舰船地震波信号的滑动功率谱实时检测算法

为提高低信噪比环境下的地震波信号检测概率,结合自适应线谱增强技术,基于滑动功率谱提出一种新的舰船地震波信号实时检测算法。首先利用自适应线谱增强技术对信号进行处理,然后对处理后的信号进行功率谱估计,选取一段频带内的平均功率作为检测特征量,并设计相应的自适应检测阈值算子,最后根据一定的检测规则完成对舰船地震波信号的实时检测。实测数据和仿真数据表明,该检测算法能够有效完成低信噪比的目标检测,在信噪比为-15 dB时,检测概率达到93%。     

基于卡亨南-洛维展开的修正 OBF 磁目标检测方法

针对磁异信号的检测通常会受到地磁噪声干扰的问题，在磁干扰补偿研究的基础上，提出一种基于卡亨南-洛维展开的修正OBF磁目标检测方法。首先构建磁干扰的椭球拟合模型，通过求解拟合模型的系数实现对干扰的总体补偿，补偿精度约30 nT;再利用卡亨南-洛维展开对OBF检测算法进行修正，提升有色背景噪声下的信号检测能力；最后开展无人机探测磁目标的实验研究，实验结果表明，修正的OBF检测算法具有更佳的检测效果，尤其是针对低信噪比目标的检测优势明显，信噪比增益提升约2 dB。     

基于最小熵解卷积的轨面缺陷漏磁信号处理

钢轨表面缺陷的漏磁检测会受到巡检速度等因素的影响,导致背景噪声增大,检测灵敏度降低。为了增强缺陷信号特征,提高漏磁信号的信噪比,提出了一种基于最小熵解卷积的漏磁信号处理方法。通过目标函数法,计算得到最优的逆滤波器参数,对采集到的漏磁信号进行滤波处理。为衡量最小熵解卷积算法滤波效果,将处理得到的缺陷信号和背景噪声信号的峰峰值与小波变换法和中值滤波法进行对比。实验结果表明,最小熵解卷积算法对缺陷信号起到了明显的增强作用,且其效果优于小波变换和中值滤波。     

基于奇异值分解的互相关时延估计优化算法

针对多站时差定位系统在低信噪比下无法获得准确的时延估计,进而影响时差定位的精度,提出一种基于奇异值分解和希尔伯特差值的互相关时延估计优化算法。首先对接收信号进行奇异值分解,提高信号的信噪比,然后将处理后的信号作互相关运算,最后通过希尔伯特差值法锐化相关函数的峰值,进一步提高时延估计精度。在相同条件下,模拟分析了不同算法的时延估计精度,结果表明,新的优化算法时延估计精度更高,具有良好的抗噪声性能。     

基于盲源分离的弱信号检测方法研究

本文对基于盲源分离技术的弱信号检测方法进行了研究,构造了弱信号检测模型.采用基于高阶累积量的独立分量分析算法来对弱信号进行检测.为了证明模型和算法的有效性,对弱语音信号进行实验仿真检测.实验表明,盲源分离技术应用在弱信号检测中是可行的,算法能够有效地提高输出信噪比.随着输入信噪比的降低,输出信噪比的改善效果越明显.当输入信噪比不低于-82dB时,该算法能有效地检测到弱信号源.     

微弱瞬态电磁辐射信号的双耦合Duffing振子自适应检测方法

以研究瞬态电磁辐射信号的远距离探测手段为目的,得到了适用于高频瞬态信号的改进双耦合Duffing振子自适应检测算法。首先分析了双耦合Duffing系统对瞬态放电信号的检测性能,发现该系统对高频信号的检测灵敏度较差,且背景噪声会影响系统的同步效果,导致目标信号误判。基于此对系统算法进行了改进,引入了信号变尺度处理和自适应调节驱动力幅值的算法,利用仿真以及实验验证了该系统的可行性。仿真及实验结果表明,在微弱窄带信号及高斯噪声的干扰下,检测算法能将信噪比–20 d B的放电信号检测出来;且当信噪比–20 d B时,系统的检测概率能90%,检测信噪比–20 d B时,系统的虚警概率控制为1%,能够满足工程应用中对检测概率的需求。可见改进算法能够克服双耦合Duffing振子模型存在的弱点,通过待检信号展宽及自动调节驱动力幅值,得到最佳系统检测态,将淹没在背景噪声中的瞬态电磁辐射信号检测出来,为进一步远距离探测的工程应用提供了理论指导。     

基于改进的Gabor滤波和区域生长的目标检测

针对目标检测中背景的相对运动、检测物体相似性、外界光线变化等因素的影响,提出了一种基于改进的Gabor滤波和区域生长的目标检测方法。首先将输入的视频图像的相邻两帧做差,然后将得到差值图像中的Lab模型L分量进行Gabor滤波处理,根据不同的场景选择合适的参数,以提取目标的显著区域。为了兼顾运行速度和目标的显著特性,所以选取图像以某一灰度值的像素点为种子点,将灰度值差值在某一范围内的点进行区域生长操作,得到更为准确的目标。接着,为了去除干扰,进行腐蚀膨胀等一系列操作。最后将8个方向的滤波合并在一起,用外接矩形将符合要求的目标区域标出,达到目标检测的目的。通过参数调整和实验验证,相比传统检测算法的低准确率,此方法的目标检测率提高至90.89%,并且在光照、背景等外界因素干扰的情况下能具有良好的鲁棒性。     

