基于小波分析的卫星测控信号盲识别算法

针对卫星测控通信信息侦察中测控信号识别的问题，提出一种基于小波分析的测控信号副载波识别算法。算法首先基于小波多分辨率分析去噪原理，对混合信号进行去噪处理，然后，采用零点分区法确定副载波个数，最后设计了闽值自适应判别算法来确定各个副载波的频率分界点。仿真结果表明：该测控信号副载波识别算法精度达到95％，抗噪声干扰能力强。     

基于负熵最大化的卫星测控信号盲识别算法

针对卫星测控通信信息侦察中测控信号盲识别的问题,提出一种基于负熵最大化的测控信号副载波识别算法.首先介绍了独立分量分析的基本理论,根据独立分量分析求解问题的思路,由互信息准则得出能够表征输出信号之间独立性的目标函数即负熵.由于源信号是盲信号,源信号的概率密度未知,采用负熵的近似表达式来计算,最大化负熵代表着输出信号之间互相独立,即实现了信号的分离.在深入分析基于负熵最大化的快速独立分量分析算法的基础上,将其用于卫星测控信号的盲识别上.MATLAB仿真结果表明,该识别算法可以较好地分离卫星测控信号,具有良好的稳定性,收敛速度较快.     

基于EMD的桩基缺陷信号去噪改进研究

针对桩基检测环境复杂,存在复杂噪声的问题.提出一种基于峭度准则和信号相关性分析的经验模态分解(EMD)去噪改进算法,通过峭度准则判断分量包含特征信息的多少,通过信号相关性分析判断分量是否为噪声分量,利用改进EMD时空去噪方法对信号进行第一次去噪,在此基础上,利用EMD小波阈值法对信号进行二次去噪,两次去噪构成本文完整的基于EMD的信号去噪改进算法.实验仿真显示该去噪方法对于桩基微弱信号在保留信号特征信息的前提下取得了显著的去噪效果.信号的去噪效果将直接影响到桩基缺陷信号的识别检测,具有重要的应用价值和研究意义.     

混合调制信号调制识别方法

研究基于决策理论算法的混合调制信号特征参数提取与自动识别技术,提出适合混合调制信号调制识别的树型分类器及相应识别步骤。在外调制、内调制识别时首次分别采用副载波信号个数构成的特征矢量、均值归一化包络方差、副载波信号瞬时幅度分布区域统计值等算法,抑制噪声干扰,提高特征参数的准确性,仿真结果表明,在信噪比为6 dB情况下,调制识别率接近90%,和现有混合调制识别方法相比取得较好的识别效果,在混合信号调制识别管理中具有广泛的应用前景。     

基于决策理论算法的单载波多载波数字调制识别技术研究

研究基于决策理论算法的单载波多载波无线数字调制信号的特征参数提取与自动识别技术,提出了适合单载波多载波数字调制识别的决策分类器及相应识别步骤.在瞬时相位提取时,首次采用去相位折叠算法纠正相位折叠的影响,提高了特征参数的准确性.仿真结果表明,该方法取得较好的识别效果,且系统易于实现,在信号识别中具有广泛的应用前景.     

基于小波阈值的图像信号去噪方法研究

主要对基于小波阈值的图像信号去噪方法展开研究。首先阐述小波分析进行信号分解及重构的算法原理,在此基础上总述了小波阈值进行图像信号去噪的算法原理及流程。最后对去噪效果进行了仿真分析,并将信号去噪结果与均值滤波、中值滤波等经典去噪方法进行比较。仿真结果表明,基于小波阈值的图像信号去噪方法能有效去除一维及图像信号中的噪声,输出信号的信噪比性能较传统滤波去噪方法性能更佳。     

基于高统计量方法对OFDM信号进行检测的研究

针对OFDM信号与单载波信号统计特性的不同,本文采用了一种基于四阶累积量对OFDM信号检测的算法,用以区别多载波信号（OFDM）与单载波信号（MFSK,MQAM）。通过理论分析与仿真验证,该方法性能稳定,识别率高。但在信号经过Rayleigh衰落信道后该算法会失效。针对Rayleigh衰落信道中使用高阶累积量进行OFDM识别的缺陷本文采用了更加实用的基于高阶矩的识别算法,通过理论分析与仿真验证,对OFDM信号具有很好的监测和识别效果,具有很高的理论和实用价值。     

一种基于局部均值分解的小波阈值信号去噪方法

在时频分析中,针对非平稳信号的滤波去噪的问题,鉴于部分传统的去噪方法对于非线性非平稳信号滤波的效果不是很理想。基于Smith提出的局部均值分解法,结合小波阈值,找出了一种自适应时频分析法。通过实例分析,比较小波阈值去噪、基于EMD小波阈值去噪和基于LMD的小波阈值去噪3种算法在进行信号滤波去噪过程中的效果,采用信噪比和均方根误差2种评价因子对该3种算法进行评价,结果表明基于LMD的小波阈值去噪方法能够更好的去除信号噪声,对信号去噪提供了一种新思路。     

一种改进型综合去噪算法在心音信号预处理上的研究

比较分析了小波变换去噪法和经验模态分解去噪法在心音信号去噪中的优点和缺点,并且结合它们的优缺点提出了基于EMD分解的小波去噪算法,最后将文中提出的算法分别与小波去噪法和EMD去噪法进行比较分析.实验仿真表明:该算法能有效地实现心音信号中噪声的消除,并且能很好地保留心音信号的高频特征参数,对非平稳噪声的去除表现出独到的优势.     

