一种新的目标信号特征分析法

采用分析信号能谱特征的思路，定义了刻画信号能量分布的λ水平能量聚点的概念，提出了一种新的基于λ水平能量聚点的特征分析方法．通过对实测数据作目标信号的特征提取，并就所提取的特征量进行判别分析，验证了该方法的有效性．     

基于地震动信号的管道安全监测系统的研究

针对目前广泛存在的油气管道周边安全问题，提出基于地震波信号检测和处理的管道安全监测方法．地震检波器组及处理单元组成的检测系统采集管道周围地面入侵目标在活动时产生的地震动信号；由于不同目标产生地震波信号的频率、能量等特征不同，通过小波变换的时频分析方法处理这些信号，可以获得不同传感器测量信号中入侵目标特征频率出现的时间差异；根据时间差和传感器阵列与入侵目标的相对位置，实现对入侵目标的空间定位．通过对实验外场实测数据的分析验证了本文提出的方法．     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合，应用于高海况、低信噪比条件下，水中目标信号的特征提取中．文中首先对信号进行功率谱估计，利用目标信号功率主要集中在低频部分的特点，提取低频信号的能量作为特征，然后利用人工神经网络对目标信号进行检测．利用不同浪级情况下海洋水压场的仿真信号数据，对某型目标舰船的水压信号进行了检测计算，验证了该方法的有效性，尤其是达到了在高海况、低信噪比条件下，对目标信号检测率比较高、虚警率比较低的效果．     

水中目标信号的实时检测方法研究

在对目标信号及噪声背景信号的特性进行分析的基础上，依据目标信号功率主要集中在低频部分的特点，用功率谱估计方法提取低频信号的能量作为特征，对信号滑动地进行目标检测．通过不同浪级情况下海洋水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算，验证了该方法的有效性，尤其是达到了在高海况、低信噪比条件下，对目标信号正确的检测。     

基于WVD-Radon变换的宽带延展目标回波参数提取

分析了宽带延展目标的时延一时间伸缩效应及其导致的回波信号在时域和频率域的特性；针对LFM信号的时频分布特点，利用WVD和Radon联合变换技术，提取LFM信号在时一频域分布上的特性参数，提出了一种宽带延展目标回波参数提取方法，得到了目标的时延一时间伸缩分布．仿真结果表明，该方法是可行的．     

基于Hough变换的声呐航迹检测算法

为了提高声呐对目标航迹的检测性能，从单部声呐的时间融合的角度出发，提出了一种基于Hough变换的声呐信号检测算法．该算法把航迹上的观测点变换为参数空间的对应曲线，充分利用了一段时间内的目标观测数据，在低信噪比下也能从背景噪声中提取出目标的航迹特征，该算法有效地提高了声呐信号的检测概率，对部分信息和数据的缺失不敏感．仿真实验证明了算法的正确性。     

生物医学信号测试和计算分析

研究了实时控制正常和病理人体状态下复杂信号的处理和自动分析。提出具有不同统计特征的分析研究方法及结果，以周期和脉冲信号为研究对象，对信信号识别和分类问题的处理给出特殊的方法．指出频率对识别生物信号非常重要的作用．实验中真实信号数据的采用说明所提出分析方法的优越性，本文包括了自动系统和测量装置信息．     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类，但此网络使用BP算法，其误差能量函数是一个不规则的超曲面，容易陷入局部极小值．因此，提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法．该方法能够自动地确定网络的最优结构和联结权值，同时避免网络的局部优化．实验结果表明，将该方法用于被动声纳目标的分类识别，能够有效地克服局部最小问题，具有更好的识别率．     

基于盲分离技术的双目标辨识与定位方法研究

研究了利用盲分离技术对水下目标辐射噪声信号进行辨识和定位，指出了在水声信号盲分离过程中。自然梯度算法具有不稳定收敛的不足，通过构建新的非线性函数和学习因子等。提出了自然梯度算法的改进方法，经实船信号的盲分离实验表明．该算法在稳定性方面有改进。在对目标信号盲分离的同时。估计了目标信号到达基阵的时延，完成了双目标的辨识与定位。     

电动阀故障检测诊断研究

利用基于小波变换的奇异点奇异性指数(Lip指数)作为信号包络的特征识别指标，提出了一种对调制类型信号的诊断方法，并指出信号的包络分析是解决这类问题较有效的方法．同时，以某型舰用电动阀为例，对故障前后的信号作了分析计算．计算结果表明，与单纯用时域或频域的方法相比，该方法明显地提高了分析结果的精度．     

基于频谱特征的电容近炸引信目标识别方法的研究

本文针对电容近炸引信目标信号识别问题,提出了基于目标信号频谱特征的信号识别方法,以及实现这一方法的基本思路,并采用MCU和FPGA相结合的硬件结构实现目标信号的识别.     

