双谱幂次水下检测空中高速运动声源方法

提出一种水下检测空中高速运动声源的方法。采用波数积分方法对空气中运动声源激发的水下声场进行建模,仿真分析了水下接收信号的时域波形。并利用信号的时频域临近连续性和高阶谱抑制高斯噪声的特点,以信号的双谱替换DFT得到双谱幂次检测器,利用该检测器在高斯背景下检测空中声源水下噪声。仿真和实测数据处理结果表明,所提出的方法切实可行。     

基于高阶谱的战场声目标特征提取

由于高阶谱对于高斯噪声不敏感的特性，在战场噪声环境中。提取被动声目标的双谱、双谱切片和相位耦合特征，通过建立声目标的高斯混合模型（GMM），进行声目标信号的识别。将基于此模型的识别结果与功率谱方法比较。仿真结果证明：基于高阶谱特征提取方法优于AR功率谱特征，该方法在抑制背景干扰中具有优越性。     

雷达信号脉内特征参数提取新方法

针对双谱的特点,提出一种新的雷达信号脉内特征参数提取方法.对接收到的信号首先提取双谱幅度谱并简化为二维特征,然后求取该二维特征的复杂度特征中的盒维数和信息维数.由于不同信号的双谱区别大且对高斯噪声不敏感,因此提取的盒维数和信息维数可分性强、稳定度高,仿真验证了新脉内特征参数的优越性.     

基于高阶累量谱的轴承故障诊断

在轴承故障诊断中，故障信号的提取是一个关键问题。实际测得的轴承振动信号一般是非平稳和非高斯分布的信号，信噪比很低，微弱的故障信息往往完全淹没在噪声中，信号特征的提取非常困难。信号的高阶累积量对加性高斯噪声和对称非高斯噪声不敏感，应用在轴承的故障诊断中，可以有效地分离信号与噪声，提高信噪比，增强故障信息。对轴承在不同状态下的振动信号进行对比分析，提取了不同状态下轴承振动信号的功率谱与高阶累量谱（双谱），建立了用于故障诊断的双谱特征向量，并利用BP神经网络进行了故障诊断。分析结果表明，从高阶累积量提取的特征与功率谱相比，对故障特征比较敏感，容易实现智能诊断中的数字特征提取，可有效地区分轴承的故障。     

基于双谱的微地震动信号的特征提取

讨论双谱的有关概念 ,从理论上证明了双谱可完全消除高斯白噪声或有色噪声 .针对轮式车与履带式车产生的微弱地震动信号 ,进行了双谱分析 ,并与功率谱分析对比 ,发现双谱分析在特征提取方面明显优于功率谱分析 .     

基于双谱熵模型的故障模式识别

提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。     

基于多重信号分类法的线性调频差频频率估计

针对傅里叶方法估计线性调频连续波差频信号频率在小尺度上精度低的缺陷,提出利用多重信号分类法(Multiple Signal Classification,MUSIC)估计差频信号频率.该方法在频域上对自相关功率谱进行信号和噪声的空间分解,利用信号空间和噪声空间的正交性,完成对信号频率的超分辨估计.仿真计算和实验室测试表...     

基于切片双谱多重分形特征的雷达信号识别算法

针对现有算法识别率低、对噪声敏感的问题,提出了基于切片双谱多重分形特征的雷达信号识别算法。该算法采用切片双谱多重分形的方法进行识别,先利用双谱对角切片降低维度,再对得到的细节信号计算多重分形维数,求取广义维数和多重分形谱,提取多重分形特征输入到支持向量机中实现脉内调制雷达信号的有效识别。仿真结果表明,该方法对噪声具有较好的鲁棒性,在信噪比大于5 dB时,识别率可以达到90%以上。     

基于改进的K-均值聚类信源数目估计算法

针对盖尔圆盘法在低信噪比和少快拍数背景下进行信源数目估计时会出现错误判断的问题,提出了色噪声背景下改进的K-均值聚类信源数目估计方法.求出数据相关矩阵后按照信号和噪声的类均值对信号特征值和噪声特征值进行K-均值聚类,然后不断更新类均值直到信号特征值收敛.计算机仿真实验证明了该方法在低信噪比和少快拍数时的估计成功概率高于盖尔圆盘法.     

