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.     

利用子波变换提取目标回波波形特征

对Donoho阈值决策子波域去噪方法进行了研究，该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。具体讨论了在Sym8子波基底下,用此方法对非平稳雷达回波进行五尺度的Mallat算法仿真，结果表明该方法除对噪声具有很好的拟制效果外，还有效地保留了目标回波波形特征，从中看到子波变换用于特征提取在雷达信号处理中是一个十分吸引人的新方法。     

基于非线性多小波变换的信号去噪方法

介绍了一种基于非线性多小波变换的信号去噪方法。通常子波域去噪中使用的Donoho软阈值法是很有效的，但是，由于忽略了边缘检测，导致在重构信号时丢失了部分的边缘信息，着眼于上述不足，在非线性多小波变换的基础上，提出了一种边缘检测与软阈值去噪相结合的去噪算法，实验证明此算法对提高重构信号的信噪比是非常有效的。     

水下目标辐射噪声的子波变换和高阶累积量联合分析

将子波变换和高阶累积量联合分析应用于对水下目标辐射噪声的特征提取。首先利用子波变换提取辐射噪声的动态调制分量,然后应用四阶累量对角切片的傅立叶变换（2^1/2维谱）分析该动态调制的谐波特性。结果表明,该方法可以有效地实现动态调制分量与其他信号的分离。准确提取谐波特征。由于四阶累量对高斯噪声的抑制性,该方法还具有很强的抗噪性。此外,相准确提取谐波特征。由于四阶累量对高斯噪声的抑制性,该方法还具有很强的抗噪性。此外,相对与双谱和三谱分析,2^1/2维谱分析极大减少了计算量,降低了方法的复杂程度,具有较快的运算速度。九五国防重点预研项目。     

基于平移不变量的摩擦焊检测信号降噪方法

平移不变量小波降噪方法，首先对所分析的信号进行循环平移；然后将平移后的信号进行软（硬）阈值小波消噪处理；再将消噪后的信号进行逆平移，通过多次‘平移——去噪——逆平移＇过程，最后平均所获得的结果。它能够有效地消除软闽值小波去噪过程中出现的pseudo-Gibbs（伪吉布斯）现象，提高了信噪比，使去噪结果更加逼近于真实信号。将其应用于对摩擦焊检测信号进行降噪处理，实验证明，具有较好的降噪效果。     

基于模糊递归和最优硬阈值的局部投影降噪算法

针对原始局部投影降噪算法的局部邻域选取问题和子空间划分问题，提出了一种基于模糊递归图和最优硬阈值准则的局部投影降噪算法。首先，利用模糊递归图确定局部邻域范围；然后，再对邻域矩阵进行奇异值分解，并利用最优硬阈值准则对局部邻域的信号子空间和噪声子空间进行划分；最后，进行投影去噪。Lorenz信号的仿真结果表明，所提方法能够提高信噪比并降低均方误差，恢复原始吸引子的形态结构。对实测含噪心电图信号进行处理后，信噪比显著提高，验证了本方法的有效性。     

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。     

基于LMD-WSVD的半球谐振陀螺混合去噪方法

为了减少半球谐振陀螺(hemispherical resonant gyroscope, HRG)输出噪声对导航精度的影响，提出了一种基于局部均值分解-排列熵-小波变换-奇异值分解的混合去噪方法。首先，使用局部均值分解方法对HRG信号进行分解，然后排列熵将其划分为两类：低频分量和混合分量；之后将小波变换和奇异值分解级联以构成两级滤波器，对混合分量进行降噪处理，最后重构得到最终的信号。通过实验验证了该方法的有效性，实验结果表明，相比原始信号，所提出的方法有效地减少了HRG的输出噪声，提高了其测量精度，其中角度随机游走降低了99.9%,零偏稳定性降低了60.3%。     

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。     

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。     

正交频分复用循环移位扩频水声通信

针对常规直接序列扩频水声通信数据传输速率低及M元扩频水声通信接收机复杂度高的问题,提出了一种正交频分复用(orthogonal frequency division multiplexing, OFDM)技术和循环移位键控(cyclic shift keying, CSK)技术相结合的调制方式,该调制能很大程度地提高系统的带宽使用率。从理论上对该方法在高斯白噪声信道条件下的误码率进行了分析。同时,采用Chu序列作为扩频序列,通过理论推导得出其峰均功率比(peak to average power ratio,PAPR)的上限为3dB。利用实际湖试测量得到的多径信道模型,与DSSS-OFDM方法进行了误码率性能的分析比较。结果表明,新提出的方法具有很好的抗多径性能,且具有带宽利用率高、复杂度低的特点,适用于中、远程及多用户水声通信。     

