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。     

加权随机汇池网络中递归最小二乘算法研究

实际应用中信号和噪声的统计知识经常是未知的,为探究未知噪声环境中加权随机汇池网络模型的信号参数估计性能,本文研究了加权随机汇池网络中信号估计的递归最小二乘自适应递推算法,分析了该模型下算法的收敛性、均方误差、学习曲线等统计特征。在非平稳输入信号下,引入遗忘因子,探究了算法有效跟踪信号变化的能力。实验结果验证了关于算法收敛性与均方误差性能的理论分析,同时还证实了自适应过程中的超阈值随机共振现象。本文研究结果对于加权随机汇池网络的实际应用具有理论指导义。     

基于CPS的相位误差估计算法

在基于星座相位特征（CPS）相位误差估计算法的基础上,对高阶QAM信号,利用循环相关函数的局部对称性,提出一种基于局部对称性检测的相位误差估计算法。此外,利用平稳信号相关函数小波变换后的性质,提出了两种基于循环相关函数小波变换的相位误差估计算法。最后详细分析了小波变换对高斯白噪声的影响。与CPS算法相比,基于对称性检测的算法在低信噪比下有一定的优势。基于Morlet小波变换的相位误差估计算法在低信噪比下性能最好,而基于Harr小波变换的相位误差估计算法在高信噪比下性能较好。     

阵列噪声增强技术在数字信息隐藏中的应用研究

研究了阵列噪声增强技术在数字信息隐藏中应用.非耦合的双稳态检测器组成的并联阵列可视为一种规则网络,阵列噪声与检测器参数都是可调谐参数,网络输出性能能够由非零阵列噪声优化.这就是阵列随机共振现象,也可以视为一种阵列噪声增强技术.将代表版权等信息的黑白字符水印排列成二进制序列之后,依据非线性双稳态检测器的频率检测鲁棒性,将之调制成具有一定延迟时间的脉冲调幅信号.宿主图像经离散余弦变换(DCT)后,在中频区域中选相应数量的DCT系数经Arnold变换置乱后作为背景噪声,水印信号则嵌入这些选定的中频系数中.嵌入水印的DCT系数经过逆变换后得到水印图像.水印图像受到各种信号处理方法的攻击时,可以利用非线性双稳态检测器从攻击图像中提取水印字符.通过阵列噪声增强技术,提取水印和原始水印字符的相似度与单独的双稳态检测器检测结果相比得到了进一步改善.     

基于加窗四阶累量时延估计的微瞬态电磁辐射信号检测算法

以研究微弱瞬态电磁辐射信号的探测手段为目的,提出了一种基于加窗四阶累量时延估计的检测算法。利用高阶累量对高斯噪声的抑制作用以及相干平滑变换对微弱窄带噪声的弱化效果,将低信噪比条件下非周期微弱放电信号的检测问题转化为周期性时延参数的估计问题。仿真及实验比较了加窗四阶累量互相关、非加窗四阶累量互相关及传统互相关时延估计3种算法的检验性能。结果表明,经过加窗处理的四阶累量时延估计算法在相关高斯白噪声、非相关高斯白噪声及窄带噪声3种噪声条件下的检测性能都优于其他两种方法,比较适合用于微弱电磁辐射源的远距离探测。     

在滑动窗口中判决的自适应门限检测方法

对在突发通信中基于噪声功率和基于信号功率的自适应门限信号检测方法进行研究,提出了在滑动窗口中进行比较判决的自适应门限检测方法,用多个采样点进行比较判决以取得最优的同步信号。仿真比较不同情况下的系统性能,结果表明改进方案能得到精确的系统同步信号,低信噪比时,基于噪声功率的自适应检测方法检测概率较大。     

基于双稳阱内随机共振的OFDM信号检测方法研究

为了解决OFDM(orthogonal frequency division multiplexing)传输系统中接收端对微弱OFDM信号的检测问题,本文将双稳阱内随机共振系统与OFDM信号增强和解调过程相结合,推导了多载波信号激励下双稳阱内随机共振系统从零状态变化到势阱状态所需时间的解析表达式,分析了暂态响应导致的多载波信号在一个符号内的能量损失问题;推导了系统稳态输出方程,分析了稳态过程对子载波已调信号叠加直流偏置分量的问题;探讨了在不同系统参数和噪声强度下阱内随机共振对OFDM信号解调性能的影响。仿真结果表明：该方法可有效实现信号与噪声阱内协同作用,提高OFDM信号的检测性能。     

基于随机共振的高灵敏度GPS信号捕获算法

针对微弱环境下全球定位系统（global position system, GPS）信号捕获问题,提出了基于随机共振（stochastic resonance, SR）的GPS信号捕获算法。该算法首先用部分匹配滤波器对GPS信号进行分段相关预处理,然后利用SR提高预处理后信号的信噪比(signal to noise ratio, SNR),SR中引入了二次采样和自适应技术,解决了传统SR不适合捕获大频率信号(频率远大于1Hz的信号)及SR参数难以与被捕获信号匹配的难题,最后采用快速傅里叶变换（fast Fourier transform, FFT）谱分析技术,实现在较短的相关累积时间内获得较高的捕获灵敏度。实验表明,算法能明显提高系统捕获性能,在相关累积时间为10 ms,信号SNR为-38 dB的情况下,算法捕获GPS信号的正确检测率达到100%。     

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.     

