基于谐波小波和SVD的可倾瓦滑动轴承工频干扰抑制

针对新型流体支撑可倾瓦滑动轴承的振动位移信号中的工频干扰问题,提出了基于谐波小波和奇异值分解(SVD)的工频干扰抑制算法.首先基于谐波小波的严格盒型频谱和任意频段任意细分的特性,提取包含工频频谱的频段,然后在时域构建Hankel矩阵并进行奇异值分解,将反映工频成分的特征值置零,从而抑制工频成分,最后将去除工频的子带频谱同原始频谱其他子带合并,得到去除工频干扰的有用信号用于后续分析.试验结果表明,此算法可有效抑制工频干扰,为后续的新型可倾瓦滑动轴承的振动特性研究奠定基础,具有一定的工程应用价值.     

小波变换在回波信号检测中的应用

基于小波变换品质因数不变性的特点,结合适当的小波基,探讨小波变换在回波信号检测中的算法。在算法分析基础上,从检测原理、检测步骤、计算机仿真方面阐述如何利用小波变换检测回波信号时差,以确定回波信号的奇异点(回波信号到达时间点),进而确定被探测目标的位置。小波变换具有表征信号局部特征的能力,适于分析信号中的瞬态和奇异现象,并可展示其成份。所述的算法分析、小波基的选择及小波变换阶的选择等,为地下目标探测中的信号处理,提供了算法依据和应用方法参考。     

低频线谱检测ALE算法应用

 舰船辐射噪声在低频段具有稳定的特征信息丰富的线谱成分,此线谱成分的检测对水下目标的定位和识别具有重要意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,应用ALE算法理论对舰船噪声信号进行研究.ALE算法作为自适应FIRDF算法的一种变形,是自适应噪声抵消器的典型应用.低频线谱检测中采用ALE算法无需参考信号,自适应地将线谱成分信号进行匹配,可以从宽带噪声中将线谱成分分离出来,且线谱成分明显增强.理论分析仿真结合实际海试数据对LOFAR谱图进行研究,结果表明,ALE算法在低频线谱信号检测中能够达到期望的效果.与常规方法相比,检测性能得到有效提高,有利于辐射噪声线谱的提取.     

小波变换对于ECG信号中QRS波的检测

QRS波检测是ECG信号分析中的关键问题，设计采集系统，使得输入ECG信号的噪声干扰相对较小，并依据小波变换的奇异性和信号变换剧烈关系，对ECG信号中的QRS波进行检测。试验表明该方法在奇异信号检测和局部化分析方面具有较好的特性。     

极点特征聚类的公路隐藏裂缝自动识别算法

对公路隐藏裂缝病害的无损检测与识别在公路养护中尤为重要,然而通常利用地质雷达检测获得的B-scan图像多是依靠其双曲线特征获得目标的位置信息,对目标介电属性等方面的深入研究还存在困难。对此该文提出一种基于极点特征聚类的地质雷达公路隐藏裂缝自动识别算法。首先对回波信号进行奇异值分解,提取体现目标信号的大奇异值,重构回波信号,由此不仅对回波信号进行降维,还去除了噪声干扰。通过解卷积过程获得目标的冲激响应,利用奇点展开法提取其晚时响应部分的极点信息,构建极点特征空间,根据已知环境样本对极点进行初始聚类中心优化并取其均值,利用此均值初始聚类中心对待识别目标回波的极点特征空间进行聚类。实验结果验证了算法的有效性。     

基于CRPF的MIMO雷达目标检测前跟踪算法

在对机动弱目标进行检测过程中,由于回波信号含有杂波、干扰等噪声,其统计特性未知,难以对回波信号进行数学建模,无法得到后验概率密度函数,传统的粒子滤波算法性能大幅下降.针对此问题,提出了基于代价参考粒子滤波的MIMO雷达目标检测前跟踪算法.该算法无需背景噪声的统计特性,只需利用目标状态的估计值与真实值之间的差值计算各粒子的代价和权值,避免了通过对噪声进行建模来求得后验概率密度的问题.实验仿真证明,当噪声统计特性未知时,所提算法检测跟踪性能明显优于传统粒子滤波算法.     

