一种水下目标辐射噪声调制特征提取方法

水下目标辐射噪声的调制信号携带许多重要特征信息,本文在现代信号处理理论的基础上对其调制特征提取方法进行了探讨。首先,利用小波变换和多分辨率分析理论,提取水下目标辐射噪声的调制包络;然后选取具有明显调制特征的特定频段数据对其进行112维谱分析,得到了辐射噪声的谐波信息。该方法结合小波变换与高阶谱理论对调制谱进行提取,可同时利用小波的消噪和高阶谱对高斯噪声的天然抑制性。对实测噪声数据进行的仿真结果表明,该方法可以有效提取噪声中的动态调制信息且抗噪性良好,具有很好的应用前景。     

毫米波敏感器基于小波变换的目标识别

以毫米波敏感器在军事中的应用为背景,对毫米波敏感器信号的波形特征进行分析,采用小波变换进行目标信息的特征提取。完成了特征提取算法在′C54×定点DSP芯片中的实现。     

水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取

水下目标识别是水声探测中的关键技术,具有重要的应用价值。海洋环境的复杂性导致水下目标识别中存在不可回避的噪声干扰。以人耳听觉机理为基础,提出了一种结合Gammatone滤波器、小波阈值降噪和希尔伯特-黄变换(HHT)的水下目标识别方法。采用Gammatone滤波器实现人耳听觉机理的模拟,并在此基础上进行小波阈值降噪,提高系统的噪声鲁棒性,然后利用HHT进行时频分析和特征提取。利用实际水下目标数据进行识别实验,对提出的方法进行了验证。实验结果表明,提出的方法在低信噪比条件下具有良好的鲁棒性,并具有较好的识别效果。     

飞机声信号的特征提取与识别

在对某型喷气飞机声信号做时频域分析的基础上，采用LMS自适应横向滤波对飞机声信号作预处理，而后分别采用过零率和小波变换作目标特征提取。对这两种方法提取的特征再分别应用BP神经网络作目标分类识别，结果表明这两种特征提取方法与BP神经网络分类器相结合对处于起飞或降落滑跑中的喷气飞机均有较高的识别率。     

基于提升小波包变换集成特征提取模型

为了从发动机缸盖振动信号中快速提取出反应完备状态信息的特征,针对信号特点和提升小波包变换的性质,建立了适于在线提取的缸盖振动信号特征参数体系。总结了提升小波包变换的3个性质一不相关性、可逆性和保序性,利用3个性质将降噪、特征提取和消除波动集成到一次提升小波包分解与重构过程,建立了发动机缸盖振动信号集成特征提取模型,给出了集成消除波动的特征计算公式和特征值标准化公式。通过实例,对集成特征提取模型的工作过程进行了说明。     

基于小波变换的遗传算法在红外图像目标识别中的应用

针对目标识别技术研究现状,提出了基于小波变换的遗传算法在红外图像目标识别中的应用问题.其中简要介绍了小波的特点,重点描述了基于小波变换的遗传算法在目标识别中的应用原理、应用方法,并给出了相应的应用实例,为解决目标识别问题提供了一种新的思路.     

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除.     

基于小波变换的被动声目标识别的研究

首先简单介绍了小波变换,然后针对被动声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号某子空间上再进行频域变换(FFT)提取目标的能量特征参数,并以卡车、小轿车和人的脚步为例建立了目标小波变换声信号特征矢量库.     

激光调制型红外干扰条件下地面目标的识别方法

通过介绍激光调制型红外诱饵对地面目标干扰的工作原理和工作过程,分析基于灰度时间序列特性及序列图像运动特性的辨识方法在地面军械、装甲目标特征提取与真假识别中的应用。对于远距离变化平缓的点目标,其分辨灰度变化特性的方法包括傅立叶变换及小波变换：而对于运动剧烈变化的面目标则应用序列图像运动特性的目标识别,该方法可充分结合单帧图像中的目标历史状态信息,结合模糊集理论和信息融合技术,使运动目标在干扰条件下的识别具有较好的鲁棒性和适应性。实验证明,该方法能有效区分目标和诱饵,为红外干扰条件下地面目标的识别提供了理论模型和技术途径。     

基于双曲调频小波变换的水下运动目标参数估计

为了精确估计水下运动目标的运动参数，选择双曲调频小波作为发射信号，对其自小波变换进行了分析。对于参数未知的运动目标，给出了利用该小波变换消除尺度和时延耦合的方法。仿真结果表明，该方法能在低信噪比下估计运动目标的参数，验证了方法的有效性。     

基于小波变换方法的海上舰船目标边缘提取

一种基于小波变换的边缘提取方法,应用其对舰船图像进行边缘提取,以二次光滑小波作为小波函数,对海上舰船图像进行了二维小波变换,计算小泼变换结果的局部模极大值点,从而得到舰船目标图像的形状边缘特征。经过和运用Sobel算子、Roberts算子、Prewitt算子、基于图谱理论的阈值分割等方法所获得的舰船目标结果进行比较,图像处理的结果表明运用小波变换方法所提取的目标边缘对海上舰船目标的识别有良好的效果。     