基于混沌蚁群优化小波阈值法地磁信号噪声压制

地磁信号测量广泛应用于资源勘探、地质勘查和管线探测等领域。由于实际测量地磁信号易受到外界环境因素干扰,影响后期地磁数据资料解释。针对常规去噪算法需要获取噪声信号的统计特性,难以达到较好的去噪效果,本文研究基于混沌蚁群优化的小波阈值方法,将信号小波分解后,使用GCV函数选取阈值,结合混沌蚁群算法迭代寻优,确定最优阈值,进而实现地磁信号的噪声压制。通过对合成正弦信号和实测地磁信号进行去噪处理,与常用方法去噪法对比,本文方法去噪效果明显提升。     

基于小波分析的已调信号制式的神经网络自动识别

自动调制识别是非合作通信系统接收机设计中的重要研究课题，讨论了基于小波分析的基本调制制式(DSB、FM、PM、2ASK、2FSK、2PSK)的神经网络识别问题，对高斯白噪声中的通信信号的自动识别进行了计算机仿真．实验结果表明，此种识别算法具有较为理想的识别效果．     

正交频分多址系统中最低速率限制下的自适应载波分配

针对用户有最低传输速率要求的正交频分多址系统中,传统资源分配算法频谱利用率低的问题,提出了一种自适应载波分配算法.该算法根据用户最低传输速率的要求、信道状态和当前载波分配状况,确定子载波分配给用户的效用,进而将子载波分配给可以带来最大效用的用户.该算法综合考虑了效率和公平性,从而显著改善了系统性能.仿真结果表明,当用户数不超过系统负载时,与效率和公平分开考虑的算法相比,所提出的算法频谱效率可提高10%,系统负载在同样中断概率下可提高60%.     

基于高阶循环累积量的OFDM信号子载波调制识别算法

针对OFDM(正交频分复用)信号的子载波调制方式在高斯信道下的盲识别问题,提出一种基于高阶循环累积量调制识别方法。本文通过理论分析了高斯信道下子载波采用不同调制方式的OFDM信号的四阶循环累积量,并证明了只有当循环频率等于子载波频率时,OFDM信号的四阶循环累积量才不为零_[8],由于不同调制方式的OFDM信号的四阶循环累积量值不同,因此将信号四阶循环累积量值作为特征量来区分信号的不同调制方式。该方法不需要任何的先验信息就能识别子载波调制方式,仿真表明该方法具有一定可行性。     

一种基于小波变换的模糊聚类算法及其应用

为准确对输电线路故障性质、故障相等进行识别,提出一种基于小波能量比值的模糊C-均值聚类(FCM)算法,并研究了该算法在输电线路的永久性和瞬时性故障识别中应用的可行性.结合小波分析的时频分析能力、小波能量比值的特征提取能力和FCM的模式识别能力,建立一实际500kV输电线路的PSCAD模型,对单相故障产生时的暂态电流进行了聚类分析和识别.仿真结果表明:基于小波能量比值的FCM算法能较好地识别故障相与非故障相,且算法收敛速度快,识别结果准确.     

监督局部线性嵌入在人脸识别中的应用

为了提高人脸识别算法的识别率,提出了一种Gabor小波与监督局部线性嵌入(Supervised Locally Linear Embedding,SLLE)相结合的人脸特征提取算法。针对SLLE不能有效消除图像信息中冗余的高阶相关性,算法首先采用Gabor小波对人脸图像进行多方向、多分辨率滤波,提取图像在不同空间频率上的特征;然后采用监督的局部线性嵌入算法对该Gabor特征进行维数约简。在ORL和YALE人脸库上的实验显示,就算法有效提高了人脸识别的识别率。     

基于小波变换的工况区域识别

针对生产过程的特点 ,对过程工况区域识别问题进行了描述 ,在分析小波变换的基础上 ,研究了利用小波变换的多尺度分析特性 ,提取生产过程检测信号的多尺度定性变化特征 ,并分析和证明了提取的工况区域特征具有描述工况区域的稳定性和完备性。在此基础上 ,结合模式归纳分类算法 ,提出了一种基于小波变换的工况区域识别方法。应用实例研究 ,证实了所提方法的可行性和有效性     

迭代KALMAN信道估计算法在MIMO-OFDM系统的性能仿真研究

讨论了MIMO-OFDM通信系统中时变信道估计的KALMAN滤波算法。为了提高传统KALMAN信道估计算法的性能,提出了一种迭代KALMAN滤波算法,将整个子载波分为2部分:一部分用于发送导频,另一部分用于发送信号。在一个OFDM符号块中,对导频子载波和信号子载波处的无线信道进行循环估计,从而提高信道估计的精度。仿真结果表明,迭代KALMAN滤波算法的性能好于传统KALMAN滤波算法。