研究了雷达 通信共存系统中脉冲信号的有效检测与定位方法.基于小波变换的能量集中特性和脉冲边沿的小波变换系数在小波滤波器支撑集中高度相关的特性,提出了小波域相干边沿检测器,其判决统计量为小波变换系数在不同时延上的自相关值之和.导出了该判决统计量的统计特性与最优求和长度,并提出了基于小波域相干边沿检测器的脉冲信号的有效检测与定位方法.仿真结果表明了基于小波域相干边沿检测的脉冲信号检测与定位方法优于已有方法.     

基于MCMC的混合α稳定分布参数贝叶斯推理

为解决非高斯信号较难描述这一难点问题,提出一种基于马尔科夫链蒙特卡罗方法的混合α稳定分布参数的贝叶斯推理方法.构建了混合稳定分布分层的贝叶斯图模型,利用Gibbs抽样实现了混合权值和分配参数z的估计,基于Metropolis算法完成了每个分布元中4个参数的估计.仿真结果表明,该方法能够准确地估计出混合α稳定分布中的各个参数,具有很好的鲁棒性和灵活性,可用于对非高斯信号或数据进行建模.     

语音信号特征提取中Mel倒谱系MFCC算法的讨论

声纹识别的重点在于将说话人的个性特点从说话人的语音信号中成功提出出来,声波频率不同,人耳对其的听觉灵敏度也有所区别。本文首先介绍了传统特征提取及其计算过程,针对其存在的不足提出相应的完善建议,最后通过实验对改进后的特征提取算法的识别率加以验证。     

信号与系统课程中对周期信号频谱分析的理解

周期信号频谱分析是信号与系统课程中非常重要的部分,它是利用快速傅里叶变换进行信号分析的理论基础。从分析典型周期脉冲信号的频谱入手,讨论决定时域波形的三个参数对频谱特征的影响,以得到周期信号频谱的共同特点,在频域里对信号与系统的物理意义给出明确的解释,通过对电压波动信号的分析使学生更加深入理解频谱分析的意义。     

故障诊断信号的非平稳性

利用时间-指数法检测故障诊断中的非平稳性信号,以便对非平稳阶段进行故障处理。利用小波变换对非平稳信号的分解与重构,有针对性地选取有关频带的信息,对重构信号进行频谱分析来提取故障的典型特征。结果表明,时间．指数法很适用于信号的非平稳性判定,利用小波变换对其进行故障诊断是行之有效的。     

序列偶设计研究综述

序列偶作为一种最佳离散信号在扩频通信、雷达、声纳、导航、电子对抗、遥测遥控、信息加密等众多领域有广泛的应用前景.构造序列偶的研究也能促使组合设计新概念和新理论的产生.本文对序列偶的性质、构造方法、应用的数学工具以及现阶段取得的研究成果进行了综述,并指出了序列偶研究领域未来的发展方向.     

拖拉机发生故障有“信号”

<正>拖拉机出现故障前往往会表现出特有的外观现象,这也可称作"信号"。这些"信号"一般都具有可听、可闻、可见、可触摸或可测量的性质,概括起来有以下6种:(1)作用反常。拖拉机技术状态和性能出现异常情况,如发动机启动困难,拖拉机制动失效,主离合器打滑,发电机不发电,以及拖拉机牵引力过小等。     

微弱信号检测的一种改进小波分析方法

针对小波变换去噪时对微弱信号不敏感,特别是在信号分类检测时检测效果不理想的问题,提出了采用小波熵应用于信号检测的技术.该技术的主要原理是利用小波分析矩阵相应稀疏程度去抑制信号的无关成份,其中小波系数熵确定噪声阈值,小波相关系数熵确定边界轮廓,实现信号准确定位.最后通过数值试验证明其效果好于常规小波变换模极大值的信号检测法,证明了该方法检测微弱信号边缘特性更切实有效.     

基于遗传算法和高斯牛顿法的超声回波信号参数估计

在超声回波信号参数估计中,如果高斯牛顿法选取的迭代初值接近参数向量的真实解,则容易找到最优解;如果初始值远离最优解,则高斯牛顿法不收敛或者只收敛到局部最优解。针对高斯牛顿法对迭代初值敏感的问题,提出了遗传算法和高斯牛顿法结合的参数估计方法。该方法充分利用遗传算法善于进行全局搜索和高斯牛顿法善于进行局部快速搜索的优点,首先使用遗传算法求出超声回波信号的参数初值,然后利用这组初值进行高斯牛顿法迭代搜索。仿真结果表明,基于遗传算法和高斯牛顿法相结合的方法,具有收敛速度快、精确度高的特点。