基于模板匹配的电能表液晶屏检测新方法

为实现自动化检定中对智能电能表液晶屏质量的在线检测,并解决误判率高的难题,文中提出了一种基于快速模板匹配的电能表在线液晶屏检测新方法。该方法采用基于阈值自适应序贯相似性算法的自学习型模板快速匹配算法,将多幅模板图像的特征综合为一个标准模板,建立实时调整的自学习型模板库,并改进传统的序贯相似性算法,将其阈值自适应。实验结果表明文中提出的方法不仅具有较高的检测效率和匹配精度,还有效降低误判率,具有较高的工程应用价值。     

Levy噪声下自适应级联三稳随机共振系统研究

在Levy噪声驱动下,以级联三稳态随机共振为模型,首先研究了不同特征参数、对称参数条件下输入信噪比随噪声强度D的变化;然后以谱峰值和平均信噪比增益为性能指标,针对高、低频信号级联三稳随机共振现象进行了研究;最后将其应用到轴承故障检测中。研究表明,通过自适应算法选取最优参数a、b和c,可诱导级联三稳系统发生随机共振,从而实现对目标信号的检测。结果表明,特征参数越大,输入信噪比达到稳定状态需要的噪声强度越大,而对称参数几乎没有影响;选取相同的系统参数a=0. 5、b=0. 5、c=0. 8时,级联三稳系统的检测效果要比单级三稳系统有更好的随机共振输出,在小参数信号检测中,单级输出平均信噪比增益为25. 46 d B,第2级输出平均信噪比增益为28. 38 d B。此外,在轴承故障检测中级联三稳系统也显示出更好的检测效果。此系统对于微弱信号的检测具有重要的研究意义也有着良好发展前景。     

一种新型变步长自适应滤波算法

为改进目前谐波电流检测方法,针对有源滤波器谐波检测,提出了一种新型变步长自适应算法,取得了比较好的效果。由于谐波检测属于适应噪声抵消技术低信噪比条件下的一种应用,因而在该算法中,没有以误差信号e(n)作为改变步长的自适应回馈量,而是将误差信号和上个工频周期的误差信号的差值△e(n)作为自适应回馈量,从而避免了误差信号e(n)一直较大,导致的自适应算法的稳态误差比较大的缺点;同时通过相干平均估计来避免测试计算过程中随机噪声的影响,调节算法的步长,其优越性在于:谐波检测过程能保证既具有较快的动态响应速度,又保证稳定后步长稳定很小,有较高的检测精度。理论分析和仿真试验证明了该算法的正确性和有效性。     

基于 LSA-MP 改进原子分解的 电能质量数据压缩方法

电能质量数据压缩是电能质量问题检测和识别中的重要步骤,其本质即为探寻电能质量稀疏特征的过程。针对稀疏分解中常用的匹配追踪算法在匹配最佳原子时计算复杂度高、耗时长,不能满足电力信号分析实时性要求的问题,应用收敛精度高、收敛速度快以及全局寻优能力强的闪电搜索算法搜索最佳原子,提出了闪电搜索匹配追踪算法。利用所提算法在构建的电能质量相关原子库中对电能质量信号进行原子分解,提取电能质量特征参数,将提取到的参数作为压缩后的电能质量数据,实现电能质量数据压缩。实验结果表明,所提算法匹配最佳原子的耗时约缩短为原算法的1/98,基于所提算法的电能质量数据压缩方法在匹配最佳原子满足电力信号分析的实时性要求,具有较高的压缩率和较低的重构误差,提高了数据压缩的性能。     

基于APFFT和快速TLS-ESPRIT的间谐波检测方法

针对近几年广泛应用的全相位时移相位差校正法在间谐波分析中出现的多个检测问题,提出一种基于APFFT和快速TLS-ESPRIT的间谐波检测方法。首先,通过快速TLS- ESPRIT算法准确地辨识出信号中间谐波的频率;然后,对信号进行APFFT谱分析,根据其相位不变性,直接取峰值谱线的相位值作为初相位的估计;最后,计算出峰值谱线频偏量,按照全相位幅值校正公式,获取信号的幅值估计。仿真实验表明,该检测算法能够在较低信噪比环境下有效地检测间谐波,且具有较高的检测精度。     

基于时延序列特征的多局放源信号分离方法

现有多局部放电(PD)源信号分离方法多采用PD UHF信号的时频差异作为特征参数进行多源信号分离,但在信噪比较低时分离准确率低。为此,文中提出了基于时延序列分布特征的多PD源信号分离方法,采用两支定向天线组成的旋转检测平台分析出时延序列与天线阵列旋转角度满足余弦函数关系,以此对应关系为特征值进行多PD源信号分离。基于时域有限差分算法仿真了3个模拟PD源在不同信噪比时的分离准确率,与现有多源分离方法进行对比,当信噪比为5 d B时,分离准确率从71%提升至95%。在220 k V试验变电站内试验,结果表明多个PD源被准确地分离和定位,验证了该分离方法的有效性。     

