基于端点检测的光纤振动信号识别

利用光纤分布式传感系统对入侵事件进行识别主要难点在于对入侵事件的识别准确率低,为了提高对入侵事件的识别准确率,本文提出一种基于端点检测与信号重组的光纤振动信号的识别方法.该方法首先使用基于谱质心与短时能量的端点检测算法对振动信号的振动部分进行检测,然后将检测到的振动信号进行振动信号的重组,最后使用一个多尺度卷积神经网络结合随机森林树对重组后的信号进行识别.实验证明该识别方式能快速完成对识别模型的训练,并且能有效识别在实际环境中采集的入侵振动信号,对入侵信号的识别准确率可达97.4％.     

基于小波能量系数和神经网络的管道缺陷识别

利用基于小波能量系数的BP神经网络方法对管道焊缝和管道凹槽进行分类识别。建立了导波检测系统,采集了管道凹槽缺陷和焊缝的多组检测信号样本,从信号样本中提取出小波能量系数,并将小波能量系数应用于BP神经网络的训练与识别。结果表明,该方法对管道缺陷的识别准确率较高,且识别效果稳定,在随机抽取信号样本进行的5次试验中,对焊缝和凹槽的最低识别准确率分别为92%和98%,最高识别准确率均为100%。     

基于谱熵的JTIDS信号识别方案

在通信侦察领域,为了识别突发JTIDS信号,提出先应用谱熵法进行JTIDS信号端点检测,再构造KS检验统计量进行JTIDS信号识别方案。对端点检测门限进行深入讨论,提出双滑动窗检测法。理论分析及仿真表明,先对信号进行端点检测能降低复杂环境带来的虚警,进而提高了对JTIDS信号的识别能力,可以有效识别突发JTIDS信号。     

直升机声信号的检测和识别

详细介绍了一种基于小波包和神经网络的新算法，用于对直升机声音信号检测并且识别机型。具体方法是对采集到的声音样本利用小波包分析提取特征向量，把这些特征向量输入反向误差传播（Back Propagation，BP）神经网络训练，用训练好的检测神经网络进行直升机的检测。检测完毕，证实是直升飞机声信号后，再通过识别神经网络区分不同型号直升机。实验表明，此方法能利用小波包时频局部聚焦分析能力和BP神经网络的自适应能力，较好地对不同型号的直升机声信号进行有效地检测和识别。因此。基于小波包和神经网络的直升机检测和识别算法不仅可靠而且是可行的。     

基于累积量和循环平稳参量的OFDM信号盲检测

为解决正确检测和识别OFDM信号的问题,提出一种新的OFDM盲检测方案.该方案在缺乏先验知识的条件下,充分利用OFDM时域包络渐近高斯性分布的特点,对已有基于累积量的识别特征参量提取进行改进,有效的抑制了瑞利衰落及高斯噪声对接收端信号调制模式识别性能的影响.在此基础上,为改善现有累积量算法无法区分OFDM与高斯信号的不足,应用二阶循环平稳性分析分选OFDM及高斯信号,构成OFDM信号检测的总体方案.仿真实验评估了该方案的有效性:验证该方案可在瑞利衰落信道下正确识别OFDM调制模式并在多径信道及较低信噪比下分选出OFDM信号.     

语音的端点检测和系统的打断功能

端点检测在语音识别系统中的作用作为一个完整的语音识别系统,其最终实现及使用的效果不仅仅限于识别的算法,许多相关因素都直接影响着应用系统的成功与否。语音识别的对象是语音信号,端点检测的目的就是在复杂的应用环境下的信号流中分辨出语音信号和非语音信号,并确定语音信号的开始及结束。一般的信号流都存在一定的背景声,而语音识别的模型都是基于语音信号训练的,语音信号和语音模型进行模式匹配才有意义。因此从信号流中检测出语音信号是语音识别的必要的预处理过程。详细说来,端点检测有两个过程:1.基于语音信号的特征,用能量、过零…     

基于飞控信号频谱特征的无人机检测与识别系统设计

随着民用无人机的普及,无人机“黑飞”事件频频发生,给公共安全带来极大隐患。为了实现对“黑飞”无人机的有效 监管,设计了基于飞控信号频谱特征的无人机检测与识别系统,该系统以FPGA为控制与运算核心,采用AD9361射频收发 模块实现无线电信号采集,采集的信号送至FPGA后,进行信号预处理、短时傅里叶变换法(STFT)、飞控信号特征提取、飞控信号检测与识别等算法处理,完成无人机的检测与识别,识别结果传输到上位机显示,该系统能够快速实现对多架无人机同时进行探测识别,可识别出无人机具体型号、参数、数目,具有实际应用价值。     