一种基于谱分析的非带限卫星信号信噪比估计算法

为了实现对非带限卫星信号信噪比的快速高精度估计,分析了传统的基于谱分析的信噪比估计算法的对非带限卫星信号估计不准的原因,提出了一种新的基于谱分析的信噪比估计算法;该方法利用主瓣范围内信号功率与信号总功率之比和主瓣范围内噪声功率与噪声总功率之比求得信号功率和噪声功率,从而得出信噪比;对BPSK和QPSK信号的仿真结果表明：新算法性能稳定,可有效提高估计精度,在－10～10 dB的范围内,估计的偏差和均方根误差基本都小于0．5 dB;提出的新的基于谱分析的信噪比估计算法可用于各种调制方式,计算复杂度小,可以满足对非带限卫星信号信噪比估计的需求。     

一种高分辨雷达目标识别方法的研究

探讨了高分辨率雷达视频回波特征提取及识别方法。鉴于时域视频回波波形特征变化较快，不适合作为目标特征进行识别。回波频域的波形（频谱）相差不大，为了提高谱的分辨率，本文提出对回波信号作Ｃｈｉｒｐ－ｚ变换，以提高谱的分辨率。理论分析与实验结果均表明以回波信号的Ｃｈｉｒｐ－ｚ变换作为目标特征优越性。以ＢＰ网络作为分类器，对两类目标进行了识别，仿真结果说明了此方法的有效性。     

非线性跟踪-微分器在载波相位测速中的应用

针对传统微分器存在噪声放大和时延问题构造的非线性跟踪-微分器.通过离散的载波相位观测量提取载波相位率,并利用跟踪-微分器输出的二阶微分,采取预报的方法进行时延补偿.仿真及车载实验结果表明,该非线性跟踪-微分器能准确快速地跟踪微分信号,对噪声抑制作用良好,时延补偿效果明显,可提高速度测量精度.     

误差影响下滚动轴承多重故障模态特征信号的盲源分离方法

针对旋转机械设备受到测量误差及系统误差等因素影响,导致滚动轴承多故障模态信号难以分离的缺陷,提出一种误差影响下滚动轴承多重故障模态特征信号的盲源分离方法。对故障信号进行白化预处理得到白化矩阵,进而计算白化矩阵的4阶累积量,并构建4阶累积量矩阵;将累积量矩阵对角化,并取前K个较大特征值对应的特征向量作为新累积量矩阵;利用总体最小二乘方法估计最小化新累积量矩阵与目标正交矩阵的误差函数,最大程度地联合近似对角化新累积量矩阵,实现多故障信号的分离估计;为进一步评估该方法的有效性,选用时域相关系数及时频域双谱估计两种评价方法对分离结果进行验证。结果表明,该方法分离出来的信号与源信号相关系数高,并且时频域双谱估计相似,是一种有效分离多重故障的方法。     

基于双谱分析的毫米波多普勒引信目标检测

目标检测是毫米波多普勒引信信号处理的重要内容，在目标检测过程中，传统功率谱等技术不能充分揭示隐含于目标回波中的高阶统计信息，不能消除噪声和杂波的影响，不利于目标特征分析及检测，因此提出了基于双谱分析的毫米波多普勒引信目标检测技术，利用双谱及双谱对角切片进行特征分析及优化，通过对实测毫米波多普勒引信数据进行理论分析和试验仿真，结果表明采用双谱分析的毫米波多普勒引信目标检测方法有效可行。     

基于相位匹配的低截获雷达信号的提取

文中利用信号相位匹配原理，在背景噪声谱幅度已知的条件下。结合低截获雷达信号的特点。提出了一种全新的微弱信号提取法，即基于单点阵的分段信号相位匹配法。通过仿真实验表明，该方法对强白噪声或强相干干扰环境下低截获雷达信号的提取具有很好的效果。     

基于CZT的频率细化方法的FPGA实现

在短持续信号的频谱分析中,由于受到采样时间及处理速度的影响,提高频率分析精度一直是工程实现的应用难题之一。文章给出了一种基于FPGA硬件平台的线性调频Z变换(CZT)的实现方案。试验结果表明:该方案与传统使用DSP实现方案相比,具有参数调整灵活、计算速度快的特点,具有较高的工程应用推广价值。     

基于双谱分析的毫米波多普勒引信目标检测

双谱分析在雷达信号处理中已得到了应用,但未见在毫米波引信中应用,因此,提出将双谱分析法引入毫米波多普勒引信的目标检测中。该方法通过采用双谱及双谱对角切片进行毫米波回波信号的特征分析及特征提取,利用提取的特征进行有无目标的判别。试验表明:双谱分析用于毫米波多普勒引信对复杂背景中地面目标检测的识别率高于短时傅里叶变换(STFT)对信号的检测识别。     

双谱分析在引信信号检测中的应用

强背景噪声中引信信号的检测，是引信信号处理中的一个重要课题．传统信号检测理论和方法主要采用似然比检测，已得到广泛的应用，但是存在明显的缺点．提出了在强背景噪声中，采用双谱技术来检测引信信号，获得了较好的效果．