导引头的EMD-KF组合滤波方法

在拦截大机动来袭目标时,拦截弹视线角速度呈无规律的非线性变化,导引头对自身测量信息滤波存在一定困难。针对这一背景本文提出一种基于经验模态分解(empirical mode decomposition, EMD)和卡尔曼滤波(Kalman filtering, KF)相结合的导引头滤波降噪方法,发挥经验模态分解处理非平稳信号的自适应特性,并通过卡尔曼估计削弱经验模态分解方法中“边界效应”的影响。仿真表明,该方法对于具有强非线性特性的视线角速度信号有较好的自适应滤波效果。     

基于多惩罚因子优化VMD的滚动轴承故障特征提取方法

针对变分模态分解(variational mode decomposition, VMD)在提取滚动轴承故障特征时预先设置多惩罚因子具有不确定性的问题，结合灰狼优化(grey wolf optimization, GWO)算法提出一种基于多惩罚因子优化VMD的滚动轴承故障特征提取方法。首先利用GWO算法实现VMD的多惩罚因子自适应优化，再利用优化得到的参数将滚动轴承的振动信号分解为多个本征模态函数(intrinsic mode function, IMF),最后对各个IMF分量作包络解调提取滚动轴承的故障频率特征。研究结果表明，在优化VMD参数时，该方法相对其他方法优化效率有了明显提高，并且提取滚动轴承故障特征效果显著，得到特征频率幅值为其他方法的2～4倍，证明了该方法的有效性和优越性。     

基于EMD能量占比的海面漂浮小目标特征检测

针对传统的时频分析方法对海杂波分析有限的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)能量占比的海面漂浮小目标特征检测方法.首先,采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function,IMF)分量,实现对接收回波的频率从...     

低脉冲重复频率条件下无人机微动参数提取

针对低脉冲重复频率条件下的无人机微动特征提取问题,提出一种基于原子放缩正交匹配追踪(orthogonal matching pursuit, OMP)分解的微动参数估计方法。首先,通过计算时频谱熵从无人机回波数据中筛选出具有显著微动特征的信号。其次,采用变分模态分解(variational modal decomposition, VMD)算法提取旋翼叶片的旋转频率,提出了基于原子放缩的OMP分解方法实现了对无人机旋翼叶片长度的估计。仿真实验表明所提方法相比于传统的OMP方法和VMD-OMP方法都具有明显优势。最后,采用实测数据验证了所提算法的有效性。     

Walsh码软扩频信号降噪算法

针对低信噪比(signal-to-noise ratio, SNR)条件下, Walsh码软扩频信号盲解扩以及多址信号盲分离难以实现的问题,提出一种Walsh码软扩频信号降噪算法。首先,采用经验模态分解(empirical mode decomposition, EMD)算法将Walsh码软扩频信号分解为有限个本征模态函数(intrinsic mode function, IMF),分界点位置可通过Walsh码软扩频信号和噪声的IMF自相关函数收敛速度的差异进行判断。然后,采用小波软阈值滤波算法处理分界点之前的IMF。最后,利用处理后的低阶IMF和分界点后的IMF重构Walsh码软扩频信号,减少由于降噪造成的信号损失。仿真结果表明,在一定低SNR范围内,降噪算法以较低误码率(bit error rate, BER)实现解调,信号损失较少。     

消除EMD端点效应的PSO-SVM方法研究

经验模态分解(empirical mode decomposition, 简称EMD)的端点效应使得EMD分解结果产生严重失真, 为了减小分解过程中产生的端点效应, 将支持向量机(SVM)这一智能算法引入EMD, 提出采用SVM模型解决分解中产生的端点效应问题. 通过支持向量机对其原始数据两端进行延拓, 以获得一个或者多个极大值和极小值. 为了使端点处的延拓变得更加合理, 引入粒子群(PSO)智能算法对支持向量机算法参数进行优化, 使其两个端点处的数据延拓得更加准确, 从而使得三次样条曲线在端点处不会发生大的摆动, 实现EMD分解的固有模态函数(IMF)更加准确可靠. 通过对仿真信号的研究表明, 基于PSO-SVM 方法的延拓方法能够很好地抑制了分解的端点效应.     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

