不平衡数据集上的文本分类特征选择新方法*

为了有效消除声发射信号中的噪声,将广义S变换滤波方法应用于声发射信号去噪,分别采用广义S变换中的充零法、基于带通滤波器设计滤波算子法以及时频滤波法进行滤波比较,针对信号的不同时频特性设计了相应的时频滤波算子。结果表明,基于S变换的三种时频滤波法对声发射信号的去噪均有较好的效果,克服了传统滤波方法滤波因子不能随时间、频率变化而变化的缺陷。其中时频滤波法在高信噪比和低信噪比情况下都能更好地去除噪声,可以满足信号处理的要求。     

基于广义S变换的声发射信号去噪研究*

为了有效消除声发射信号中的噪声,将广义S变换滤波方法应用于声发射信号去噪,分别采用广义S变换中的充零法、基于带通滤波器设计滤波算子法以及时频滤波法进行滤波比较,针对信号的不同时频特性设计了相应的时频滤波算子.结果表明,基于S变换的三种时频滤波法对声发射信号的去噪均有较好的效果,克服了传统滤波方法滤波因子不能随时间、频率变化而变化的缺陷.其中时频滤波法在高信噪比和低信噪比情况下都能更好地去除噪声,可以满足信号处理的要求.     

基于背景噪声估计的说话人识别算法

基于同段语音中有声和无声部分具有相同的背景噪声特征的假设,该文提出基于背景噪声模型估计的说话人识别算法。该算法从无声信号中提取背景噪声的HMM参数,并结合含噪音频特征估计说话人特征参数,进行识别处理。实验表明,该方法具有比传统去噪技术更好的识别能力,混合噪声下的说话人识别正确率达到了90%以上。     

雷达脉内调制信号时频分布特征提取方法

针对复杂体制雷达辐射源信号分类识别问题,提出了一种基于时频分析的雷达脉内调制识别算法。首先对时频矩阵在时间域进行等间隔分区,然后通过检测区间内信号时频能量峰值提取其时频特征,最后用支持向量机实现了分类识别。该方法以信号时频能量峰值分布的差异区别不同的雷达脉内调制方式,有效降低了特征维数。仿真结果表明,该方法对雷达脉内调制具有较好高识别正确率,而且具有较强的抗干扰能力。     

基于Choi-Williams时频图像特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于Choi-Williams时频图像的雷达辐射源信号特征提取和识别方法,将信号识别转化为图像识别问题。首先对雷达辐射源信号进行Choi-Williams时频变换,将得到的时频图转化为灰度图像;然后采用一系列图像处理方法对时频图像进行增强和去噪,之后将灰度图像转化为二值图像,并剪切掉不含信号的图像区域;最后分别提取二值图像的中心矩和伪Zernike矩作为识别特征,并采用支持向量机分类器实现信号的分类识别。文中针对8种常见雷达信号识别进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的识别率,其中当信噪比为-3dB时,采用伪Zernike矩特征平均识别率仍能达到92%,验证了所提出方法的有效性。     

基于广义S变换的水下目标特征提取

针对水下目标识别中特征矢量难以准确提取的问题,提出了基于广义S变换模时频矩阵奇异值的水下目标特征提取方法。首先对目标信号进行广义S变换,然后提取广义S变换模时频矩阵奇异值作为目标识别特征矢量,最后利用概率神经网络实现目标识别。广义S变换在S变换的基础上,通过改变窗宽因子可提高信号分析的频率分辨率或时间分辨率,从而可根据信号分析需求实现水下目标非平稳非线性信号的时频分析。实验结果表明提取广义S变换模时频矩阵的奇异值作为目标识别特征矢量能够有效区分各类目标,且选取不同的窗宽因子具有不同的识别结果。     

基于SPWD时频脊特征提取的汉语声调识别

针对语音信号的非平稳性,采用SPWD(smoothed pseudo Wigner-Ville distribution)将韵母语音信号在时频面清晰地表现出来。不同声调语音的时频脊的变化特征不同。利用阈值和细化处理将SPWD时频矩阵转变成二值矩阵图像,利用Hough变换提取脊线;而第三声时频脊是曲线,将Hough变换求取的线段用最小二乘法多项式进行拟合;在脊线段上等间距选取若干个点,将点集和其一阶差分作为时频脊特征,利用高斯混合模型进行识别分类。仿真实验结果表明,该方法很好地对声调进行了识别,平均识别率为86.48%,第二声识别率提高的幅度最大,提高了5.18%;在不同的信噪比下,识别率最大可提高5.62%。     