非均匀噪声下基于双剔除门限的恒虚警目标检测算法

为了解决雷达检测算法在非均匀噪声环境下目标检测性能严重下降的问题,在分析实际回波杂波分布特性的基础上,提出了一种基于双剔除门限的恒虚警目标检测算法,通过双剔除门限将极大极小干扰信号从参考窗口中剔除,实时精确估计背景噪声功率.经过与各检测算法仿真对比,该算法在多目标干扰、遮挡和杂波边缘干扰等非均匀背景噪声环境下仍具有最优的检测性能和鲁棒性.结果表明,所提出的目标检测算法在非均匀噪声环境下具有良好的检测性能.     

短波信道下直扩信号检测与载频盲估计

针对通信侦察识别中广泛遇到的短波信道下直接序列扩频信号(DSSS)的检测与参数估计问题,提出了一种利用广度优先搜索邻居(BFSN)聚类分析提取未知信号高阶循环累积量循环频率的算法。该算法通过聚类比较截获信号的各类峰值,剔除干扰和奇异类信号,克服了短波信道中常见的多径效应引起的码间串扰(ISI)影响,从而实现了在低信噪比条件下,对直扩信号进行检测和载频的盲估计。对算法进行了理论分析,并通过计算机仿真验证了该算法在低信噪比下具有较好的稳健性。     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明：此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。     

基于小波变换的舰船雷达信号去噪方法

由于舰船雷达信号目标环境的复杂性,从强杂波中检测目标异常困难,基于小波变换下奇异信号和随机噪声在多尺度空间中不同的模极大值传播特性,设计了一种实用的小波消噪方法。对舰船雷达回波信号实验检测结果表明,该方法能较好地改善信噪比增益,同时又能保持对突变信号的良好分辨率。     

常规雷达飞机目标回波多重分形特性分析

常规雷达飞机目标回波的多重分形特性提供了对产生目标回波结构动力学特征的精细描述,为常规雷达飞机目标的分类和识别提供了新的途径.在介绍多重分形的研究方法以及常规雷达飞机目标回波数学模型的基础上,利用多重分形测度分析手段,详细分析常规雷达飞机目标回波的质量指数和多重分形奇异谱等多重分形特性曲线,并定义质量指数对称度Rτ、多重分形谱宽度Δσ和非对称指数Rσ等多重分形特征参数.实验结果表明:喷气式飞机、螺旋桨飞机和直升机这3类飞机目标的常规雷达回波数据具有显著不同的多重分形特征,所定义的3种多重分形特征参数可以作为常规雷达飞机目标分类和识别的有效特征.     

基于小波变换的纱线棉结的识别与分类

应用二进小波多尺度分析的方法检测纱线信号的奇异点，并根据棉结定义，提出了纱线棉结的识别与分类的新算法。     

基于快速小波变换的信号分析系统

介绍了小波分析中的快速小波变换算法,通过与常用小波基相对应的正交镜像滤波器组,实现了信号的快速小波分解和重构。结合虚拟仪器技术,研制成功虚拟式快速小波变换信号分析系统。经由该系统分析的动态信号,即可看到信号的概貌,又可看到信号的细节,特别能捕获到反映设备重要故障特征的奇异信号以及提纯被噪声污染的信号。     

基于极化不变量的谐波雷达导引头目标识别算法

为解决基于目标谐波散射系数的FFT识别算法无法有效识别目标全弹道谐波散射特性的问题,采用了基于极化不变量的目标识别算法.根据目标的半导体模型拟合出目标的谐波散射系数,用卡尔曼滤波器对谐波散射系数进行估计.将估计结果作为酉矩阵的对角元素,建立了目标谐波极化散射矩阵及与其对应的功率矩阵,通过就不同的目标进行谐波散射极化计算得到了仿真结果.结果表明,与基于目标谐波散射系数的FFT识别算法相比,目标谐波极化散射矩阵行列式的值及功率矩阵的迹能反映出目标的全弹道谐波散射特性,二者可以作为有效的目标识别特征量.      

