基于HMM和WNN的心音信号身份识别研究*

将隐马尔可夫模型（HMM）与小波神经网络（WNN）相结合,提出了一种基于心音信号的身份识别方法。该方法首先利用HMM对心音信号进行时序建模,并计算出待识别心音信号的输出概率评分;再将此识别概率评分作为小波神经网络的输入,通过小波神经网络将HMM的识别概率值进行非线性映射,获取分类识别信息;最后根据混合模型的识别算法得出识别结果。实验采集80名志愿者的160段心音信号对所提出的方法进行验证,并与GMM模型的识别结果进行了对比,结果表明,所选方法能够有效提高系统的识别性能,达到了比较理想的识别效果。     

基于最小不确定性神经网络的茶味觉信号识别

提出了一种基于最小不确定性神经网络方法的味觉信号识别模型,使用贝叶斯概率理论和粒子群优化算法(PSO),快速而有效地确定网络结构参数,实现了对10种茶味觉信号的识别,实验结果表明了将该模型引入到茶味觉信号识别的可行性和有效性。     

基于卷积神经网络的通信信号调制识别研究

针对传统人工提取专家特征来进行通信信号识别的方法存在局限性大、低信噪比下准确率低的问题,提出一种复基带信号与卷积神经网络自动调制识别相结合的新方法。该方法将接收到的信号进行预处理,得到包含同相分量和正交分量的复基带信号,该信号作为输入卷积神经网络模型的数据集,通过多次训练调整模型结构以及卷积核、步长、特征图和激活函数等超参数,利用训练好的模型对通信信号进行特征提取和识别。实现了对2FSK、4FSK、BPSK、8PSK、QPSK、QAM16和QAM64 七种数字通信信号类型的识别分类。实验结果表明,当信噪比为0dB时,七种信号的平均识别准确率已达94.61%,验证了算法是有效的且在低信噪比条件下有较高的准确率。     

未知信号噪声分布形式的学习识别

对未知信号噪声分布形式完成学习识别做了最简单明确的论述：通过给出的评价函数，按概率逼近法得Ｌ维可变系数矢量Ｃ的学习算法，实现识函数有教练学习，识别函数无教练学习和自适应型相关滤波的学习。自适应相关滤波器的学习是无教练的，不是根据ｇ（ｙ）的码元进行，它大体上收敛于信号波形。     

一种基于PFRFT的低截获信号识别算法

针对低截获概率雷达信号的调制识别问题,提出了一种新的调制类型识别算法,完成了LFM、BPSK、2FSK、Frank/P1/P2/P3/P4码8种低截获信号的识别分类。首先,根据有无调频斜率,利用PFRFT完成低截获信号的预分类。然后,综合利用分数阶域主副脊线及功率谱估计完成信号的自动分类识别,给出了分类识别算法的流程图及具体步骤。最后通过仿真实验,表明该算法具有很好的识别效果,证明了该方法的有效性和可行性。     

震动信号识别传感器系统设计

设计了一种具有信号识别功能的震动传感器,用于监测地面运动引起的信号,实现安防区域24h无人监控.系统利用处理器实现信号识别算法,通过无线芯片将识别结果发送给数据控制系统中心,实现传感器信号识别和信息传输功能.实验测试结果表明:该系统能够在3s内有效地对25m距离内的人和车辆信号进行识别,正确识别率达96％;在10s内对100 m距离内的轮式车和履带式车识别,正确识别率达90％.     

一种带有二次调制信号的调制识别算法与仿真

针对卫星测控链路中的一种带有二次调制信号,研究了该信号调制识别的算法.从信号的数学描述、频谱分析人手.讨论了不同调制指数下二次调制信号的特点,确定了基于谱分析的调制识别方法.算法先对外调制进行识别,进而采用CZT与FFT联合算法进行信号频率进行估计,然后对信号进行解调,得到内调制信号.对于两路内调制信号的识别,算法采用滑动窗的思想及离散化的方法进行处理,平滑凸现信号后再进行分路,最后对各路内调制信号进行识别.计算机仿真及实际应用证明了该算法在较低的信噪比条件下具有良好的工作性能.方案可以适用于多路内调制信号的情况.     

多径瑞利快衰落信道下OFDM信号的识别

提出了一种在多径瑞利快衰落信道条件下,OFDM信号与单载波信号调制制式识别的方法.利用接收信号的两种高阶累积量的组合作为信号分类的特征值,有效抵消瑞利衰落和多普勒频移的影响.该方法可以在中频对信号进行处理,不需要信号的载波频率、波特率等先验信息.计算机仿真表明,该方法对多径瑞利快衰落和多普勒频移稳健,识别概率高,算法复杂度低,适合实时处理.     

