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.     

基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题，提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量，提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换，得到各小波子带的系数，并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在，提出一种自适应的阈值检测方法，将原始回波信号与海杂波重构信号的差作为检测样本，实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验，验证了所提算法的正确性。     

瞬态信号的双谱估计

噪声中的瞬态信号的估计在雷达目标检测和识别等领域具有非常重要的地位。本文利用高阶矩的性质,提出一种改进的基于双谱估计的瞬态信号重构算法。在获得含噪数据的三阶累积量的基础上,构造一个适宜的ＡＲＭＡ模型。由模型输出信号的双谱来重构瞬态信号。仿真结果表明,这种方法即使在低信噪比的情况下,对瞬态信号也有较好的拟合性能。     

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.     

基于模糊函数的LFM UWB雷达信号滑动平均波达方向估计

针对线性调频类超宽带雷达信号的线性时频特性,提出了基于2阶统计量——信号模糊函数的线性调频类超宽带雷达信号波达方向估计算法,通过分析仿真证明该方法优于传统方法。根据分析指出循环平稳算法与模糊函数算法之间的关系,介绍了循环平稳算法对基于窄脉冲形式的无载波超宽带雷达信号DOA估计的有效性。系统完整地论述了超宽带雷达信号DOA估计算法。     

多时延解相关准则下的非平稳信号在线盲分离

利用一种基于多时延解相关准则的代价函数和自然梯度原则,分别推导出非平稳信号在瞬态线性混合及卷积混合情况下的在线盲分离算法,仅通过对有限个时延样本的相关矩阵进行Frobenius范数最小化运算得到分离矩阵,计算工作量小,无需对样本进行分块处理,可实现对信号的连续跟踪操作。仿真结果表明算法分离精度高,分离过程平稳,在任意混合情况下均能获得良好的分离性能。     

独立分量分析在相控阵雷达信号检测中的应用

相控阵雷达工作的环境日益复杂,分析了干扰、杂波环境下相控阵雷达接收信号的盲可辨识性,建立了目标信号的盲分离模型,在此基础上提出了小波变换与独立分量分析方法相结合检测目标的算法。该算法首先使用小波变换对相控阵雷达接收的回波信号作消噪处理,提高目标信号的信噪比,然后使用独立分量分析方法对源信号进行分离,提取相控阵雷达接收回波中的目标信号。仿真结果验证了算法的有效性。     

混沌支持向量机优化小波加权多模盲均衡算法

为了提高均衡器对高阶QAM信号的盲均衡性能,提出了基于混沌支持向量机优化的 小波加权多模盲矽衡算法.为避免权向量陷入局部极小值点,该算法利用支持向量机对均衡器的权向量进行初始化,并用混沌优化算法对支持向量机参数进行优化;利用正交小波变换对均衡器的输入信号进行预处理,来降低输入信号的自相关性;采用加权多模算法来调整权向量迭代过程中的模值.水声信道的仿真结果表明,与加权多模盲均衡算法和小波加权多模盲均衡算法相比,该算法具有较快的收敛速度和更小的稳态误差.     

一种基于小波模极大值的信号去噪算法

研究了小波变换中噪声和信号的次要的模量极大值曲线对定位信号特征点造成干扰的问题,提出一种基于小波模阈值和模极大值曲线长度阈值的去噪算法,并把该算法与传统小波阈值去噪算法进行了对比。仿真结果表明,该算法可以明显地去掉噪声和信号中次要的模极大值曲线,保留信号主要的模极大值曲线,在定位信号特征点上优于小波阈值去噪算法。     

动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet transform, TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。     

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。     

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。     

基于小波变换奇异信号检测的研究

奇异信号中的奇异点及不规则的突变部分经常携带有比较重要的信息 ,它是信号重要的特征之一。用李氏指数 (Lipschitz)来描述信号的局部奇异性。证明了小波变换确实能用来检测信号的局部奇异性。而利用小波变换模的局部极大值和信号奇异点之间的关系 ,同样可以对信号的局部奇异性进行分析 ,而且运算量较小。证明了小波变换模极大值能够检测信号奇异性 ;分析了奇异信号检测时小波基的选择的条件。最后给出实例分析的结论 :为了有效地检测奇异信号的各种奇异性特征 ,小波基消失矩必须具有足够的阶数     

