化学信号小波变换的本质分析

根据墨西哥帽小波的特点,提出两种新的函数,对化学信号进行n次小波变换,得到了信号的近似2n阶导数.由数值微分法和小波变换法对模拟信号计算的结果发现对于含噪信号,小波变换法有效滤除了噪声,所得结果的信噪比明显高于前一种方法;同时还可分离重叠峰,提高谱图分辨率.该方法函数形式简单,易于编程,为处理化学信号提供了新的途径.     

一种综合时频分布在mc-PPS检测中的应用

为解决多分量多项式相位信号(mc-PPS)的检测问题,提出乘积性谱图-WVD(PSWVD)变换的多分量PPS信号检测方法.综合谱图和WVD变换的优势,在去除WVD变换交叉项的同时保持了良好的频率聚集性和优良的低信噪比性能.为抑制噪声和交叉项,设置了自适应门限,大幅减少了后续Radon变换的计算量.对三分量线性调频(LFM)、双分量非线性调频(NLFM)和强弱分量PPS信号的仿真结果表明,PSWVD算法具有优良的检测性能.     

一维磁共振频谱中的信号处理方法研究

根据磁共振的原理,对一维磁共振频谱中的信号处理方法进行分析和讨论,然后利用MRUI软件来实现一维磁共振频谱中的信号处理方法.分析比较处理前后的频谱图,表明所实现的信号处理方法有效可行.     

基于CNN-SVM的调制方式识别优化算法

信号调制方式识别在通信领域是一个研究热点,针对目前已调信号分类识别率受噪声的影响较大的问题,提出一种基于CNN-SVM的调制方式识别算法.该算法对不同已调信号做循环谱估计,生成相应的循环谱图,并截取等高截面图作为特征图,然后借助卷积神经网络提取相应的特征,并采用t分布邻域嵌入算法对特征值降维处理,最后输入到支持向量机对已调信号进行分类识别.经实验仿真,当信噪比高于-2 dB时,算法识别率高于96%,证实了该算法具有很好的识别效果.     

线性调频信号的相位匹配去噪处理

线性调频信号被广泛应用到雷达、声纳、地震和其他探测的很多领域,目前对其应用比较广泛的获知信号存在的方法是基于相关的匹配滤波处理,但匹配滤波处理是进行信号压缩来获取最大的信噪比.采用相位匹配方法对线性调频信号进行处理,去除噪声还原信号从而获得高的信噪比,通过仿真实验证明该方法应用在受到噪声干扰的线性调频信号处理上效果很好.     

基于经验模态分解去噪的粗晶材料超声检测

粗晶材料超声检测中,结构噪声严重降低了检测信号的信噪比,缺陷反射难以识别.为了增强检测信号信噪比,提高粗晶材料超声检测的可靠性,采用经验模态分解(EMD)技术对检测信号进行去噪处理,通过3次样条插值形成波形包络,并利用信号的特征时间尺度将非线性、非平稳检测信号自适应的分解成多个本征模态函数(IMF)之和,从而获得信号高阶成份和趋势.利用EMD的这种特性对低信噪比模拟信号进行处理,并将处理结果与小波去噪结果进行对比,信噪比获得更大提高.通过对粗晶材料实测信号进行去噪实验,结果表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少.     

基于GNSS卫星信号的多基SAR系统性能

为解决基于GNSS卫星信号的星机多基SAR系统信噪比低的问题,提出几种改善系统信噪比的方法.分析了GNSS卫星信号源的信号特性及GPS信号的雷达模糊函数,研究其作为多基SAR系统发射信号的适用性,推导了雷达方程,并分别对点、面目标的信噪比进行分析.结果表明:作为系统照射源的GNSS信号具有良好的距离、速度分辨特性.采用适当的信号处理方法,可有效改善系统信噪比,满足多基SAR成像的要求.     

化学信号小波变换的本质分析

根据墨西哥帽小波的特点，提出两种新的函数，对化学信号进行n次小波变换，得到了信号的近似2n阶导数．由数值微分法和小波变换法对模拟信号计算的结果发现：对于含噪信号，小波变换法有效滤除了噪声，所得结果的信噪比明显高于前一种方法；同时还可分离重叠峰，提高谱图分辨率．该方法函数形式简单，易于编程，为处理化学信号提供了新的途径．     

一种基于扩频信号的散射通信信噪比估计方法

针对散射多径衰落信道下信噪比估计误差较大的问题,提出一种基于扩频信号的信噪比估计方法,该方法在散射通信信道模型的基础上,给出散射通信信噪比估计方案并设计数据帧结构,提出基于扩频信号的信噪比估计方法并给出合路信噪比计算公式,同时提出采用特定接收信号处理算法的等效信噪比计算方法,用于准确表征散射通信中的有效信噪比.仿真结果表明该信噪比估计方法估计准确,等效信噪比计算方法正确有效,相比其他信噪比估计方法,估计范围更宽,可有效解决多径信道信噪比准确估计问题.      

空域相关滤波法在突变检测中的应用

为有效检测含噪信号突变点,研究了小波变换的空域相关滤波算法,并应用其分析和处理突变信号.应用Matlab分别对信噪比为15.7133 dB、10.1305 dB、5.7688 dB含噪突变信号进行仿真,结果证明,空域相关滤波算法在不同信噪比下具有良好的适应性.在信噪比为15.7133 dB时,分别运用小波阈值滤波算法和空域相关滤波法对突变信号进行处理,得到平均重构误差分别为1.1636和0.93906。证明了空域相关滤波法在突变点检测中的优越性.     