短波信道探测中窄带干扰的去除算法

对于短波信道传播特性的弱信号探测,信号干扰噪声比低,如何减小干扰就显得十分重要。由于基于传统傅里叶变换去干扰算法在去窄带干扰时对幅度和相位的估计不够准确,提出了一种基于傅里叶变换和概率密度相结合的窄带干扰去除算法。仿真结果表明,该算法能很好地去除窄带干扰。但上述算法在去除实测信号中的窄带干扰时性能不佳,所以提出一种改进的傅里叶变换和概率密度相结合的窄带干扰去除算法。实验结果表明,改进后的算法能去除实测信号中的窄带干扰,为解决低信噪比条件下探测信号的参数估计奠定了基础。     

基于SCA的欠定跳频网台分选方法

针对组网跳频信号在欠定条件下网台分选效果不佳的问题,提出了一种基于稀疏成分分析(sparse component analysis, SCA)的欠定跳频网台分选方法。在估计混合矩阵时,首先利用观测信号的实部与虚部方向一致性检测时频单源点,在采用S变换构造时频比矩阵的基础上,利用方差法实现了混合矩阵估计;在源信号恢复时,利用改进的子空间投影法得到源信号的时频域分离,最后可通过S逆变换得到时域分离信号,从而实现了欠定条件下的跳频网台分选。仿真结果表明，该方法有效实现了混合跳频信号在欠定条件下的网台分选且适用于跳频同步或异步组网方式,提高了分选性能和抗噪性能。     

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Duffing振子的直接序列扩频信号检测及参数估计

针对直接序列扩频信号检测中信号特征提取的问题,提出了利用Duffing振子对小信号的敏感性和对噪声的免疫性来检测信号的这些特征信息。以基于Duffing振子的载波检测为例,进行了分析和仿真,给出了直接序列扩频信号的幅度、相位和载频的估计值。仿真表明,所提的方法可以获得很好的检测性能,能检测到信噪比为-38.35 dB的DSSS/BPSK信号。     

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。     

Duffing混沌振子用于微弱信号检测的研究

针对频率已知的微弱正弦信号幅度和相位检测问题,提出了一种采用Duffing混沌振子作为检测系统的方法。该方法将被测信号作为系统的参数,利用系统参数在临界值附近微小的变化会改变系统输出状态的特性,通过识别系统输出的相轨迹判断输出状态是否改变,根据状态改变所需满足的条件估计信号的参数。给出了实现该方法的主要步骤,并将其运用于高频地波雷达海洋回波信号的检测,与FFT方法所得结果相比,回波多普勒谱的信噪比可提高5 dB,表明了该方法具有更好的检测性能。     

基于去特征处理的信源数估计算法

在实际测向系统中,由于阵列中各阵元的相互干扰,阵列接收的噪声为空域相关色噪声,由于系统热噪声和散弹噪声的存在,导致阵列接收的噪声同时包含空域相关色噪声与白噪声。传统针对空域相关色噪声的信源数估计算法在白噪声背景下的估计性能往往下降。针对这一问题,提出了一种基于去特征处理的信源数估计方法。该方法对数据协方差矩阵进行去特征处理,得到一组与特征值相对应的新数据协方差矩阵,利用新数据协方差矩阵在信号和噪声子空间上的投影矩阵构造判决函数,进而实现信源数估计。仿真实验及对比数据表明该方法在包含有白噪声成分的色噪声背景下能够有效进行信源数估计,其突出优势表现在小快拍数、低信噪比条件下仍能准确估计信源数,而没有明显增加算法的运算量。     

Joint timing synchronization and frequency offset acquisition algorithm for MIMO OFDM systems

For multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) sys-tems, a joint timing synchronization and frequency offset acquisition algorithm based on fractional Fourier transform (FRFT) is proposed. The linear frequency modulation signals superimposed on the data signals are used as the training signals. By performing FRFT on the receiver signals and searching the peak value of the FRFT results, the receiver can realize timing synchronization and frequency offset acquisition simultaneously. Compared with the existing methods, the proposed algorithm can provide better timing synchronization performance and larger frequency offset acquisition range even under multi-path channels with low signal to noise ratio. Theoretical analysis and simulation results prove this point.     

一种余弦调频信号增强新算法研究

为了克服常规LMS算法抑制高斯噪声效果差、跟踪能力弱、且步长为零时无跟踪能力等缺点，利用高阶量抑制高斯噪声的性能，并将泄漏LMS算法和变步长LMS算法的优点统一在高阶累积量递推估计算法中，提出了基于高阶累积量泄漏－变步长类LMS算法迭代的余弦调频信号自适应增强新算法，对其原理进行了剖析。用实测运动目标辐射噪声数据，进行了动态仿真。结果表明：该算法能有效地克服基于LMS算法的自适应谱线增强器的不足，具有良好的抑制高斯有色噪声能力和跟踪性能。因此，本研究为水下运动目标识别与检测提供了新的技术途径。在工程实践中，具有重要的指导意义和应用价值。