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。     

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。     

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.     

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。     

基于非线性多小波变换的信号去噪方法

介绍了一种基于非线性多小波变换的信号去噪方法。通常子波域去噪中使用的Donoho软阈值法是很有效的，但是，由于忽略了边缘检测，导致在重构信号时丢失了部分的边缘信息，着眼于上述不足，在非线性多小波变换的基础上，提出了一种边缘检测与软阈值去噪相结合的去噪算法，实验证明此算法对提高重构信号的信噪比是非常有效的。     

基于联合去噪和频率调制的微弱信号检测

针对强噪声背景中弱信号检测问题,在传统检测方法基础上,提出了基于联合去噪和频率调制的微弱信号检测方法。搭建自相关和小波阈值变换联合去噪系统,极大程度抑制了噪声对检测结果的不利影响。利用频率可调标准信号调制待测信号频率,使得被测信号与检测系统策动力信号的频率差满足检测条件,打破了利用Duffing振子检测系统只能检测与系统策动力频率相近信号的限制。双振子差分进行混沌特性判别的方法更具直观性,抗噪性能好,测量相对误差被控制在5%以内;且系统具有很高的抗干扰性,检测最低信噪比可达-41 dB。仿真结果证明了该方法的可行性和有效性。     

基于子波奇异性检测的水声信号去噪方法研究

基于低信噪比、非平稳水声信号中，信号的有效频谱是固定的、噪声的频谱是随机的、信号频谱由代表水声信号特征的各基波和其对应的各次谐波构成的特点，提出了利用子波奇异性检测特性实现水声信号去噪的方法。该方法首先对水声信号进行多分辨分解，求取各尺度上信号的频谱成分；然后，根据最大尺度上最高的频谱幅度，确定该尺度上信号的有效频谱成分，再按照基波与谐波的关系，确定其它各级尺度上的有效频谱成分，去除奇异频谱；最后对去除奇异频谱后的信号进行频域．时域变换及子波重构。经对实测水声信号进行仿真，获得了较好的去噪效果。     

利用子带提取改善信号检测能力

对低截获概率(LPI)信号和低观察率目标检测的要求越来越高,在低信噪比下检测信号的方法也越来越受到关注。提出了一种基于小波变换的信号子带提取方法。在周期谱估计之前用小波进行信号分解,确定信号所在的子带,从而达到去噪的目的。同时提出相关法与周期谱估计相结合的方法,并证明该方法可进一步改善信号的检测能力。以电视发射信号的无源相干定位系统的回波信号和相位码信号为例进行了仿真实验。仿真结果表明,这种方法能在-21dB信噪比(电视信号)和-24dB信噪比(相位码信号)下检测出信号。     

基于小波窗口的模极大值去噪算法

在相关去噪和模极大值去噪的基础上,提出了一种基于小波窗口相关的模极大值去噪算法.即先用小波窗口相关法时最大尺度的小波系数进行预处理,再用模极大值法去除各层系数的噪声.该算法不仅克服了通常相关去噪算法中小渡系数对偏移敏感的缺点,避免了阙值选择受噪声影响的问题,同时,它也解决了模极大值算法中由于小尺度上噪声影响较大而造成的对信号小波系数定位不准的问题,减少了模极大值法的累积误差.仿真实验验证了新方法的有效性,特别是信噪比较低时,该方法的效果尤为显著.     

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。     

基于自适应高斯核函数时频分布的水声信号处理研究

时频分析被广泛应用于水下目标宽带回波信号以及短时瞬态信号的处理。在水声信号的特征检测和分类方面,时频分析的时变谱提供了区分不同类别目标信号的特征信息。提出一种基于自适应核函数时频分布的水声信号处理方法。与固定核函数时频分布相比,自适应高斯核函数时频分布由于它的核函数随信号而自适应改变,因此对交叉项有很好的抑制效果。计算结果表明,对于多分量线性调频水声信号,采用高斯核函数自适应时频分析不仅对交叉项具有很好的抑制作用,而且对信号的自分量具有较好的聚集作用。     