根据联合预测效果提取水声信号的非线性特征

在局部线性预测的基础上提出了联合预测方法,研究了预测效果与重构维数及时延两个嵌入参数的关系。发现各种信号的联合预测效果反映了信号自身的特征,可将其用于水声信号的非线性特征的分析和提取。初步提取了水声信号的数字特征,预测得到的平均斜率指标可以将一类目标同另外两类目标区分开。从而提供了一种新的目标特征提取途径。     

采用包络检波去除SISAR直达波干扰的新方法

为了去除直达波干扰，从强的直达波干扰背景中有效提取SISAR侧影成像的目标全息信号，提出了对接收的含有目标全息信号和强直达波的混合信号直接进行包络检波，然后通过对检波后的输出进行时域的正交分解，恢复目标的全息信号的新方法．仿真结果验证了理论分析的正确性。     

目标辐射噪声线谱的特征建模与检测

在理论分析的基础上，构造了基于λ水平能量聚点的目标辐射噪声线谱的特征量模型．在利用中值痣波去除信号功率谱中“平台型”的λ水平能量聚点后，计算其λ水平能量聚点作为拟线谱频率，通过拟线谱频率对应周期的整周期延时叠加突出线谱特征，以提高辐射噪声线谱的检测率．理论分析和对仿真信号的计算结果表明，该算法是有效的．     

基于更新提升形态小波变换的车辆目标震动信号特征提取

针对传统线性小波变换在处理地面目标震动信号上的局限性,提出了一种更新提升形态小波来提取车辆目标震动信号的特征信息。利用仿真信号和实测的两类车辆目标震动信号进行对比分析,分析结果表明与传统线性小波和极大形态提升小波相比,更新提升形态小波不仅能在强噪声环境下有效提取目标信号的特征信息,同时不受低频信号干扰,为基于震动信号的地面目标精确识别提供了一条新的途径。     

基于数据融合和多重智能模型的目标识别和跟踪

考虑到单传感器的系统存在着局限性,提出了基于多传感器（雷达和红外）信号融合的目标识别和跟踪系统,以利用数据的互补和冗余。特征层融合能利用各传感器提供的特征为提高目标识别能力;对于点目标和面目标分别提出了智能规则推理和神经网分类器的目标识别方法。决策层融合能提高目标跟踪的精度并提高抗干扰性;提出了可信度决策的目标跟踪方法。     

CS自适应随机共振与ITD相结合的轴承弱故障诊断

为了解决轴承早期弱故障诊断的问题，提出将固有时间尺度分解 (intrinsic time-scale decomposition，ITD) 与布谷鸟自适应随机共振 (cuckoo adaptive stochastic resonance，CASR) 相结合的方法进行滚动轴承早期弱故障特征频率提取。针对采集到的滚动轴承振动信号复杂且信噪比 (SNR) 低、故障特征难以提取的问题，结合ITD能抑制端点效应、运算复杂度低等优势，该方法将信噪比作为随机共振的目标函数，通过仿真信号分析及实例验证，将ITD作为CASR处理信号的前处理，使滚动轴承故障信号显著加强，信噪比提高2.17倍，故障特征得到有效提取。     

涡街流量信号背景噪声的混沌特性研究

首先介绍涡街发生的原理，分析了涡街噪声信号的产生具有混沌特性的可能性，引入小波方法分解涡街流量信号，运用混沌理论对涡街背景噪声信号的Lyapunov指数进行了计算仿真，结果表明涡街噪声信号是具有混沌特性的，并提取了涡街噪声信号的混沌特征，计算了盒维数。为定性地研究涡街流量信号特征提出了新的思路，实验数据的仿真结果说明了该方法的有效性。     

基于混沌理论的设备状态监测应用研究

以汽车变速箱中齿轮系统疲劳实验为例，充分利用混沌方法与小波方法各自在状态监测与故障诊断领域中的优点，进行机械系统状态监测与故障诊断。通过对实验所得振动信号进行小波包分解与重构，得到反映目标部件的特征信号，借助于混沌方法，对信号进行了二次处理，进而对所得特征量的变化趋势进行比较研究，确定了各监测部位的运行状态，并实现了故障定位。计算结果和实验结果相吻合，证明了该方法的可行性。     

局域判别基空间能量的水声目标特征提取

考虑水声信号的非平稳性及时变性,对信号进行小波包分解。不同的小波包基可以反映不同的信号特性,基于距离准则,求取小波包局域判别基,在局域判别基的基础上,提出通过求取局域判别基的各子空间的能量,形成特征矢量的特征提取方法。利用Fisher准则函数进行特征选择,得到识别特征矢量,针对识别特征矢量设计神经网络分类器,对三类目标进行分类,验证实验表明,基于这种方法提取的识别特征矢量在水声目标分类识别中是有效的。