基于Volterra滤波器的混沌背景弱信号检测

针对混沌背景弱信号检测问题,提出了一种基于Volterra滤波器的混沌背景弱信号检测算法.在Volterra滤波系数计算过程中,采用了解线性方程组算法代替原有的自适应算法,提高了混沌预测精度以及混沌背景中弱信号检测性能.仿真结果表明,本文所提出的算法在信混比达到-70dB时,仍能检测混沌背景中微弱信号.     

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。     

混沌海杂波背景下的弱信号检测

讨论了海杂波背景下的弱信号检测问题。经典的统计检测理论把海杂波作为随机信号处理的做法大大降低了信号检测的性能。利用海杂波为混沌信号这一先验知识 ,采用神经网络相空间重构的方法 ,对淹没在混沌背景下的弱信号进行检测处理 ,同时针对模型误差及不同信号形式就这一问题进行了全面分析。理论分析和仿真结果表明 ,此方法能有效地实现混沌海杂波背景下的弱目标检测 ,具有很高的改善因子。     

复杂背景下雷达信号的模糊检测

本文着重研究如何利用模糊子集理论来解决复杂背景下雷达信号的检测问题。文中首先给出模糊检测的数学模型,然后基于贴近度准则及重要度加权的概念,导出了模糊滤波算法,最后利用“重合不多于一”雷达信号形式具体设计了两种模糊检测器。实验结果表明,这两种模糊检测器具有在强相关和弱相关杂波背景下检测雷达目标的良好能力,其性能明显优于传统的线性相关检测器。     

滤波器群时延特性分析及在信号处理中的应用

群时延是衡量系统对信号处理时间延迟的理论,对滤波器来说,不同频率的信号具有不同的延迟值。结合信号处理研究了群时延理论及其物理意义。对不同类型滤波器进行了分析论述,得出了线性滤波器群时延特性不随信号变化而变化,但在某些频率上会产生时延峰值的结论,并对几种信号作了分析。实验证明,将这一结论推广运用于空域中,对已知频率的信号,设计特定频率延迟的滤波器应用于图像目标检测,效果良好。     

基于并行滤波器组和高阶累积量的扩频信号检测与估计

在非协作通信截获中,提出了一种有效的基于并行滤波器组和三阶累积量的扩频信号检测方法.滤波器组将输入信号细划成许多窄的频率通带,不仅在时频域完整的描述了未知信号,也改善了输出信噪比.采用三阶累积量估计器进一步抑制高斯噪声,并保留信号的有用信息,提高算法的检测能力.最后通过创建特征矩阵,实现扩频信号的参数估计.仿真实验表明,算法适用于低信噪比下的直接序列扩频扩信号检测,并能有效估计截获信号的载频和调制带宽.     

自适应数字滤波器在生理信号处理中的应用

生理信号的特点是信号微弱、频谱宽、数据量少和噪声复杂。数字滤波是处理生理信号的基本手段。提出一种基于小波变换的自适应数字滤波器，以软件的方式实现，并应用于生理信号处理，效果比较理想。     

噪声中弱相参脉冲列信号的一种检测方法

本文首先建立了一种广义的局部最优检测器(LOD)模型和准则,据此导出了一种窄带非Gauss噪声中确知相位相参脉冲序列弱信号的局部最优检测方法,采用Pitman的渐近相对效率(ARE)作指标研究了这一LOD的渐近性能,在Weibull和对数正态分布的噪声模型中对上述LOD的ARE作数值计算,从而获得一些有意义的结论。     

小波变换在有噪图像边缘检测中的应用

描述了有噪图像边缘检测的方法,它基于小波变换的多尺度分析。通过合理选择小波基,可以得到图像的多分辨表示。证实了小波多尺度变换在有效去噪的同时可以保持图像的特征。通过信号,噪声奇异性的分析,对有噪图像小波变换局部极大值的检测可提取出所需的图像边缘特征。实验结果证实了该方法的可行性     

基于滤波器组和高阶累积量技术的LPI信号特征检测的新方法

提出了一种新的将滤波器组和高阶累积量相结合的特征检测方法。运用该方法可以对未知LPI多分量信号进行频域的分离并消除伴随的加性高斯和对称非高斯噪声的干扰,从而较好地估计出FMCW、多相编码等LPI信号的特征参数。同时对这种改进的方法进行了系统结构的设计和详细的数学描述。仿真结果和性能分析表明了该方法的有效性和适应性,即使在信噪比很低的情况下也能检测得到比较理想的LPI信号特征。     

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。     

噪声中信号的一致最优不变检测器的理论研究

本文运用不变检验原理,来研究未知参数的噪声背景中信号的一致最优不变检测问题,导出了未知功率电平的Gauss噪声中非随机信号的一致最优不变检测器(UMPVD)的结构,讨论了其在大样本和小样本情形下的检测性能,从而获得若干有意义的结论。     

基于心冲击信号的呼吸率检测方法研究

根据呼吸对心冲击信号的调制作用,提出一种基于坐姿心冲击信号的呼吸率实对检测方法。通过分析不同呼吸状态下心冲击信号的时域振幅及频域成分的变化,确定了呼吸对心冲击成分的调制作用,并采用改进的J波检测算法定位实测信号中的W形组合波,对J波和K波进行重新采样,最终使用平滑滤波器恢复呼吸波形,并计算曲呼吸率。为了验证算法的可行性和准确性,应用小波分析方法进行定性对比实验,并同步采集鼻热敏呼吸信号进行定量统计。实验结果表明,所提方法可以从心冲击信号中较为准确的检测出呼吸率,为多生理参数的无感觉同步监测做了有益的尝试。     

利用频移滤波的直扩信号循环谱检测

循环谱检测方法能在较低信噪比下检测信号,频移滤波（FREquency-Shift）滤波器具有很好的抑制噪声能力。文中在循环谱检测信号之前,引入频移滤波技术,在循环频率域对信号进行滤波,以降低噪声对信号的影响,从而提高循环谱对信号的检测能力。仿真结果表明,本文方法可以在-15.5dB下检测到直扩信号和-8.5dB下估计伪码速率。     

信号奇异特性的检测及其应用

研究了信号发生剧变或有发生剧变趋向的特征 (即信号的奇异特性 ) ,采用一种特殊的积分小波变换可将信号发生奇异特性的位置 (或时间 )确定下来 .并介绍了实验的情况 .     

改进非线性局部平均算法的混沌去噪研究

基于混沌序列重构相空间理论,提出一种改进的局部平均非线性去噪方法。该方法在邻域选择、数据更新等方面进行了改进,更好地校正相空间中点的位置,使其逼近真实的混沌吸引子轨迹,重构吸引子结构,而且计算更为简单可靠。分别对Henon映射产生的混沌序列和实际观测的月太阳黑子混沌序列进行仿真研究。结果证明此方法能够高效地去除噪声,同时保留原非线性系统的混沌特性,并且很好地区分相空间中的邻近轨迹。     

图像混合噪声的模糊加权均值滤波算法仿真

针对图像混合噪声提出了一种新型的模糊加权均值滤波算法。该算法以象素的灰度差为基础,通过构建T-S模糊模型来自适应地计算反映各象素噪声污染程度的加权系数,然后通过加权平均算法得出最终结果,因此,该算法能够有效地抑制噪声象素对其邻域象素的影响,极大地改善了滤波效果。基于Matlab的多组仿真实验结果表明,该算法具有很好的普遍性和自适应性,能够比较有效地保护细节信息,对混合噪声有很好的抑制能力。