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。     

模拟VLSI电路参数型故障的测试方法

为了提高模拟集成电路参数型故障的测试精度,以小波滤波器组实现的子带滤波为理论工具,研究了基于多故障特征提取的模拟集成电路测试方法.研究和对比了奥克塔夫(Octave)和金字塔两种小波分解结构下对Haar和Daubenchies两种小波在时域和频域中的故障分辨特性和诊断能力.对国际标准电路的实验表明:采用Octave结构时,在时域可完成故障检测,以相干函数在频域区分故障困难;而采用金字塔型结构时,在时域和频域皆易完成故障诊断:采用Daubenchies小波的效果优于Haar小波.     

基于时空频特征融合的距离-速度复合欺骗干扰识别技术研究

针对距离-速度复合欺骗干扰信号形式复杂及识别难度大的特点,提出了一种基于时空频特征融合的距离-速度复合欺骗干扰识别算法。首先,分析真实目标和虚假目标在空域、频域和时域的特征差异;然后,针对真假目标在不同域的特征区别,分别提取回波点迹的空域特征和频域特征;最后,将提取的空域及频域特征在时域进行融合,采用先积累后判别和基于二进制检测两种特征融合方法,利用时空频融合特征对距离-速度复合欺骗干扰进行判决。仿真结果表明,该算法能够对距离-速度复合欺骗干扰进行有效的识别。     

基于信号时频表示的宽带源波达方向估计

提出一种时频域宽带源波达方向(DOA：Direction of Arrival)估计算法。该算法通过计算参考阵元和其它阵元的互Wigner-Ville分布，构造出一种新的时频域数据向量模型，并利用Chirp信号的局部窄带特性，在信号的主要能量聚集区选择时频点构造时频相关矩阵代替传统的阵列相关矩阵，进行特征分解实现信号的DOA估计。该方法同时在空域和时频域进行处理，充分利用了时频分布的能量聚集性，不但实现了非平稳信号时频域的分离，还有效地提高了信噪比，增强了算法对噪声的稳健性。仿真结果验证了新方法的有效性。     

时反法用于主动探测的研究与仿真

时反法是一种新颖的自适应聚焦技术,它可以使声信号在未知环境下实现时空聚焦。海洋是一个复杂多变的信道,它会使信号波形在时域上发生畸变,能量在空间上发生扩散从而降低了声纳系统的检测能力。分析了时反法的原理,并进一步分析了时反法用于主动探测的过程。利用射线声学建立了浅海信道模型,对时反法主动探测技术进行了仿真分析。仿真结果表明,它可以使发生扩展的信号在时域上重新得到压缩,并使扩散的能量在目标处聚焦,从而实现对目标进行探测。     

基于VMD分解和多域联合分布的雷达辐射源识别

针对现有雷达辐射源个体识别存在的识别准确率低、难以区分同型号雷达、缺乏实采信号验证等问题,提出了一种基于变分模态分解(variational modal decomposition, VMD)和时频能多域特征联合的雷达辐射源个体识别方法。首先对雷达信号进行VMD,然后对得到的模态分量分别在时域、频域和时频域提取13种特征参数,最后结合k近邻分类器实现雷达个体识别。采用实际采集的船用导航雷达信号对所提方法和现有的其他两种方法进行了对比验证,实验结果表明所提方法在识别准确率、算法鲁棒性方面优于现有两种方法,具有一定的工程应用价值。     