分数阶Fourier变换在动目标检测和识别中的应用:回顾和展望

作为Fourier变换的广义形式,分数阶Fourier变换(FRFT)能够展示出信号从时域到频域的所有变化特征,通过对时频平面的旋转,FRFT非常适合处理非平稳信号,克服了传统时频分析方法受交叉项干扰、分辨率低等缺点。动目标的雷达回波信号在一段短时间范围内,可用线性调频(LFM)信号作为其一阶近似,因此采用FRFT检测动目标具有很大的优越性。本文首先从FRFT的机理和特点出发,对基于FRFT的LFM信号检测和估计、最佳变换角确定方法等相关研究进行归纳与分析;然后,从高速微弱动目标检测、SAR成像和动目标检测、反辐射导弹检测、海洋动目标检测和雷达信号识别等方面重点介绍了FRFT理论在动目标检测和识别领域的应用和主要技术途径;最后,针对现有研究中存在的问题,阐述了有待于进一步研究的方向。     

光纤入侵信号检测及识别算法的嵌入式实现

提出了一种光纤入侵信号检测及识别算法,并根据 算法的处理时间及运算特点分解映射在现场 可编程逻辑门阵列(FPGA)和数字信号处理(DSP)组成的嵌入式处理器上进行实现。处理 流程分为3部分:首先对原始信号进行3Hz高通滤波,将经过高通滤波后的信号平均分成两部分分别由 两块DSP板并行处理以节省时间开销,且后续所有操作均采用并行方式,将滤波后数据进行 标准化并与检测阈值进 行比较,大于阈值则判为振动并置1,否则置0,从而得到单路检测结果;然后根据上述检测 结果提取用于 识别的数据;最后将数据输入识别模块进行机械、走路和镐刨信号的特征提取并得出识别结 果。实验结果表明, 本文算法可以有效检测和识别光纤入侵信号,且提高了运算速度,满足了光纤预警系统(OFPS )对检测及识别信号类型的实时性要求。     

一种基于波形匹配的目标检测和识别方法

基于对目标回波信号的波形匹配，提出了一种新的目标检测和识别的方法，该方法不需要进行特征提取，而是直接利用目标回波进行匹配处理来同时检测和识别目标，这种方法也可用于隐身目标的检测和识别，通过不同条件下的仿真试验可以看出这种方法能有效地检测和识别目标。     

基于分形理论的CUWB频谱感知方法

针对超宽带频带内授权信号类型确定的特点,为了弥补盒维数检测不能够有效识别信号类型的缺点,提出通过进一步提取信息维数特征对信号调制样式进行识别,该方法融合了盒维数检测和信息维数检测的优点进行合作判决。仿真表明基于信号分形理论的频谱感知能够取得较好的检测效果,且该方法运算复杂度低,对噪声不敏感,能够有效区别噪声与授权信号,抵御模拟授权用户攻击,检测效果优于循环谱检测和能量检测。     

基于自适应波束形成的鱼雷对潜目标识别技术

通过鱼雷对潜目标准确识别,实现对目标的精确打击。当前的目标识别算法采用时频特征提取算法,随着海洋背景噪声强度的增大,准确识别概率不高。提出一种采用亮点回波信号自适应波束形成的鱼雷对潜目标识别算法,首先进行了鱼雷对潜攻击声探测亮点回波模型构建,采用级联滤波器进行回波信号降噪处理,对滤波后的输出信号进行自适应波束形成处理,实现信号的特征提取和指向性聚焦,提高目标亮点回波信号的检测性能,实现目标准确识别。仿真结果表明,采用该算法进行鱼雷对潜目标检测识别,准确检测概率高于传统算法,在低信混比下仍具有较好的准确识别率,抗干扰性能较好。     

基于时频分析的相位编码信号检测及识别方法研究

低信噪比条件下（0dB）对相位编码信号的检测及识别是当前脉内特征分析中的重点和难点,基于这种原因,提出了一种基于时频分析（短时傅里叶变换）方法对信号脉冲进行检测,然后,重点论述了低信噪比条件下（0dB）对相位编码信号的调制类型识别及参数估计,根据对信号时频特征的分析,建立对信号进行检测及识别的算法模型,并给出了算法的理...     