α稳定分布噪声下水声线性调频信号的识别

线性调频(linear frequency modulation,LFM)信号是一类重要的水声信号,在低信噪比(signal-to-noise ratio, SNR)和α稳定分布噪声条件下,对LFM信号进行识别会遇到一些困难。针对这个问题,在浅海水声多途脉冲噪声信道条件下,提出了适用于低SNR条件的LFM信号识别方法。该方法首先通过非线性变换抑制脉冲噪声,然后进行离散分数阶傅里叶变换(discrete fractional Fourier transform,DFRFT),通过分数阶傅里叶变换(fractionalFourier transform,FRFT)的结果构造出识别特征量,最后通过支持向量机(support vector machine,SVM)完成对LFM信号的识别。仿真实验结果表明,在混合信噪比（mixed signal-to-noise ratio,MSNR）为-15 dB时正确识别率高于94%。     

Analysis and application of wavelet transform in target imaging and detection of stepped frequency MMW radar

1.INTRODUCTION InMMWradar,steppedfrequencysignalisoften chosentobetheemissionwaveform,andthetarget scatteringpropertiescanbedescribedasmultiscatter ingcenters.Modernspectrumanalysiscanimprove therangeresolution,butitneedscomplexsignal modeling,sufficientSNRandheavycomputation. Becauseofthegoodpropertiesoftime frequencylo calizationandapproximation,wavelettheoryhasbeen widelyappliedintotheimagingoftargetrangeprofile inthefieldofhighresolutionradar.InRefs.[1,2] thewaveletanalysisisperf…     

基于对角减载的水声阵列SMI-MVDR

空间谱估计一直都是水声阵列信号处理研究的热点问题,而一般认为目标和背景干扰的信息都蕴含在接收信号协方差矩阵中,因而现有的谱估计技术大多针对接收信号的协方差矩阵进行处理。由于信号和噪声的相关性,导致协方差矩阵中主对角线元素上的噪声分量最大。针对这一特性提出了基于对角减载的水声阵列采样矩阵求逆(sample matrix inversion, SMI)最小方差无畸变响应(minimum variance distortionless response, MVDR)波束形成技术。理论推导了对角减载量对输出功率谱目标方位上输出信噪比的影响,分析了最佳对角减载系数的选取原则。并针对实际工程应用情况,研究了由有限次快拍数估计的采样矩阵得到最佳对角减载系数的方法,该方法无需预估信号源数。通过算法仿真和海试数据处理,对比验证了基于对角减载的SMI MVDR空间谱估计的有效性和可靠性。对于背景噪声级较强的水声阵列信号处理环境来说,所提方法能有效提高高斯白噪声背景下的声纳多目标分辨性能。     

基于子波变换和神经网络的舰船目标识别

特征提取方法和分类器的选择是舰船目标识别的关键。介绍了一种目标分类和识别的方法。首先利用子波变换和多分辨分解算法对实际采集到的各类舰船目标辐射噪声进行特征提取 ,获得目标的线谱和调制谱特征 ,然后利用模糊自组织聚类网络 (FKCN)分类器对各类目标进行分类识别。最后利用实测数据进行仿真分析 ,并与其它特征提取和分类识别方法比较 ,验证了所用方法的可行性 ,且获得了较好的效果。     

#br# 近场宽带LFM信号被动测向和测距方法

提出了一种采用分数阶傅里叶变换的聚焦波束形成被动定位方法,实现了水声近场宽带线性调频(linear frequency modulated, LFM)信号的被动测向和测距。建立了基于球面波模型的近场宽带LFM信号接收数据模型,应用分数阶傅里叶变换(fractional Fourier transform, FRFT)将LFM信号的时变阵列流形矩阵变换为固定阵列流形矩阵,结合近场声源的聚集波束形成技术,利用多重信号分类算法实现了对多个宽带LFM信号的方位与距离联合估计。数值仿真验证了该方法对水声目标方位和距离估计的有效性,并仿真分析信噪比、声源距离、声源个数等对该算法性能的影响。