二维滑窗检测性能分析及其实现

本文提出了可用于脉冲多普勒雷达的二维滑窗检测器的结构，对其性能进行了理论分析，给出了窗口大小变化下该检测器的性能。最后讨论了该检测器的实现方法并且给出了利用该检测器在某雷达检测系统中的应用。     

基于小波互信息的辐射源脉冲分类

针对电子支援系统中实时识别截获的雷达信号类型,提出了一种基于小波互信息准则的辐射源脉冲分类方法。该方法首先对辐射源脉冲信号进行小波变换,获得不同尺度、不同时移下时频面的小波特征集,然后利用Parzen窗密度估计方法对小波特征集的小波系数估计出其概率密度函数,从而计算出已知脉冲类和所有脉冲实现之间的互信息,用单个脉冲即可实现不同辐射源的脉冲分类。计算机仿真结果表明了方法的有效性。     

复杂信号环境下非合作突发通信信号的实时检测

现有未知突发信号检测算法是基于噪声加单一突发信号的简单假设的,在实际复杂信号环境会产生大量虚警而失效。针对实际非合作突发通信信号的检测环境除噪声外还包含多个连续信号和一些短突发干扰信号,建立了复杂信号环境模型,提出了适用于此环境的基于短时傅里叶变换(short time Fourier transform, STFT)的时序检测器。该检测器利用突发通信信号时间上短持续的特点剔除连续信号和短突发干扰造成的虚警。对该检测器的检测性能进行了分析和仿真,结果表明在复杂信号环境中当常规检测器由于虚警概率很高失效时,该检测器可以同时获得较低的虚警概率和较高的检测概率,因而适用于复杂信号环境中非合作突发信号检测。该检测器运算量小,易于实时实现。     

基于小波变换的雷达目标回波信号提取算法

随着雷达技术的快速发展,低信噪比(signal-to-noise ratio, SNR)条件下的雷达目标信号提取越来越重要。传统的脉冲压缩算法在低SNR条件下作用不明显。提出了一种新的在低SNR条件下的雷达目标回波信号提取算法。该算法在传统脉冲压缩算法的基础之上,采用小波变换对脉冲压缩后的信号进行分解,提取信号高频信息的小波系数。再用改进的小波变换模极大值算法对信号的高频信息进行去噪,然后重构信号的高频信息,最后再重构完整的雷达目标回波信号。仿真结果表明,该算法能够有效地去除噪声,提取出雷达目标的回波信号,相比于脉冲压缩算法及其他算法性能得到了很大的提升。     

基于小波变换的Power-Law水声瞬态信号检测研究

水声瞬态信号检测是水声对抗领域的一项关键技术.在分析了传统的Power-Law检测器的基础上,针对水声瞬态信号的特点,提出了一种基于小波去噪的检测方法.该方法利用小波去噪理论抑制信号中的杂散成分,提高信噪比,然后利用Power-Law检测器进行检测.对三种典型水声瞬态信号的仿真结果表明该方法可以在低信噪比条件下有效分辨信号和噪声,检测效果优于传统的Power-Law检测方法.     

基于小波包的电泳芯片非接触电导检测仿真研究

由于毛细管电泳芯片电容耦合非接触微电导检测器具有电极不接触溶液,不存在电极的钝化和玷污,不受电泳分离电压影响等优点,被认为是生化分析领域最具发展潜力的一种技术.根据四电极电容耦合非接触电导检测器检测特点,采用小波消噪方法对信号进行滤波处理;依据芯片检测池内仅背景缓冲液与加入待测物质后所呈现的电导率不同致使信号电压会突变的特性,采用小波奇异性检测确定信号变化发生和恢复时刻,从而实现毛细管电泳芯片系统的微电导检测.仿真结果表明,利用小波分析方法能有效地消除噪声,能有效地检测到微电导的波动,并能精确地确定电导率溶液波动的发生,恢复时刻.     

基于多尺度小波能量积累的雷达回波检测方法

提出了多尺度小波能量积累器的概念,并给出了相应的多尺度小波能量积累算法,将信号在不同分解尺度上的小波能量进行积累.在此基础上设计出一种用于弱信号检测的小波能量检测算法,对低信噪比信号检测进行了仿真实验.仿真结果表明,该检测算法对强白噪声及强色噪声背景下的低信噪比信号的检测非常有效,与传统的信号检测方法相比具有显著优越性.     

一种改进的Morlet小波瞬态信号检测算法

噪声中的瞬态信号检测在雷达信号处理领域占据非常重要的地位。本文利用小波变换的性质,提出一种改进的Ｍｏｒｌｅｔ小波的瞬态信号检测算法。该算法在Ｍｏｒｌｅｔ小波基础上引进了线性变换的调频系数以提高小样本超宽带信号检测的检测精度。对实际实验数据及仿真信号的检测结果表明,该方法在低信噪比小样本情况下,对瞬态超宽带信号具有很好的检测性能。     

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。     

噪声调频干扰下的一种雷达目标检测方法

分析了Morlet小波变换的性质,利用Morlet小波变换在时间、频率局部化信号的能力,提出了一种噪声调频干扰下的雷达目标检测方法.运用该方法对雷达信号进行小波变换和相关处理,可极大限度地抑制噪声调频干扰和白噪声,由相关函数的峰值对雷达目标进行检测.仿真结果表明,该方法能够在噪声调频干扰下,有效地进行雷达目标检测.     

