基于相关分析的船舶轴频电场实时检测算法

针对现有船舶轴频电场检测算法计算量大等问题,提出一种基于相关分析的船舶轴频电场实时检测算法。该算法利用海洋环境电场和船舶轴频电场水平两分量的相关性差异,提取检测电场信号水平两分量的相关系数为特征,采用滑动检测方法对船舶轴频电场信号进行实时检测。实测数据的验证结果表明:该算法在高信噪比和低信噪比情况下均能较好地检测到目标信号,且不会出现虚警,可用于引信对目标的检测。     

基于小波模极大值的船舶轴频电场检测算法研究

船舶轴频电场是一种具有明显目标特征的极低频信号,对船舶的水下非声探测具有重要作用。对船舶轴频电场信号小波模极大值的尺度变化进行分析,根据目标信号和噪声的差异,采用Hermite 插值对目标信号小波模极大值进行快速重构;提取目标特征频率范围内的能量均值为特征值,采用滑动检测方法对目标进行检测。实测和仿真数据对该算法的验证结果表明,此方法相对小波包熵检测算法的检测效果较好,虚警率较低,当SNR 为-5. 9 dB 时检测率相对提高50% 左右,并且在SNR 为-8. 2 dB 时仍然具有86%的检测率。     

基于互高阶累积量的潜艇轴频电场信号的提取

轴频电场信号的提取可实现对潜艇目标的探测和识别。通过对潜艇轴频电场以及海洋环境电场噪声成分的分析,提出了将基于互高阶谱MUSIC算法引入潜艇轴频电场信号的提取中的方法。将通过传感器获取的电场信号进行带通滤波,再求得两次测量数据的互高阶累积量,最后采用MUSIC谱估计法求得信号子空间,提取出所需的轴频信号。实验表明:该方法可有效地将微弱的轴频电场特征信号从背景噪声中提取出来,并与传统的MUSIC方法进行了比较,证明了该方法的优越性。     

基于轴频电场线谱特征的目标检测及识别

为有效地从海洋环境电场信号中检测出舰船轴频电场信号,在对大量实测数据分析的基础上,提出一种基于轴频电场线谱特征的目标检测与识别方法。对接收信号进行傅里叶变换计算频谱图,并对其进行归一化处理以提高其动态范围;采用浮动门限与固定门限相结合的方法对疑似线谱信号进行检测;采用积分累计的方法对疑似线谱特征进行目标确认,并利用长时间积分特征均值实现对目标信号的识别;通过海上实测数据对方法的有效性进行检验。结果表明,该方法能够有效检测到目标信号,并可实现对目标信号的识别分类。     

基于小波尺度谱重排与小波排列熵的自动机故障诊断

用小波包变换对自动机振动响应信号进行时频分析,提出了对每层小波包系数进行小波尺度谱重排处理,计算了每层小波系数的排列熵,并以此作为自动机短时瞬态冲击时微弱故障信号的特征量,使用支持向量机对特征量进行故障分类识别,结果表明,该方法能有效地提取特征值并识别微弱故障,可较好地解决自动机的故障诊断问题。     

基于小波滤波与RBF 网络的微弱磁场信号检测

针对水中兵器检测船舶磁场信号时信噪比较低的问题,提出基于小波滤波与RBF神经网络的微弱磁场信号检测算法。根据船舶磁场信号的时频特征,对采集的信号进行小波分解,提取最后一层的低频分量,滤除高频噪声;并采用样本数据对RBF网络进行学习,利用学习好的RBF网络对含噪信号进行处理,提取船舶目标特征信号。通过计算机仿真结合实测数据对算法进行了检验。结果表明：该算法可以显著提高信噪比,增强了对微弱磁场信号的检测能力。     

基于Rao检测器的舰船轴频电场滑动门限检测方法

为实现非高斯背景噪声和低信噪比情况下的舰船轴频电场检测,提出一种基于Rao检测器的滑动门限检测方法。基于信号源特征建立信号模型,在对水面浮动平台测量背景下环境噪声非高斯特性分析基础上,采用混合高斯模型对噪声进行建模;在检测过程中,实时估计混合高斯噪声模型参数和Rao检测统计量,并将前一段时间的平均Rao检测统计量作为门限,实现滑动门限检测。为验证所提方法的有效性,采用仿真计算的方式,证明Rao检测方法相比于能量检测方法的优势;根据实测数据,对比滑动门限Rao检测方法与滑动功率谱检测方法的性能差异。结果表明,滑动门限Rao检测方法能够有效抑制环境非高斯噪声影响,相比滑动功率谱检测方法具有更好的检测效果。     

基于小波熵的组合定位系统数据融合

文中提出了一种基于小波熵的组合定位系统数据融合方案。对于两个子系统北斗/罗兰C的实测定位数据,先用小波多尺度变换将信号在多个频率段展开,再根据小波熵判别法进行消噪和融合。结果用平均误差证明了这种方法的优越性,确保了组合系统所用样本的可信度及其数据融合中权值的合理性。     

一种基于小波分频带统计特征的舰船分类识别方法

为了有效提高舰船目标的识别率,提出了一种基于小波分频带统计特征的舰船分类识别方法。该方法利用小波变换分别提取了舰船辐射噪声带内信号的小波模极大值和带外信号的分频段能量两类特征,并将两类目标特征的联合量作为舰船的目标特征用以识别舰船目标。同时利用实测海录58组舰船的辐射噪声数据对上述舰船目标特征的分类识别方法进行了验证,结果表明,利用联合特征对目标的检测概率可以达到97%以上。     