小波包熵在水下目标识别中的应用研究

研究了基于小波包变换和Fisher线性分类器的水下目标识别方法。小波包是在小波变换的基础上发展起来的时频分析方法,能够对非平稳信号提供更丰富的时频信息。通过对水下目标辐射噪声信号进行小波包分解,提取小波包分解的终端节点的熵值作为特征矢量,应用Fisher线性分类器设计的分段线性分类器对水下目标进行分类识别。仿真结果表明,以小波包熵作为特征矢量的分类方法具有较高的识别正确率。     

小波分析和神经网络在水下目标识别中的研究

研究水下目标识别问题.由于环境因素的影响,采集到的水下目标回波信号中含有大量噪声且信号频率范围大,传统方法不能有效提取信号特征导致水下目标识别率低.为了提高水下目标识别的准确率,提出一种基于小波分析和BP神经网络组合的水下目标识别方法(W-BPNN).采用小波对水下目标回波信号进行去噪处理,滤除噪声信号.通过小波包对信号的特征进行提取,提取出最能反映目标本质性质的特征向量,对提取的特征向量作为BP神经网络的输入进行识别.为了验证W-BPNN算法有效性,在Matlab平台上对3类水下目标进行了仿真.结果表明,相对于传统识别算法,W-BPNN获得了更高的识别准确率,证明是有效的水下目标识别方法.     

结合时-频纹理特征的随机森林分类器应用于鸟声识别

研究一个基于时频纹理特征和随机森林分类器的抗噪鸟声识别系统。首先,针对实际环境中,各种不可预料的噪音会使得系统识别性能严重下降的问题,使用一种基于噪声估计的音频增强算法对带噪鸟声信号进行前端处理。然后将增强后的信号功率谱以时频图形式输出,并根据时频图中所包含的纹理信息,利用基于灰度共生矩阵的纹理分析法进行纹理特征提取。最后使用基于决策树的组合分类器—随机森林进行分类和识别。实验结果表明,该方法不仅能对鸟类声音进行快速准确地识别而且具有良好的抗噪性。     

基于DCT的声呐探测信号鉴定方法

针对水下声发射源较多的问题,为能准确鉴别敌我声呐发射源,利用数字水印技术,结合DCT（离散余弦变换）的时频域特征,提出了一种基于DCT的声呐水印方法,通过在离散余弦变换域的时频系数中嵌入数字水印,并且综合考虑信道特性来产生数字水印,结合二维DCT的酉矩阵特性改变水印嵌入位置和水印个数进行仿真分析测试。仿真结果表明所提出的方法在不影响信号本身性能的基础上,能够实现最佳的嵌入方式以达到最优的检测性能,检测精度得到提高。     

盲分离与时频分析融合的多源信道均衡

针对多信源条件下强多途干扰严重的水声信道,提出一种盲分离与时频分析融合的多源信道均衡技术。该方法首先应用盲分离技术将多源接收信号进行有效分离,对分离后的信号进行时频分析运算,然后采用Radon变换加解线调方法估计出信号的主要参数,通过重构声源信号最终完成信号的复原。通过对计算机仿真数据和海试数据的处理,验证了该方法的可行性和有效性。     

基于声呐图像的水下目标检测、识别与跟踪研究综述

水下目标检测、识别和跟踪是具有重要意义的热点研究问题,在军事和民用领域都有重要的应用.鉴于此,对基于声呐图像的水下目标检测、识别和跟踪原理、方法以及典型算法的研究进展进行全面阐述.首先论述基于声呐图像的水下目标检测、图像去噪、图像分割等方面的主要进展以及典型算法和算法扩展;然后对水下目标声呐图像识别中的特征提取、特征分类方法和主要技术难点进行讨论;最后阐述基于水声信号处理和声呐图像信息的水下目标跟踪方法和算法.通过对水下目标处理过程各个过程的深入讨论和对比分析,指出基于声呐图像的水下目标检测、识别和跟踪中急需解决的关键科学问题及可能的解决思路,并对该领域的未来发展方向做进一步的展望.     