基于高阶谱技术地波超视距雷达信号检测算法

提出了基于高阶统计量时延估计的一种新的检测算法，并用于高频地波超视距雷达中。给出了在低信杂比和色噪声背景下该算法所得到的结果，并同传统的检测方法进行了比较。结果表明，该算法在色噪声背景和低信杂比（４ｄＢ）情况下，利用有限的数据量较好地检测到信号，并能准确地估计出目标的距离和速度，从而增大了雷达的作用距离，提高了检测性能。     

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。     

水声时变线谱检测的双稳态随机共振方法

将双稳态随机共振系统应用于水声时变线谱信号的检测,提出了设计水声线谱检测系统可以利用的外在参数。分别在水听器端和声源端建立了时变线谱模型,考查了随机共振系统对水声环境的适应能力。实验发现在信噪比变化、声压起伏、线谱漂移等情况下,系统都能较好的工作。为水声领域新型线谱检测系统的设计提供了依据。     

基于高阶累积量和匹配滤波的信号检测新方法

针对通信侦察中的空间弱信号检测问题,提出了一种基于高阶累积量和匹配滤波器相结合的信号检测新方法。该方法利用高阶累积量有二阶以上信息,且高斯噪声的高阶累积量恒为零的特性,在传统似然比检测基础上,依据高阶累积量对高斯噪声的抑制能力,结合匹配滤波器进行弱信号检测,在低信噪比条件下获得了更高的检测概率。蒙特卡罗仿真结果证明了该方法的有效性。     

水声通信性能仿真中宽带波束形成软件的应用

将波束形成技术用于远程水声通信系统,可以提高接收信噪比。为了具体分析波束形成技术在水声通信中的应用,给出了用于任意阵形的宽带恒定束宽波束形成软件—SWARRAY。基于改进的自适应波束综合方法及时域宽带波束形成技术,软件可以合成各种运动状态下基阵的输出信号,为评估现实信道条件下波束形成技术在水声通信系统中的应用性能提供基础。结合直接序列扩频方案,验证了设计软件在水声通信仿真中的有效性。     

水声环境参数盲估计的仿真研究

针对水声环境参数传统获取方法的缺点及其在非常时期或非合作海域不易获取的情况,提出了水声环境参数盲估计的概念及理论模型,通过对目标函数的选取,采用遗传算法对多个水声环境参数和未知目标的空间位置进行全局寻优,并依此对基于不同信噪比观测数据的水声环境参数盲估计进行了计算机仿真。水声环境参数盲估计的仿真算例表明,水声环境参数盲估计技术是可行和有效的。     

改进的低信噪比短序列快速频率估计算法

快速频率估计算法的研究对工程实现具有重要的意义.以低信噪比下水下声信号快速频率估计为背景,建立了数学模型,提出了一种基于短序列快速频率估计的改进算法.该算法是基于对三点自相关算法的改进,在没有增加运算复杂度的基础上提高了频率估计精度.仿真实验结果表明,该算法与三点自相关算法相比,其均方根误差(root mean square error,RMSE)更接近于克拉美-罗下限(Cramer-Rao bound,CRB),在低SNR情况下,比三点自相关算法低5 dB左右,并且当SNR提高到10 dB左右时,其RMSE能够接近CRB.     

基于RSPWVD-Hough的多分量LFM信号检测

由于多分量LFM信号的双线性时频分布（BTFD）存在交叉项的干扰，所以在低信噪比条件下直接在时频平面难于进行检测，采用重排平滑伪魏格纳维尔分布（RSPWVD），能在抑制交叉项的同时提高时频聚集性，并利用Hough变换检测图像中直线的原理，将多分量LFM信号的检测问题转换为在参数空间寻找局部极大值的问题，由于Hough变换运算量较大，提出一种在平滑重排后进行设定门限处理的方法，仿真实验表明，该方法可以在抑制噪声和交叉项的同时大大减少运算量。