舰船轴频电场信号特征提取与检测方法

为了能够在低信噪比的条件下提高目标的检测概率,降低目标的虚警概率,提出了一种舰船轴频电场信号特征提取与检测方法。根据舰船螺旋桨转速与轴频对应关系确定了特征频段,将该频段平均功率谱值作为特征量。根据环境的变化,设置了具有自适应功能的动态阈值。通过设定较小的阈值因子,放宽对疑似目标点的判决条件。在特征频段内对信号进行线谱检测,剔除掉连续谱以及不符合线谱条件的频率点。最终经过线谱倍频判断和稳定性判断确认目标是否存在。对实船轴频电场信号进行了特征提取和检测,在不同信噪比的条件下均成功检测到了目标。     

雷达多径信号分辨的小波变换方法

雷达多径回波信号(多径干扰信号)对雷达系统的检测性能具有十分不利的影响,抑制多径干扰的关键是准确分辨多径回波信号(检测并确定其部分参数)。小波变换在时、频域具有良好的局部化特性并对信号的奇异性非常敏感,在不同的尺度下(频带)奇异信号的小波变换模局部极大值点不变。雷达多径回波信号可用小波变换的方法进行分析和检测,根据信号与白噪声的小波变换局部模极大值的传播特性差异来抑制背景白噪声。本文通过正交二进制小波变换算法估计雷达多径回波信号的数目和信号时延,达到分辨多径信号的目的。文中的计算机仿真结果证明了该方法的可行性。     

小波变换模极大去噪法在无线电引信信号处理中的应用

将小波变换模极大去噪理论和方法应用于无线电引信的信号处理研究,在小波变换模极大值特性分析的基础上,讨论了无线电引信信号和噪声的小波变换模极大值在各尺度上的传播特性,提出了无线电引信小波变换模极大值去噪算法,并对算法进行了深入分析,仿真结果显示：利用小波变换模极大值去噪方法可有效去除低信噪比的无线电引信信号噪声。     

小波分析在信号消噪中的应用

用小波分析进行信号消噪常用多尺度小波变换和小波包变换.多尺度小波变换是将信号分解成高频和低频成分,低频包含信号的主要性能,高频含较多噪声,将高频平滑后再重建即可消噪.其消噪处理有强制、默认阈值和给定软/硬阈值3种方法.小波包变换消噪是将信号的小波包分解、计算最佳小波包基、分解系数的阈值化处理及重构原来信号实现消噪.并给出了几个Matlab消噪函数:多尺度一维小波分解和重构wavedec及waverec、消噪默认阈值ddencmp和消噪函数wdencmp;小波包变换的ddencmp 和wdencmp函数.试验表明,此方法具有较高的有效性和实用性.     

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。     

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．     

一种改进的鱼雷电磁引信目标信号实时小波消噪算法

针对Mallat小波变换在算法原理上不具备数据流动性,无法满足连续采样信号实时消噪处理要求的问题,介绍了一种基于Mallat算法改进的垒墙式小波变换算法,分析了该算法所具有的数据流动性,推导了数据流动性与小波分解层数的关系,并将该算法运用到被加性高斯白噪声污染的鱼雷电磁引信目标信号的实时消噪处理中,选取双正交样条小波作为小波元,并对目标信号做两层小波分解与重构。通过MATLAB环境下的仿真试验,验证了采用该算法实现连续采样信号实时消噪的可行性。消噪后的目标信号具有失真度较小,波形平滑的特点。     

基于功率谱对消的时域相关认知跳频谱检测算法

认知跳频技术将认知无线电运用到跳频通信中,通过检测认知跳频频谱中的“频谱空穴”来更新跳频点集,避免频点碰撞,提高频谱利用率。针对频谱检测中的时域相关算法因噪声和授权信号的存在,导致频谱空穴的判定门限难以确定,从而使占用信号的检测概率较低的问题,提出了一种基于功率谱对消的时域相关算法来检测跳频谱。与未经过功率谱对消运算的传统时域相关算法相比,该算法能有效提高信号的检测概率,具有实时性好、克服白噪声不确定性、抑制授权信号干扰的优点。理论分析与仿真结果表明,基于功率谱对消的时域相关算法优于传统时域相关算法。     

一种基于时频分析的多跳频信号盲源分离算法

针对多个无人机遥控信号的分离问题,提出一种基于时频分析进行数据处理的多跳频(frequency hopping, FH)信号盲源分离(blind source separation,BSS)算法。利用不同跳周期的跳频信号驻留时间的差异性,改进时频脊 线的提取;利用小波变换检测改进后时频脊线的突变点,求脊线最大驻留时间即为跳频信号中的最小跳周期;分离 出不同跳周期的跳频信号,并基于时频能量值的不同,对不同信号幅度的跳频信号进行盲源分离。结果表明：与同 类算法相比,该算法在不依赖多通道数据的采集及混合矩阵估计等情况下,可实现单通道情况下多跳频信号的盲源 分离,具有一定的工程应用价值。     

基于小波熵的弹丸激波信号特征提取方法研究

在实验中获取的弹丸激波实测信号,由于受到激波在空气中传播时各种因素的影响,使得获取的信号有很多不确定性,其持续时间难以利用传统的信号处理方法来获取.文中从小波变换的角度出发,通过在尺度域上对信号能量的一种划分,引入了小波能谱与小波熵作为信号特征提取的特征量来反映系统信号的统计特征.实验结果表明,该算法能有效提取弹丸激波信号特征,速度快、准确率高,而且具有对噪声不敏感的优势.     

基于小波域OBF分解的磁异常信号检测算法

针对传统的OBF分解算法在非高斯噪声下检测性能较差的问题,提出了基于小波域OBF分解的磁异常信号检测算法。首先对含噪信号进行小波分解,提取最后一层的低频分量;再对低频分量作OBF分解,提取能量特征信号进行门限检测。试验结果表明,该算法显著增强了非高斯噪声下微弱磁异常信号的检测效果。