双发双收双偏振天气雷达信噪比改善方法研究

针对双偏振天气雷达在同时发射同时接收体制下,存在信噪比损失3 d B的现象,分析了信噪比损失对雷达回波产品显示的影响,并详细介绍了一种在信号处理器中对水平和垂直通道内的I/Q回波信号进行相干叠加,改善雷达回波信噪比的方法。理论分析和计算表明,该方法可以提高雷达信噪比2~3 d B;观测结果证实,该方法可以增强双偏振天气雷达对弱信号的探测能力。     

基于有限样本信息准则的非协作盲信噪比估计算法

针对小样本条件下的盲信噪比估计误差较大问题,结合信号子空间分解方法,提出一种基于有限样本信息准则( finite sample information criterion,FSIC)的盲信噪比估计算法,并推导出基于FSIC盲信噪比估计算法的最大似然形式.在小样本情况下,FSIC的引入克服了传统信息论方法产生的过拟合和欠拟合问题,降低计算复杂度.在不需要已知信号调制方式、载波频率、波特率等先验知识的前提下,能够在加性高斯白噪声信道(AWGN)和多径信道(Rayleigh)下对常用调制信号进行有效的信噪比估计.在信噪比-25 dB～25 dB范围内,其平均估计误差小于1 dB,表明该算法可有效应用于小样本盲信噪比估计.     

直接序列扩频信号的信噪比估计

准确可靠地估计直接序列扩频信号的信噪比,对于辅助完成通信过程中扩频信号的同步捕获及在电子对抗中都具有很重要的意义.针对直接序列扩频信号工作中信噪比较低的特点,提出了一种通过求解接收信号相关矩阵的特征值来估计信号信噪比的方法.分析了在相同数据和随机数据扩频调制条件下接收信号信噪比估计的计算方法,并对于有频差情况下的计算方法进行了说明.计算机仿真结果表明,该方法在低信噪比的条件下具有较强的可靠性.     

用高阶累积量实现数字调相信号的分级识别

针对BPSK,QPSK,OQPSK和8PSK信号的调制模式自动识别,传统的基于高阶累积量算法无法区分QPSK和OQPSK,因此提出了一种基于差分高阶累积量的识别算法。该算法首先用四阶累积量提取待识别信号和其差分序列的特征参数,然后用决策树分类法实现信号的分级识别。理论分析和计算机仿真结果表明该算法有较强的抗噪声和抗相位抖动能力,在信噪比>3 dB时识别率达95%以上,更适用于较低信噪比下信号的识别。     

基于倒谱距离的语音端点检测改进算法

在讨论传统倒谱距离语音端点检测算法不足的基础上,提出了一种改进方案,该方法首先估计短时信噪比,然后由统计方法确定短时信噪比与门限的关系,进而完成正确的语音端点判决。通过对3种典型噪声环境下信噪比从-5 dB到20 dB的带噪语音信号进行的仿真实验结果表明,所提方法能更为准确地检测到语音端点。     

低信噪比下数字幅度调制的调制进制快速识别

为了快速自动识别低信噪比下的数字幅度调制进制,提出了一种识别M进制正交幅度调制(M-QAM)和M进制幅度键控(M-A SK)的调制进制的方法。该方法利用优化的缩放尺度对信号进行小波变换,以识别M-QAM和M-A SK信号的调制进制,并进行了仿真。仿真结果表明:仅利用100个观测符号,当信噪比大于或等于-4 dB时,M-QAM信号的正确识别率大于93%;当信噪比大于或等于-10 dB时,M-A SK信号的正确识别率大于90%。这说明该方法在低信噪比下能够快速获得很好的识别性能。     

基于BPR技术的纱线张力信号去噪研究

讨论了纱线拉伸张力信号的平滑算法。三阶平滑B-样条函数插值算法应用于低信噪比的纱线张力信号滤波取得了良好滤波效果,纱线断裂点校正（BPR）算法使被延时的纱线断裂点位置得到了校正。平滑算法使本文的试验样品纱线张力信号的信噪比（SNR）从21dB提高到45dB。平滑B-样条函数插值将离散信号转换成B-样条空间的连续信号（离散的B-样条函数系数代表的连续信号）。基于这种连续信号的计算使得张力结果更为精确。     

DOA估计的可靠性评判及多阵列三角定位

提出了一种DOA（derection of arrival）估计可靠性评判准则，试验数据验证了该可靠性评判准则的有效性。DOA估计误差分析表明，目标信号信噪比、传感器失效和采集系统故障等原因均可能导致传感器信号相关性下降或者丢失，而使得DOA估计出现重大偏差；利用可靠性条件，能够方便判定估计DOA的可靠程度。将DOA估计算法及可靠性条件，应用到多DOA三角定位试验中，定位结果表明，该可靠性条件能够有效避免目标位置估计出现野值。     

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号. 该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析. 奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择. 仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求. 实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.      

单通道混合信号中周期信号的盲分离

在定义信号周期性的基础上,针对多个周期信号、多个周期信号和其他信号单通道混合的情况,提出了基于特征值分析的周期信号盲分离方法,并对算法的可行性、分离误差及分离效果进行了理论分析.仿真结果表明:该方法能适应较低的信噪比,且具有计算量小、易于实现等优点.