一种改进的语音信号端点检测方法研究

在语音识别系统中端点检测有误差会降低系统的识别率,进行有效准确的端点检测是语音识别的重要步骤.当信噪比较低时,传统的端点检测方法不能有效的工作.为了提高系统的识别率,本文提出了一种更有效的端点检测算法,基于LPC美尔倒谱特征的端点检测方法.它是基于倒谱特征方法的一种改进.实验证明,该算法在低信噪比的情况下,能够准确的检测出语音信号的端点.通过对三种不同的端点检测算法的比较,证明了基于LPC美尔倒谱特征算法在低信噪比的情况下有较高的检测正确率.     

基于相位差分的脉内调制信号类型识别

提出了一种工程可快速实现的常见脉内调制信号类型识别算法。首先基于相位差分重构了七种常见脉内调制信号的瞬时频率,然后对信号瞬时频率进行直方图统计和局部峰值检测,提取了10个特征参数,实现了信号的识别。其中,采用了多重相位差分、信噪比阈值频率突变消除和载频粗估计等信号预处理方法,改善了算法对低信噪比环境的适应能力。计算机仿真表明,当信噪比高于4dB时,信号识别概率大于90%。硬件实现表明,信号识别所需时间小于0.2ms,算法具有一定的工程实用价值。     

一种优化的图像配准算法

为了降低传统尺度不变特征变换(SIFT)算法的特征点检测与匹配的时间复杂度,提出一种优化的图像配准算法,即采用Trajkovic算法检测特征点,并采用SIFT算法的分配描述符方法分配特征点描述符参数,再用稀疏降维原理对特征点描述符参数进行降维处理,最后,采用基于双向匹配的相似性度量算法进行特征点匹配。模拟实验选择检测图像的特征点数、匹配对数、正确匹配对数、匹配正确率、配准时间与配准时间下降率6个指标作为评估标准,结果表明,优化算法在特征点配准正确率方面与传统SIFT算法相当,但在特征点配准速度方面有明显提升。     

基于投影分类的语音端点检测方法

针对低信噪比条件下语音端点检测精度受噪声干扰严重的问题,提出了一种基于投影分类的语音端点检测方法。该方法首先利用长时语音信号变化率测度特征进行低信噪比环境中的语音特征计算,充分利用语音信号和非语音信号的不同来增强低信噪比条件下的区分度;接着,采用Fisher准则对语音和背景噪声进行分类识别,确保投影后的特征参数类内散度最小、类间散度最大。实验结果表明,方法具有较高的检测精度,在信噪比为-10 d B的白噪声干扰情况下仍然保持了86.7%以上的正确检测率。     

基于77GHz毫米波雷达感知的生命体征检测方法

本文针对在室内复杂环境中非接触式测量呼吸频率(HR)和心率(BR)时,存在准确度较低的问题,提出一种基于77GHz毫米波雷达感知的生命体征检测方法,通过在距离雷达不同距离进行多次实验,以Mindray心电监测仪测量数据为参考,验证本文方法的准确率。首先,通过脉冲间非相干积累技术处理多脉冲中频信号,提高信号的信噪比（SNR）和信号幅值。接着,采用基于距离维FFT频谱与CA-CFAR自适应门限的目标检测方法,从室内复杂环境中提取出人体目标相位信息,并使用Fir带通滤波器分离出呼吸和心跳信号,通过改进的平滑滤波结合相位二阶差分的方法,去除噪声和减小呼吸谐波对心跳信号的影响。之后,使用Root-MUSIC算法获得HR和BR。实验结果表明：本文方法得到的HR和BR的平均绝对误差率分别小于5.08%和2.61% ,平均绝对误差为0.94bpm和1.97bpm,因此,本文方法能够提高测量准确度。     

Levy噪声中EMD降噪的随机共振研究

经验模态分解(empirical mode decomposition,EMD)降低噪声的同时也削弱信号能量,并会产生虚假信号,导致信号检测存在缺陷,针对这一问题,提出Levy噪声环境下经验模态分解随机共振检测方法。通过将含噪信号进行EMD分解,对分解后信号进行叠加取平均二次采样等处理方法,使其满足随机共振要求,利用自适应算法优化系统参数,进而使处理后信号能够在双稳系统中产生随机共振,达到精确检测的目的。理论分析及实验证明在Levy噪声下,此方法能实现同一特征指数下单频信号与多频信号检测,实验表明在单频信号信噪比为-28 dB情况下能有14 dB的提高,特征指数为1.8下多频信号5 Hz频谱幅值从311.8增加到724,10 Hz频谱幅值由138.9增加到143.2。此方法对在复杂噪声环境中降低剩余噪声能量同时,提高信号能量,减少虚假信号,相对于仅仅进行EMD分解无法判断信号成分,能更好的达到检测效果。