基于相对梯度的鲁棒的盲源分离算法

针对有噪环境中通信信号的盲分离问题,说明了在有噪环境中,对观察信号进行白化处理后得到的混合矩阵为正交矩阵,并在此基础上给出了正交分离矩阵的迭代公式。另外,为了消除噪声影响,改善算法的分离性能,根据噪声的概率密度模型,提出了一种改进方法。该方法对分离信号进行迭代,从而得出鲁棒的盲源分离算法。仿真结果表明,提出的分离算法相对著名的EASI算法,其性能有很大改善。在信噪比为20 dB时,本算法获得的干信比比EASI算法低10 dB。     

基于SVD和MPSO-SVM的光纤周界

针对光纤振动信号有噪声干扰、识别信号类型准确率不高且识别时间长的问题,提出了基于奇异值分解(singular value decomposition, SVD)和改进粒子群优化支持向量机(modified particle swarm optimization support vector machine, MPSO-SVM)的识别方法。首先,采用SVD对信号去噪,根据奇异值序列二阶差分谱单边极小值原则确定信号重构秩阶次。其次,提取振动信号特征,利用串行特征融合(serial feature fusion, SFF)方法组建特征向量组。最后,利用MPSO-SVM进行分类识别,提高识别精度和算法效率。采用实测信号进行验证,结果表明,信噪比有明显提升,信号平均识别率较粒子群优化支持向量机(particle swarm optimization support vector machine, PSO-SVM)提升5%。该方法较传统神经网络识别方法有较好的效果,具有实际应用价值。     

基于独立成份分析的MPSK信号调制制式自动识别

针对低信噪比情况下传统的MPSK信号识别算法效率不高的问题,提出一种基于快速独立成份分析(FICA)的MPSK信号非监督识别算法.该方法借助快速独立成份分析提取具有不同分布特征的信号分量作为最大似然分类器的识别特征.实验结果表明,此算法在低信噪情况下能有效地分离信号与噪声分量,挖掘有用信息,实现对MPSK信号的高精度自动识别.     

一种基于天线阵列的相干多径信号接收方法

在密集的城区环境下,多径传播导致接收信号的角度扩展和时延扩展,不同路径的到达信号通常具有不同的入射角度和传播时延.传统的波束形成器只针对期望用户的一条主要路径信号进行处理,而其他路径信号作为干扰被抑制.提出了一种基于天线阵列的相干多径信号接收方法,将天线阵列接收到的各路径信号进行延迟相干合并,使得合并信号的信干噪比优于任何单一路径接收的阵列输出信干噪比,从而极大地改善了系统的比特误码率(BER)性能.仿真结果验证了这种接收的方法的有效性.     

基于格型滤波器的柴油机主动隔振仿真研究

采用格型抽头滤波器来实现柴油机主动隔振,通过梯度自适应格型算法对格型结构的反射系数及抽头部分的衰减系数进行计算更新.误差通道采用离线辨识方法,针对双层隔振系统进行了单频及多频振动信号的主动隔振仿真研究.仿真结果表明该算法对单频和多频振动的主动控制都有较好的控制效果.     

基于小波包和Elman神经网络的螺杆泵井故障诊断

在螺杆泵井故障诊断技术中,有功功率信号最能全面反映螺杆泵井的泵况。提出一种基于小波包分析结合Elman神经网络的故障诊断方法,该方法采用小波包对螺杆泵有功功率信号进行消噪滤波,将不同频段的故障信号进行3层db4小波包分解,根据各频段功率谱的变化提取故障特征,应用Elman神经网络进行识别。利用Matlab仿真,结果表明,该方法能有效提高螺杆泵井的故障诊断准确性。     

小波变换在弹射加速度滤波中的应用

小波分析作为一种崭新的信号处理方法,在工程界受到了越来越广泛的重视,已成功应用于信号分析、图像处理及非线性科学等方面。小波变换是去噪的有力工具,能将由各种不同频率成分组成的混合信号分解到不同的频率段上,有效地用于滤波和信噪分离。本文基于小波分解与重构理论,分别对航空弹射加速度信号滤波,与传统的消噪法进行了比较。结果表明小波去噪法用较少的数据就能很好地完成滤波功能,并且滤波的效果优于传统的方法。     

信号波形对消噪效果影响之研究

软门限消噪是利用小波技术进行信号消噪的常用方法 ,理论及实践表明 :消噪效果和信噪比、采样点数以及信号波形等多种因素有关 ;同时设定合适参数来衡量消噪效果也十分重要。用综合振荡指数功述信号振荡程度 ,用均方相对误差描述消噪效果 ,试图揭示信号波形与消噪效果的关系。仿真结果表明 ,该指数越小 ,即信号波形震荡幅度越小 ,消噪的效果越好     

闪烁现象下旋翼目标微动参数估计方法

逆Radon变换以其精度高、抗噪性能好的优点常用于微动信号的参数估计,但是当旋翼类目标微动信号存在闪烁现象时,该方法失效.针对此问题,提出一种闪烁现象下的微动参数估计方法.首先,建立基于线性调频信号的单旋翼直升机雷达回波散射点模型,分析闪烁现象下回波的微动特性.其次,通过去噪卷积神经网络(denosing convol...     