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。     

基于奇异谱分解的水声信号降噪方法研究

通过对水声信号进行相空间重构,并对重构后的轨迹矩阵进行奇异值分解,得到表征信号能量和噪声强度的奇异谱。对奇异谱进行分析,得到反映噪声强度的噪声平台。对于那些大于噪声平台的特征值,它们具有较大的方差,对应较大的信噪比。利用具有较大方差特征值对应的特征矢量重构状态空间,也就等效于得到了具有较大信噪比改善的重构。通过对3类多个样本的实际水声信号采用奇异值分解进行降噪处理,得到了较为满意的降噪效果,降噪后的信号波形基本上消除了噪声干扰,为水声信号的进一步处理奠定了基础。     

DENOISING AND HARMONIC DETECTION USING NONORTHOGONAL WAVELET PACKETS IN INDUSTRIAL APPLICATIONS

New industrial applications call for new methods and new ideas in signal analysis. Wavelet packets are new tools in industrial applications and they have just recently appeared in projects and patents. In training neural networks, for the sake of dimensionality and of ratio of time, compact information is needed. This paper deals with simultaneous noise suppression and signal compression of quasi-harmonic signals. A quasi-harmonic signal is a signal with one dominant harmonic and some more sub harmonics in superposition. Such signals often occur in rail vehicle systems, in which noisy signals are present. Typically, they are signals which come from rail overhead power lines and are generated by intermodulation phenomena and radio interferences. An important task is to monitor and recognize them. This paper proposes an algorithm to differentiate discrete signals from their noisy observations using a library of nonorthonormal bases. The algorithm combines the shrinkage technique and techniques in regression analysis using Shannon Entropy function and Cross Entropy function to select the best discernable bases. Cosine and sine wavelet bases in wavelet packets are used. The algorithm is totally general and can be used in many industrial applications. The effectiveness of the proposed method consists of using as few as possible samples of the measured signal and in the meantime highlighting the difference between the noise and the desired signal. The problem is a difficult one, but well posed. In fact, compression reduces the level of the measured noise and undesired signals but introduces the well known compression noise. The goal is to extract a coherent signal from the measured signal which will be “well represented” by suitable waveforms and a noisy signal or incoherent signal which cannot be “compressed well” by the waveforms. Recursive residual iterations with cosine and sine bases allow the extraction of elements of the required signal and the noise. The algorithm that has been developed is utilized as a filter to extract features for training neural networks. It is currently integrated in the inferential modelling platform of the unit for Advanced Control and Simulation Solutions within ABB’s industry division. An application using real measured data from an electrical railway line is presented to illustrate and analyze the effectiveness of the proposed method. Another industrial application in fault detection, in which coherent and incoherent signals are univocally visible, is also shown.     

Phase-domain blind estimation of symbol duration based on Haar wavelet transform

A phase-domain blind estimator of symbol duration based on Haar wavelet transform (HWT) is proposed. It can estimate the symbol duration of phase modulated signals, such as M-ary phase-shift keying (MPSK) signals and polyphase coded signals. The closed form of the spectrum of HWT is derived. Theoretical analysis shows the frequency of the first spectral peak is equal to the symbol rate, which is the reciprocal of symbol duration. Thus the symbol duration can be extracted from the spectrum. Subsequently, the optimum wavelet scale is determined according to the maximum output signal to noise ratio (OSNR) criterion. MATLAB simulations show that this algorithm can blindly estimate the symbol duration without any prior knowledge. This estimator need not estimate the carrier frequency and has the characteristics of low computation complexity and high accuracy.     

一种基于DWT-CWT的CPFSK信号盲符号速率估计算法

提出一种综合利用离散小波变换和连续小波变换来估计CPFSK信号符号速率的新算法.对离散小波变换后的细节信号进行连续小波变换,能够有效地减小噪声的影响,从而实现低信噪比下的符号速率估计.实验结果表明,与单纯使用连续小波变换的方法相比,新算法在低信噪比时具有较好的估计性能.     

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。