基于传感器阵列瞬态响应信号分析的气体识别关键技术研究

气体识别关键技术是对气体进行检测的一种技术手段,通过模拟生物嗅觉功能,能够保证气体检测具有较高的效率性和准确性。气体识别技术在公共安全检测、食品质量控制、环境保护等方面发挥了日益重要的作用,这就促进了该技术手段的不断进化和提升。基于传感器阵列瞬态信号分析的气体识别技术,注重对多个气体传感器之间相互独立的特性进行应用,通过瞬态响应曲线对气体有效特征进行提取,以实现对气体特点的识别。基于传感器阵列瞬态响应信号分析的气体识别,侧重于信号的获取、特征提取、模式识别等内容,从而采取定性分析与定量分析相结合的方法,对气体进行较为准确的识别。     

复杂环境下高扩展性无人机信号检测识别方法

利用无人机与遥控器间的无线电信号进行无人机检测和识别是当前的研究热点。但在该领域，仍存在两个关键问题有待解决：一是如何在存在众多第三方信号的复杂电磁环境下有效检测识别无人机信号，二是如何保证检测识别系统针对新型无人机的快速扩展能力。针对这两个问题，提出了一种高扩展性的无人机信号检测识别架构。首先，利用YOLO神经网络模型应对复杂电磁环境下信号检测难题。该模型设计和训练面向通用电磁信号检测。完成信号检测后，利用“信号特征提取+支持向量机”结构设计无人机信号识别算法。该步骤计算复杂度低，模型参数少，因此对新型无人机具备良好的可扩展性。     

一种自动识别噪声调频信号的方法

主要利用噪声调频信号的连续性,进行功率谱积累的方法检测噪声调频信号,并结合相似性原理对噪声调频信号进行自动识别.文中分析了处理噪声调频信号利用功率谱检测的理论原理和相似性原理.给出了噪声调频信号的产生方法,并通过仿真得到了噪声调频信号的功率谱和频谱,验证了方法的有效性.最后利用蒙特卡洛的方法对噪声调频信号做了识别概率分析.在证明了相似性原理可以正确检测出噪声调频信号的同时得出识别概率与累积的关系.     

雷电声音模式识别

在当代社会雷电灾害日益严重,对于雷电声音的研究具有重要的意义。通过对雷电声音的特征分析,使用一种合理的识别方法检测雷电,首先对采集的信号进行预处理和特征提取,然后与标准的雷声信号进行匹配运算,最后识别出雷声信号。根据识别的信号对于预防雷电危害具有重要作用。     

同频段混合信号中的无人机信号盲检测识别

无人机信号的探测识别技术是应对无人机黑飞滥用的关键技术之一。在实际信号监测环境中，经常会接收到多个信号的混合信号，它们在时域和频域上混叠且各信号分量调制样式相同。为解决在同频段混合信号中检测识别出无人机信号的问题，提出了一种通过谱特征分析判断无人机信号存在性的方法。分别采用基于二次方谱特征的无人机图传和WiFi混合信号检测识别算法以及基于频谱带宽特征的多无人机混合信号检测识别算法，通过对射频电路采集的信号进行仿真验证，实现了从同频段混合信号中检测识别出无人机信号分量。理论分析和实验测试结果证实了所提检测识别算法的有效性。     

基于Gabor展开的水下目标激光探测的信号检测与识别

针对水下目标激光探测的信号检测与识别的问题 ,通过对回波信号的Gabor展开进行分析 ,建立了局部窗口多重相关的峰值检测方法 ,以及利用系数矩阵的迹和特征值描述目标的反射性能 ,实现了对目标的分类识别。实验表明 ,上述方法对目标的有效检测率达 93 0 % ,分类识别有效率达 83 2 %。     

基于遥控信号频谱特征的无人机识别算法

近年来,无人机"黑飞"事件与非法入侵的案例开始激增,现有的识别技术往往难以实时、准确地检测到非法无人机,为此提出了一种基于遥控信号频谱特征的无人机识别算法。该算法通过背景频谱模板学习(利用二次平均的方法求信号检测阈值,并屏蔽宽带信号对无人机遥控信号检测的干扰)、无人机跳频与定频遥控信号检测、机型判断及其特征参数学习三大模块来识别非法入侵的无人机。实验结果表明,该算法可以实现对常见无人机实时准确地识别,且鲁棒性较强。