跳频信号的相参与非相参积累时频差估计方法

跳频信号载频随时间变化发生跳变, 因此跳频信号具有丰富的频域信息,而且其在时域上为连续信号, 相比单跳信号也具有更丰富的时域信息。时频差估计精度与信号在时频域上的分布情况以及信号能量和噪声有关。时差估计主要与信号频域分布有关, 而频差估计主要与信号时域分布有关。跳频信号时频域信息丰富, 多跳相参积累后, 时频差参数估计能够充分利用信号的时频域信息, 克服单跳信号时频差估计精度不高的问题。针对跳频信号的时频差估计问题, 首先分析了单跳基带信号的互模糊函数, 再从时差与频差的维度推导了多跳基带信号互模糊函数的相位差异, 最后通过频差归一化与相位对齐补偿提出了多跳信号互模糊函数相参积累的时频差估计算法。同时, 在不满足相参积累的条件下, 分析了跳频信号的非相参时频差估计方法, 并理论分析了两种跳频信号时频差参数估计方法性能与信号各参数的关系。仿真结果表明跳频信号相参时频差估计算法性能最优, 非相参方法的估计性能其次, 单跳信号的估计性能最差, 验证了理论性能分析结果的正确性。     

基于多特征信息融合的海面微弱目标检测

为改善海杂波背景下雷达检测微弱目标的性能,提出一种基于多特征信息融合的目标检测方法。首先,在分析时域回波信号的基础上,给出脉冲幅值离差比的概念,并用其表征离散回波信号的尖锐度。其次,结合回波信号的频率峰均比和局部分形度两种特征量,构建多特征信息融合张量。然后,采用交叉验证法训练支持向量机(support vectors machine, SVM)分类器,并依据分类器进行目标检测。最后,通过对实测海杂波数据的一系列实验分析,优选了所提方案的参数。进一步与已有传统方法对比,结果显示所提方法具有更好的鲁棒性。     

软件GPS接收机信号搜索捕获的仿真实验研究

信号搜索捕获是基于软件无线电(SDR)技术的软件GPS接收机(SGR)的重要组成部分,同时也影响软件GPS接收机的工作性能指标。通过特定设计的硬件实验装置获取了真实GPS数字中频信号,利用Matlab分别在时域和频域范围对信号搜索捕获进行了算法仿真,同时对GPS信号中C/A码产生也进行了仿真。根据信号搜索捕获理论结合仿真试验结果,对时/频域两类处理方法进行了分析和比较,认为基于FFT的频域搜索捕获方法是软件GPS接收机工程实现的合理选择。     

基于害虫声频域特征的储粮害虫种类鉴别研究

分别对赤拟谷盗(Tribolium castaneumHerbst)成虫、米象(Sitophilus oryzaeLinnaeus)成虫以及两者复合后在粮罐内小麦中的爬行声进行了采集,进行了爬行声信号的再现和功率谱估计。利用爬行声信号的频域特征进行了害虫种类的鉴别研究。研究表明,害虫声频域特征比时域信号对鉴别害虫种类更具有可靠性。图4,参7。     

小样本条件下的通信辐射源半监督特征提取

在通信辐射源信号有标签样本数量较小的情况下,同类通信辐射源个体信号特征提取困难且识别精度较低。对此,提出了一种小样本条件下的通信辐射源半监督特征提取方法。该方法对少量有标签通信辐射源信号样本以及大量无标签通信辐射源信号样本进行变分模态分解提取高维稳态信息熵,利用指数半监督判别分析法映射信息熵形成个体特征,并通过XGBoost进行通信辐射源个体识别来验证识别效果。实验表明,所提方法识别准确率达到85.33%,相比无监督特征提取方法运算时间降低了76.17%,证明其在同类通信辐射源不同个体识别中具有较好的性能。     

小样本条件下的通信辐射源半监督特征提取

在通信辐射源信号有标签样本数量较小的情况下,同类通信辐射源个体信号特征提取困难且识别精度较低。对此,提出了一种小样本条件下的通信辐射源半监督特征提取方法。该方法对少量有标签通信辐射源信号样本以及大量无标签通信辐射源信号样本进行变分模态分解提取高维稳态信息熵,利用指数半监督判别分析法映射信息熵形成个体特征,并通过XGBoost进行通信辐射源个体识别来验证识别效果。实验表明,所提方法识别准确率达到85.33%,相比无监督特征提取方法运算时间降低了76.17%,证明其在同类通信辐射源不同个体识别中具有较好的性能。     