基于极值域均值模式分解的语音增强方法

增强低信噪比(signal to noise ratio, SNR)下的语音质量是语音识别需要解决的问题。在众多增强方法中,经验模态分解(empirical mode decomposition, EMD)是目前应用最为广泛的一种方法。针对EMD在对语音进行增强时存在端点效应的问题,研究了极值域均值模式分解(extremum field mean mode decomposition, EMMD)方法。该方法改变了EMD只利用信号的极值点信息的单一做法,充分考虑输入信号所有信息,计算信号极值点间所有数据的均值,可以有效解决EMD中的端点效应问题。因此,提出了基于EMMD的语音增强方法,实验结果表明EMMD方法的引入,消除局部数据中隐含的支流分量,避免了EMD方法的端点效应问题,明显提高了带噪语音的SNR,改善了语音的质量。     

基于非线性修正策略的空气质量预警系统研究

建立科学、有效的空气质量预警系统,对于保护人们的身体健康和促进社会和谐稳定具有重要的科学价值和实际意义.为此,本文首先利用孤立森林(isolationforest,iForest)算法进行空气质量指数(air quality index,AQI)离群点分析,然后建立了一种空气质量预警系统,该系统由数据预处理模块、优化模块、预测模块和修正模块构成,融合了时变滤波经验模态分解(time varying filtering based empirical mode decomposition,TVF-EMD)、改进的蝴蝶优化算法(modified butterfly optimization algorithm,MBOA)、离群鲁棒极限学习机(outlier robust extreme learning machine,ORELM)和非线性修正策略,该预警系统成功地实现了空气质量的有效预警.同时,以污染程度不同的5个城市作为实验地点对预警效果进行检验,结果表明:1)与经验模态分解(empirical mode decomposition,EMD)相比,TVF-EMD可以更为有效地降低原始数据的非线性和非平稳性特征;2)基于MBOA的误差非线性修正策略比其他误差修正策略更胜一筹,可以显著提高预警系统的性能;3)建立的预警系统的性能要优于其他对比模型,可以对污染程度不同的城市进行有效预警.     

基于VMD和特征融合的辐射源信号识别

在日趋复杂的电子对抗中,如何提高雷达辐射源信号(radar emitter signal, RES)识别率和抗噪性能是亟待解决的问题。为此提出了一种变分模态分解(variational mode decomposition, VMD)和特征融合相结合的RES识别方法。首先利用VMD算法对各雷达信号进行分解得到3个本征模态函数(intrinsic mode function, IMF);然后,对这3个IMF分量提取排列熵(permutation entropy, PE)和样本熵(sample entropy, SE)特征进行特征融合，构成六维特征向量；最后利用支持向量机对辐射源信号进行识别。利用6种不同的辐射源信号对该方法进行了验证,仿真实验结果表明,该方法在低信噪比(signal to noise ratio, SNR)下能取得较好的识别率,当SNR不低于0 dB时,六维特征向量的识别率达到100%,具有较强的抗噪性能。     

基于MP稀疏分解的弹道中段目标微动ISAR成像新方法

弹道目标在中段的运动包括轨道运动和微动。与轨道运动相比,弹道目标的微动能引起目标相对雷达视线角更为快速的变化,有利于逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像。针对自旋对称弹头的微动特性,提出了一种基于匹配追踪(matching pursuit, MP)稀疏分解的微动ISAR成像算法,分析了成像平面和成像所需积累转角,并通过计算机仿真与传统的距离－多普勒(range-Doppler, RD)、魏格纳－维尔(Wigner-Ville, WV)成像算法进行了比较。仿真结果表明：本文算法具有更好的成像精度和稳定性,且不受交叉项的干扰,是一种有效的微动目标成像算法。     

基于改进Dijkstra算法与时频域滤波的雷达目标识别

针对弹道中段雷达目标回波的微多普勒特征提取精准度不高导致目标识别率低的问题, 提出一种基于改进Dijkstra算法与时频域滤波相结合的雷达目标分类识别方法。该方法首先采取改进Dijkstra算法提取多分量回波信号中最强分量的瞬时多普勒特征, 然后利用时频域滤波方法滤除最强分量, 依次提取多分量信号的瞬时多普勒特征, 并将该特征应用于弹道中段雷达目标识别。仿真结果表明, 该方法适用于多种微动形式, 提取回波信号的微多普勒特征的精度更高, 对于弹道中段雷达目标平均识别率较高。     