基于VMD与改进DAE人车地震动包络信号识别算法

摘　要解决对野外环境中低信噪比的人车地震动信号进行分类时传统模式识别方法应用不便,以及识别率较低的问题,通过基于包络检波、变分模态分解（VMD）和改进的深度自编码器（DAE）的特征提取算法研究了针对该类信号的处理方法和特征提取方法。首先对目标的地震动信号进行希尔伯特变换,获取信号的平滑包络线,然后对包络线进行变分模态分解,并用相关系数对分解得到的IMF信号进行筛选,并将相关度较高的分量加权合成为高信噪比的中间信号,再对其使用改进的深度自编码器中进行特征提取。最后使用泛化性能好的随机森林算法对信号进行分类,从而实现对人车目标的识别和分类。结果表明：该算法对两类目标综合识别正确率较其他传统算法有较大提高。可见该算法针对该类目标有应用价值。     

基于小波变换的串扰信号频率的检测

在对小波变换与串扰信号奇异性检测算法分析基础上,对印刷电路板(PCB)的设计中串扰信号频率产生进行了分析,进而推定串扰信号源频率检测方法.并通过PROTEL软件产生串扰信号数据,利用小波变换与串扰信号奇异性检测算法检测串扰信号取得准确频率范围.     

基于小波和分形理论的多径衰落信号分析

首次将小波理论和分形理论相结合来分析多径衰落信号，从多径衰落信号产生的动力学机制出发，指出了多径衰落信号具有分形的特征，进一步研究多径衰落信道的多重分形特性，分析并指出了多重分形维数是描述无线信道传播特性的重要参数，根据多径衰落信道参数突变，首次指出了多径衰落信号具有局部奇异性，其局部奇异性对信道参数估计和信号重构有着重要的作用，中提出了短时网格分形维数的定义和给出了其计算的详细算法，用Lipschitz指数来表征局部奇异性，利用小波检测多径衰落信号奇异性和信号重构。仿真实验结果表明：小波重构后信号具有很好去噪性能；多径衰落信号不同尺度下小波变换系数具有自相似性，论证了多径衰落信号的分形特性，不同移动速度时多径衰落信号的多重分形特性仿真实验表明：随着移动速度增大，其短时网格分形维数也变大。     

基于小波变换的测井曲线识别系统

主要介绍了利用小波变换可以检测出奇异信号的特殊功能,在此基础上,给出了计算机模式识别技术实现的测井曲线的自动识别方法,利用VC＋＋开发了测井曲线识别系统并给出了实验结果。     

融合全局与局部特征的UWB雷达人体动作识别算法

为了消除雷达信号中杂波和噪声对人体动作识别的干扰,提高小样本数据下动作识别的精度,在去除杂波及噪声干扰的基础上,提出一种融合全局与局部特征的超宽带（ultra-wideband,UWB）雷达人体动作识别算法。用动目标指示（moving target indication,MTI）结合自适应中值滤波对雷达原始回波信号进行预处理,再对人体动作的雷达二维特征图像利用主成分分析（principal component analysis,PCA）提取主要分量作为全局特征表征,并用二维离散小波变换（2D discrete wavelet transform,2D-DWT）结合奇异值分解（singular value decomposition,SVD）获取特征图像在不同方向与尺度划分下动作的局部特征表征,并将全局与局部特征进行串联融合;根据融合特征,在网格搜索算法（grid search,GS）优化的支持向量机（support vector machines,SVM）模型中实现人体动作的识别分类。实验结果表明,该算法能有效获取雷达信号中的人体动作信息,平均识别准确率为95.63%,具有良好的识别性能。     

子波消噪技术及其应用

基于信号和噪声在小波变换下表现出的截然不同的性质,提出了一种非线性消噪方法．该方法与传统的消噪方法不同：它并非等价于信号通过一个低通或带通滤波器,而是根据信号与噪声的奇异点性质不同滤波．因而,在改善信噪比的同时,又保持相当高的时间分辨率．