基于KFD+ICA特征提取的SAR图像目标识别

提出了一种用基于核函数的Fisher判别分析(kernel based Fisher discriminant analysis,KFD)和独立分量分析(independent component analysis,ICA)特征提取的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。用基于核函数的Fisher判别分析提取SAR图像样本在高维特征空间中的最佳分类向量,对最佳分类向量做独立分量分析,得到表征图像样本的特征向量,用支持向量机(support vector machine,SVM)对提取得到的特征向量分类完成目标识别。对MSTAR数据库中三类军事目标用该方法进行特征提取和识别实验,识别率为96.92%。结果表明,KFD ICA特征提取方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

基于最大间距准则(MMC)新的有效特征提取方法

基于最大间距准则(Maximum Margin Criterion,MMC)下,提出一组具有标准正交性的最佳鉴别矢量的计算方法和一组具有统计不相关性的最佳鉴别矢量的计算方法。这种方法的目的是寻求一组最佳鉴别矢量既要使投影变换后的特征空间的类间散度最大,而类内散度最小;又要减小最佳鉴别矢量间的统计相关性。与原MMC特征提取方法相比,新的特征提取方法降低了甚至消除了最佳鉴别矢量间的统计相关性,提高了识别率。通过分别在ORL人脸库和NUST603人脸库上实验结果表明提出的具有统计不相关性的MMC特征提取方法在识别率方面整体上好于原MMC特征提取方法和常用的主成分分析(PCA)法。另外,揭示了MMC准则特征提取与Fisher准则特征提取的内在关系。     

基于多域特征与随机子空间集成的脑电分类

针对脑机接口(Brain-Computer Interface,BCI)中脑电信号预处理、特征提取、分类识别等过程,提出一种基于多域特征的随机子空间集成方法实现运动想象脑电分类。该方法的基本思想是通过事件相关同步/事件相关去同步特性分析,提取出最佳时频段的多域特征作为特征向量,结合交叉验证自适应地选择特征随机子空间的集成规模,集成线性判别分析分类器实现脑电信号分类。实验结果表明,多域特征和随机子空间集成分类正确率可达90.71%、Kappa系数可达0.63,均优于BCI竞赛第一名成绩,从而证明了该算法在脑电分类中的有效性和实用性。     

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。     

基于多尺度低频特征组合的线性鉴别分析

目前线性鉴别分析(LDA)方法是在原始图像上直接进行,抽取的是图像的全局特征,受光照、表情变化而引起的局部高频信息影响较大,忽视了更能反映图象本质的低频特征.为此提出先将图像进行多尺度划分,再提取划分后的每个子图像的低频部分,组合起来作为该图像的特征向量,最后根据这些特征向量再应用LDA方法进行鉴别分析.多尺度低频特征组合的向量反映了图像从局部到全局的全部低频特性,具有更有效的鉴别信息.在ORL和Yale人脸库上的实验结果显示,所提出的算法识别性能显著提高,鉴别能力更好.     

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。     

雷达动目标短时稀疏分数阶表示域探测方法

机动目标检测和精细化运动状态估计始终是雷达信号处理的热点和难点问题,基于时频分布的动目标检测方法难以同时获得高时频分辨率,且参数估计精度受搜索步长的限制。稀疏时频分布技术结合了经典时频分析技术和高分辨稀疏域信号处理的优势,是传统变换域处理技术的扩展。构建了短时稀疏分数阶表示域信号处理框架,并在此基础上,提出了两种雷达机动目标检测和估计方法,即短时稀疏分数阶变换和短时稀疏分数阶模糊函数,实现了时变信号的时间稀疏变换域高分辨表示。对海雷达目标探测试验验证表明,所提方法适用于复杂背景下雷达机动目标的探测,并能获得目标运动状态的精细估计。