通信约束下的水声信号分布式检测融合算法研究

针对水声传感器网络中大延迟、低可靠通信约束下的水声信号分布式检测问题，提出了一种基于时间窗口的自适应融合算法．传感器节点依据声纳接收机的特性计算局部判决并发送给融合中心节点．融合中心节点在时间窗口内，基于已收到的局部判决在线自适应地调整融合规则，从而由最优融合算法得到最终判决．通过仿真，讨论了时间窗口的选择问题以及融合算法的性能．仿真结果表明，新算法具有很高的实用性，能够在动态变化的水声通信条件下保证整个系统高效运行．     

基于CEEMD和改进小波阈值的机械密封声发射信号降噪方法

声发射作为一种无损检测结束被广泛应用于多个领域,针对声发射信号难以从背景噪声种分离的问题,提出了一种基于互补集合经验模分解（CEEMD）与改进小波阈值相结合的降噪方法。首先对声发射信号进行CEEMD分解,通过峰宽占比确定信噪分量分界点,对噪声分量进行改进的小波阈值降噪,将降噪后的分量与其余分量进行信号重构得到最终降噪结果。通过仿真信号和机械密封声发射实验信号论证了本文方法相较于传统小波降噪和CEEMD强制降噪更有效。     

认知型宽带恒模阵列水声通信多用户信号分离与干扰抑制算法

提出了一种适用于水声通信系统节点多用户信号获取与干扰抑制的宽带空时恒模阵列算法,实现多用户信号提取和宽带干扰的抑制。该算法与常规恒模阵列相比,具有更强的多径与干扰抑制能力。作为认知水声通信技术的重要组成部分,采用时频分析与瞬时自相关等调制特征提取算法,对宽带恒模阵列获取的多用户及干扰有效分类,从而为不同调制用户解调及干扰抑制提供解决方案。计算机仿真验证了该认知处理算法结构的良好性能。     

基于样本熵和模式识别的脑电信号识别算法研究

脑-机接口BCI是一种实现人脑和外部设备通信的新兴技术。基于时频特性进行特征提取的传统方法无法体现EEG信号的非线性特征。为了进一步提高分类的准确率,首先采用小波阈值降噪的预处理方法提高了EEG信号的信噪比。然后结合非线性动力学的样本熵参数,对3种想象运动的脑电信号进行特征提取,保留了脑电信号的非线性特征。其中,运动想象MI脑电信号的研究一直都是BCI这一高速发展领域的重点目标。还研究了支持向量机、LVQ神经网络和BP神经网络3种分类器。通过实验结果对比发现,BP神经网络具有较高的识别率,更适用于脑电信号的分类识别。     

多通道可重构水声信号采集模块设计

针对水声信号探测系统的需求,设计一种多通道可重构且小体积高集成度的水声信号采集模块。根据性能指标要求和水声信号特点,提出采集模块总体设计方案,硬件方面加入可重构带通滤波器增强采集模块的通用性,采用基于IEEE 1588V2标准的精确时间同步协议方案,提高多模块分布式应用时的系统采集同步精度;开发基于QT的处理机显控软件,实现采集控制与数据实时回看。对采集模块性能进行测试,其结果表明,该水声数据采集模块能够满足设计需求,其已在某声纳工程项目中得到实际应用。     

基于融合能量代价函数的水声信号识别算法

提出了融合能量代价函数的概念及基于代价函数的小波包能量法,并将其应用于水声信号的识别。新算法以融合能量代价函数为标准,在整个小波库中构造最优小波包基,从小波包基上提取信号最有价值的特征值。由于从分类最佳的角度选择特征,所以与固定尺度小波包能量法相比,算法对分类特征模糊的信号有较好的识别效果。     

基于水声传感器网络的隐蔽协同攻击模式研究

水下作战＂网络化＂,是未来潜艇战发展的必然趋势。该文根据被动声纳方程,对比分析了水声传感器网络通信与直接水声通信两种通信方式的隐蔽性能,然后提出了一种基于水声传感器网络的水下隐蔽协同攻击模式,接着对该模式进行了效能分析,最后通过一个仿真实例显示这种攻击模式非常适合现代海战的特点。