地面运动目标分类的模式特征与评价

为了进一步对车辆目标分类，对实验获得的典型地面运动目标一轮式车、履带式车的地震动信号从频域、时一频域等多方面进行特征提取。在频域上，应用傅立叶变换、经典功率谱分析等常用的信号处理方法对信号进行处理，提取了信号的FFT特征和功率谱特征。在时一频域应用短时傅立叶变换、小波及小波包分析方法对信号进行处理，得到时频分布矩阵奇异值分布特征和小波包分解能量分布特征。之后基于距离可分性设计了一个模式特征可分性测度，对时域和时一频域所提取的各种特性进行对比评价，结果表明FFT特征、功率谱特征和小波分解后的能量特征具有更好的可分性。该结果与将各特征应用神经网络进行目标识别的结果是一致的。这表明所设计的模式特征可分性测度是有效的。     

一种新的水声目标辐射噪声特征提取模型

针对复杂环境中水声目标辐射噪声特征难以准确提取的问题,提出了一种新的基于第二代小波变换(SGWT)、改进的经验模式分解(EMD) 和Hilbert包络解调分析(HESA)的水声目标辐射噪声特征提取模型.首先,该模型利用SGWT滤除水声目标的非平稳辐射噪声信号中的噪声成分;其次,通过改进的EMD方法对滤波后的信号进行分解,提取信号的本征模式分量;最后,对这些本征模式分量进行HESA处理,从而实现辐射噪声特征的提取.将该模型应用在仿真和实测的水声目标辐射噪声数据的特征提取中,测试结果表明,同常规的小波滤波和HESA相比,该模型能够有效地提取出辐射噪声特征.     

小波变换在无线电引信海杂波信号处理中的应用

小波变换具有多分辨率特性。文中论述了小波变换在舰炮无线电引信海杂波分析中的应用方法，并对实测的海杂波数据及目标数据进行了小波及小波包分析，给出了分析结果。     

基于小波包多尺度变换的旋转伸缩不变特征提取

离散小波变换定位频域和空间时,由于基本小波变换对旋转和伸缩敏感,故变换前应预处理图像,步骤为:直角坐标系到对数极坐标的转换,自适应行移不变性小波包转换,最佳树中各子带小波包系数能量特征向量的不变特征提取.     

基于自适应形态提升小波与改进非负矩阵分解的发动机故障诊断方法

信号处理与特征参数提取是实现发动机故障诊断的关键。针对传统小波和形态小波的 缺陷,提出一种自适应形态梯度提升小波变换(AMGLW)。该方法采用信号的局部梯度作为判断 信号奇异性的度量指标,在信号突变处采用提出的形态梯度提升算子以保留信号的冲击特征,在信 号缓变处采用平滑算子以抑制噪声。在此基础上,提出采用改进非负矩阵分解方法对分解后的信 号进行特征提取,计算用于发动机故障分类的特征参数。利用实测的发动机在5 种状态下的振动 信号对提出的信号处理及特征提取方法进行了验证。     

基于综合时频检测的雷达信号脉内特征提取

通过对小波变换法、Wigner—Ville分布等典型雷达信号脉内特征提取方法优缺点的分析,提出了一种将小波变换法和Wigner-Ville分布提取的结果进行截断综合的综合提取算法,实现了雷达信号的脉内特征准确提取。仿真结果表明,该算法在较低信噪比下仍有很好的效果。     

希尔伯特-黄变换与小波变换在故障特征提取中的对比研究

研究了希尔伯特一黄变换( HHT)和小波变换(WT)在故障特征提取中的应用。以电源系统三相短路故障为例,针对无畸变和有畸变两种故障电压信号,采用HHT和WT提取故障特征。对比了仿真结果并分析了WT存在的问题。得出对于故障造成信号包络变化但频率基本不变的信号,HHT比WT的故障特征提取更有效。     

小波变换在红外成像末制导中应用研究

主要研究了利用小波变换提高红外成像末制导对强杂波背景下弱小目标检测能力的方法．仿真结果表明,通过小波变换对目标图像信号实现频率选择和多尺度分解,能有效地抑制背景噪声,提高对目标检测概率,并且具有较高的单帧检测效率．     

直升机声信号谐波集及小波子空间能量特征提取与识别

对目标识别中的特征提取技术进行了研究，介绍了两种用于被动声信号特征提取的方法．分别将谐波集(HS）频率和不同尺度小波子空间能量作为特征矢量，给出相应的算法；并利用实测信号将这些技术运用到直升机目标的识别问题中，利用kNN分类器对直升机目标和非直升机目标进行分类。结果表明这两种方法都能达到较高的正确识别率。