基于IRT的大动态反射系数微动目标检测算法

当雷达回波信号中同时存在强弱差异较大的微动目标时,弱反射目标分量常常会被噪声和强反射目标所掩盖,导致弱反射目标难以被检测。为解决该问题,提出一种大动态反射系数微动目标检测算法。首先该算法利用逆Radon变换(inverse Radon transform, IRT)来获取强微动分量的参数估计值,然后通过逐次消去强分量来增强弱分量,从而使得弱分量更容易被检测。本文算法能够实现反射系数差异较大的多个微动目标的检测,同时能够准确估计出其微动参数。仿真实验证明了本文算法的正确性，同时对本文算法的性能进行了分析。     

基于IRT的大动态反射系数微动目标检测算法

当雷达回波信号中同时存在强弱差异较大的微动目标时,弱反射目标分量常常会被噪声和强反射目标所掩盖,导致弱反射目标难以被检测。为解决该问题,提出一种大动态反射系数微动目标检测算法。首先该算法利用逆Radon变换(inverse Radon transform, IRT)来获取强微动分量的参数估计值,然后通过逐次消去强分量来增强弱分量,从而使得弱分量更容易被检测。本文算法能够实现反射系数差异较大的多个微动目标的检测,同时能够准确估计出其微动参数。仿真实验证明了本文算法的正确性，同时对本文算法的性能进行了分析。     

双基地雷达微动空间目标全极化回波仿真方法

由于双基地雷达具有反隐身、抗干扰、抗摧毁等诸多天然优势, 双基地雷达的目标探测和识别问题逐渐成为研究热点。以双基地雷达微动空间目标为研究对象, 首先分析了电磁计算双基地散射数据和双基地雷达目标回波的对应关系, 然后指出了利用电磁计算数据获得的目标仿真回波与目标真实回波极化坐标系的差异, 并提出了相应的校正方法, 最后进行了仿真验证。结果表明, 所提方法保证了电磁仿真回波数据与实测回波数据的极化一致性, 可以为后续的双基地雷达目标特征提取、目标识别等算法研究提供数据支撑。     

空中目标辐射源的个体识别方法

针对传统的辐射源个体识别方法在低信噪比环境下识别性能不佳的问题,提出了一种空中目标辐射源的个体识别方法,该方法利用经验模态分解和变分模态分解得到信号不同频率的模态分量,将各模态分量的多尺度排列熵作为特征,利用主成分分析对数据进行降维,并采用支持向量机分类器进行辐射源个体识别。仿真结果表明,该方法对相位噪声、频率漂移以及谐波失真等细微特征的识别性能明显优于传统方法,并具有良好的抗噪性。     

宽带弹道高速群目标运动精补偿方法

外场实验中宽带直采模式使得回波数据量较大,弹道目标的微动使散射点徙动严重,频谱变化剧烈。针对此时传统运动补偿不再适用和宽带直采数据处理困难的问题,本文提出宽带弹道高速群目标运动精补偿的方法。首先对宽带数据进行降采样,降低数据量。对降采样的数据使用区域Hough变换进行群目标轨迹分离并计算出对应到原始宽带数据的位置,进行粗运动补偿与信号提取。然后对提取的目标信号采用重心法进一步作运动补偿,再通过时变自回归模型进行时频分析,得到剩余平动参数与光滑的微动特征曲线。利用所得微动参数对目标信号进行精确的运动补偿。最后采用CADFEKO仿真模型实验验证了所提方法的有效性。     

基于模式/区域分解的无人机集群电磁特性快速分析

无人机(unmanned aerial vehicle, UAV)集群在军事和民用领域的应用越来越广泛, 针对UAV集群目标电磁散射特性的获取和分析对生成对抗策略及反UAV有着重要的研究价值。目前, UAV集群动态测量数据获取难度较大、成本高; 而对于仿真数据, 传统计算电磁方法建模精度和效率较低, 有效的特性数据不足。因此, 提出了一种基于模式/区域分解的UAV集群目标电磁仿真方法, 该方法在矩量法的基础上, 引入特征模分解和区域分解技术, 前者极大地降低了计算未知量, 后者有效地解决了建模精度问题, 为UAV集群目标特性数据的生成提供了创新技术支撑。