基于小波变换的子带自适应滤波算法及仿真

因为噪声总是影响信号检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。自适应滤波器为检测信号提供了一种简单、实用的方法。可以在微弱信号的条件下,通过测量和学习,实现对微弱信号的最佳拟合。提出基于自适应小波变换的心电信号的检测,利用小波变换的子带编码理论,通过在多个子带权值的自适应匹配,合成后拟合微弱信号。仿真结果表明,该方法可进一步改善信号的检测能力,在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

高频雷达中提取海洋回波信号的新方法

雷达信号经过海面反射时,由于电离层的作用和外部的干扰,必然会有一些噪声夹杂在海洋回波中。噪声是一些无规则的频谱,对分析有用信号是极其不利的,严重时甚至淹没有用的信号。将噪声中的信号提取出来成了一个很关键的问题。基于海洋回波信号是1/f类分形信号的特性,利用不同尺度下小波系数方差来估计噪声方差及分形信号参数,进而从白噪声背景下估计出海洋回波信号。实验结果表明:用新方法处理过的海洋回波的多普勒谱的信噪比提高了10-15 dB。     

自适应小波阈值在磁记忆信号降噪处理中的应用

用金属磁记忆方法检测时信号常常被各种噪声污染,为了降低噪声的干扰,对传统阈值方法的局限性进行了分析,并在改进阈值函数的基础上提出了一种自适应小波阈值降噪方法。通过仿真实验对该方法的性能进行了验证,然后将其应用于磁记忆信号的降噪处理中,结果表明算法较好地剔除了信号中的噪声,提高了重建信号的噪声抑制率,降低了信号的失真率,是一种可行的磁记忆信号降噪方法。     

用于船舶噪声分类的局域自适应子波神经网络分类器

提出了一种用于船舶噪声分类的局域自适应子波神经网络分类方法。首先利用傅里叶变换对三类船舶噪声进行预处理,然后利用网络局域化构造局域自适应子波神经网络分类器。通过对实际的三类处理后的船舶噪声谱进行自动特征提取并分类,分类结果令人满意,证明了该方法的优越性和工程应用前景。     

基于子波变换的水声信号去噪方法研究

针对水声信号的低信噪比、非平稳性等特点，在对采集到的水声信号进行分析处理的基础上，提出了一种水声信号去噪的方法。该方法首先对采集到的低信噪比水声信号进行滑动取值，分别利用子波变换求功率谱，并进行统计平均，确定代表水声信号特征的频谱分量，去除不稳定的随机频谱分量；然后利用子波反变换将处理后的功率谱变换为时域信号；再利用子波软门限去噪方法去噪。通过仿真验证，获得了较好的效果。     

小波基自适应去卷滤波器研究

为了提高信号处理的精度，熔最小均方滤波、Kalman滤波和小波变换于一炉，提出了小波基自适应去卷滤波器。并用文中方案做了若干仿真实验，结果表明，该滤波器能很好地跟踪反射系数信号，并能滤去高频噪声，平均相对误差在1％以内，表明文中方案是十分有效的。     

全局动力学模型用于水声信号分类仿真实验研究

水下弱信号的检测和分类是水声信号处理领域中的难题。本文研究了一种使用混沌动力学系统理论中全局动力学模型进行水声信号检测和分类的方法，用仿真数据对所建模型的有效性进行了验证。通过将模型拟合到几种舰船辐射噪声，成功地对其进行了分类。仿真结果表明，该方法在高噪声背景下（信噪比为OdB时）仍能对信号进行分类，且分类概率可以从模型系数空间的系统统计特性中直接计算得到。     

基于动态电源电流测试的模拟电路故障诊断

动态电源电流测试对模拟集成电路故障诊断十分有效。采用斜坡电压源代替传统的恒定直流电压,从电源电流波形采样训练神经网络的数据并建立故障字典。利用小波变换具有同时在时-频域分析信号、大量压缩数据的属性,对采样信号进行小波包分解,提取故障特征来训练神经网络,简化了网络结构、提高了训练速度。实验结果表明,该方法能够实现快速故障检测及定位,具有准确率高的特点。     

Pulse-to-pulse periodic signal sorting features and feature extraction in radar emitter pulse sequences

A novel class of periodically changing features hidden in radar pulse sequence environment, named G features, is proposed. Combining fractal theory and Hilbert-Huang transform, the features are extracted using changing characteristics of pulse parameters in radar emitter signals. The features can be applied in modern complex electronic warfare environment to address the issue of signal sorting when radar emitter pulse signal parameters severely or even completely overlap. Experiment results show that the proposed feature class and feature extraction method can discriminate periodically changing pulse sequence signal sorting features from radar pulse signal flow with complex variant features, therefore provide a new methodology for signal sorting.