基于深层卷积神经网络和双谱特征的雷达信号识别方法

针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同调制样式雷达信号的识别,最后对不同结构网络模型的识别结果进行对比。仿真实验结果表明,相比传统雷达信号识别方法,该方法对于不同调制类型信号的识别效果优异,并且在识别率、抗噪性上都有所提升。     

自适应阈值多小波故障暂态信号去噪方法

在介绍多小波基本理论的基础上 ,探讨了基于多小波的信号去噪方法。针对目前多小波去噪方法的不足 ,提出一种基于自适应阈值的多小波去噪方法 ,应用于电力系统输电线故障暂态信号的去噪 ,并与基于传统阈值多小波和小波的去噪效果进行了比较。仿真结果表明 ,该方法可以根据实际信号自适应改变阈值大小 ,在去噪效果上优于传统多小波去噪方法。     

联合准则下的认知雷达波形设计

针对不同工作环境中, 需要雷达同时具有多种模式和多种任务的问题, 提出了一种联合优化准则的雷达波形设计方法, 该方法综合考虑了目标与回波之间的互信息与信干噪比。在发射信号能量有限的约束条件下, 首先通过最大边缘分配算法求解最优波形, 其次讨论互信息与信干噪比的增减率, 当改变系数值时, 联合准则下的雷达信号模型既可同时提高互信息和信干噪比值, 又可根据发射需求分别优化互信息或信干噪比。最终信号模型通过一次或较少次数的观测同时完成目标参数估计、检测或识别任务, 为雷达波形优化朝着多功能模型设计提供研究依据。     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

信号去噪的一种优化算法

信号去噪通常是通过低通滤波器来实现的 ,但线性滤波在高精度场合并不能满足要求。为此提出了一种可给出信号高精度估计的非线性方法 ,分析了信号k阶导数的特点和噪声特性 ,在平稳时间序列的高阶差分对方差不变性的基础上 ,将信噪分离的参数估计问题转化为一类极值问题。利用矩阵理论分析了此类极值问题 ,给出了优化问题的解析解 ,并设计了相应算法。通过理论分析和实例验证了其有效性 ,并与最小二乘法作了比较     

同场景多幅图像斑纹噪声抑制方法

提出采用独立分量分析法去除同场景多幅图像中斑纹噪声的方法.包含在同场景多幅图像中的图像信号和噪声信号可以认为是相互独立的,独立分析方法则可以用来对这些图像进行分解,并将它们进行有效地分离,以达到滤除图像中的斑纹噪声.实验结果表明,利用同场景多幅图像来进行去噪的效果比对单幅图像去噪的效果要好;和平均法、平均同态维纳法和同态维纳平均法等方法进行比较,该方法能更好地滤除同场景多幅图像中的斑纹噪声.     

自适应数字波束形成在FMCW雷达中的应用

调频连续波(FMCW)雷达往往通过对回波信号的距离-多普勒处理来提取目标信息。由于电磁工作环境的恶化和大量射频干扰的存在,在极低的信干噪比(SINR)条件下进行目标检测和信息提取十分困难。对于阵列系统,往往采用自适应数字波束形成(ADBF)技术,来抑制强干扰和方向性干扰对有用信号的影响。讨论了在FM-CW雷达中ADBF技术的应用问题,结合两种不同的距离-多普勒处理方法,提出了相应的ADBF系统实现方案。分析表明,该方案是有效可行的,它将显著改善FMCW雷达的信干噪比,提高雷达对目标信号的检测性能。     

分数阶Fourier变换与时频滤波

针对LFM信号非平稳性,分析了在分数阶Fourier域对LFM信号作时频滤波的含义,给出了扫频滤波器在分数阶Fourier域的实现方法,并在此基础上推广得到分数阶Fourier域的一般乘法滤波器。通过对实测混响数据和LFM信号的分离效果仿真,发现分离前后信混比得到了较大提高,并且初始信混比越低,则提高效果越明显。     

基于小波变换的脉冲信号在线检测器设计与仿真

利用小波变换理论在信噪分离方面的优点,设计出一个在有限时间内的不规则观测数据中,实时地检测出脉冲信号的检测器。并对小波函数为墨西哥帽型函数时检测器在各个时段的理论输出进行了详尽的分析。仿真结果表明,该检测器不但对理想的脉冲信号检测无误,而且能对含有有色噪声、信噪比较低的脉冲信号进行准确的识别。该信号检测器已成功应用于钢丝绳张力检测系统的数据传输电路中。     

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.     

航空发动机振动信号分析

针对航空发动机转子振动特性,提出基于累积量改进的独立分量分析盲源分离算法。运用新方法对转子振动信号进行分离,识别转子中的故障类型。通过航空发动机转子振动仿真实验验证了该算法的有效性。结合仿真实验,对比基于二阶累积量和高阶累积量的已有算法,该新方法在性能指数和信号相似系数方面均有提高。应用该算法对发动机转子平台采集的振动信号进行分离,转子故障设置为外环故障。实测振动信号经该算法处理后有更高的辨识性,可以判断出转子振动的故障类型。