低截获概率雷达信号干扰类型分类识别

针对三种常见低截获概率雷达信号的干扰类型识别问题,结合分形和分数阶傅里叶变换算法,提取干扰后混合信号的信息维数、盒维数以及分数阶域信号分最能量之比,构造特征向量,然后通过支持向量机对干扰类型分类识别;仿真结果表明:这种方法可以对于扰类型有效分类识别,判断出干扰类型属于同型同频干扰、非同型同频十扰或是带内非同频干扰,对雷达抗干扰设计和系统设计有重要意义.     

混合语音识别模型的设计与仿真研究

研究语音识别率问题,语音信号是一种非平稳信号,含有大量噪声信息,目前大多数识别算法线性理论,难以正确识别语音信号非线性变化过程,识别正确率低。通过将隐马尔可夫模型(HMM)和SVM相结合组成一个混合抗噪语音识别模型(HMM-SVM)。同时用HMM模型对语音信号时序进行建模,并得到待识别语音信号的输出概率,然后将输出概率作为SVM的输入进行学习,得到语音分类信息,最后通过利用HMM-SVM识别结果做出正确识别决策。仿真结果表明,HMM-SVM提高语音识别正确率,尤其在低信噪比环境下,明显改善了语音识别系统的性能。     

基于小波和双谱的脉冲星信号识别

为了提高脉冲星光信号识别效果,提出了一种基于小波变换和双谱分析的脉冲星信号识别算法．首先,本文提出了一种小波域双谱的概念,即对信号进行小波分解后再计算各级小波系数的双谱．然后,采用主分量分析（PCA）提取低频系数的双谱特征;根据最大类间误差平方和准则,用选择双谱的方法抽取高频系数的双谱特征,这些双谱特征构成特征向量．最后,采用最小距离分类器对脉冲星信号进行分类．实验结果表明了该脉冲星信号识别算法在识别效果和特征降维方面的有效性．     

基于模糊神经网络味觉信号识别的研究

文中提出了一种基于模糊神经网络方法的味觉信号识别模型,利用小波变换实现了对传感器所采集的味觉信号进行数据压缩及特征抽取,以模糊神经网络作为味觉信号的识别工具。     

相位编码脉冲串的相参性识别算法研究

本文提出了一种相位编码脉冲串的相参性识别算法,通过检测脉冲相位的线性度判别序列的相参性。该算法通过M次方运算将相位编码信号变换成正弦波信号,再通过相参积累,有效地提高了信号的信噪比。文中讨论了算法的信噪比门限,并通过仿真实验加以验证。仿真实验表明,本方法可以在一定信噪比条件下实现对相位编码脉冲串相参性的识别。本文算法有助于实现对脉冲多普勒雷达的识别和告警,对研制数字射频存储器也具有重要意义。     

人工神经网络用于时域信号识别

通过模拟实验考察了人工神经网络识别时域信号的可能性，同时对某些影响人工神经网络性能的因素进行了观察。     

一种快速识别传感器信号的新方法

介绍了一种快速识别传感器信号的新方法，即尝试对模拟信号直接进行数字化处理，用门限电平采样记数法快速、准确地识别传感器发出的信号，目的在于提高计算机控制系统对传感器信号的检测及识别速度，排除各种干扰信号，及时进行决策处理。实践证明该方法切实可行，效果理想。     

基于指纹识别的通信电台识别仿真算法研究

研究电台准确识别的问题。在准确跟踪敌台活动、检测有效信息的过程中,由于信号受到哭声影响,实现识别较难。当待识别电台是相同调制模式和型号的不同电台个体,发射信号的差别非常细微。传统的关于暂态信号的识别方法是利用瞬间的暂态信号提取细微特征信息,造成信号的信噪比不高,不能正确识别电台信号。为了解决上述难题,提出了应用电台指纹的电台识别技术,通过对电台的稳态信号进行分析,计算信号的双谱特性,采用方形双谱和核主元分析算法,提取出信号中细微的指纹信息,通过分析电台的指纹信息完成电台的识别。实验表明,这种方法能够准确将差别细微的电台识别出来,避免传统方法信噪比不高的问题,保证了电台识别的准确率,取得了满意的结果。     

基于小波不变矩的雷达辐射源信号识别

针对雷达辐射源信号识别,提出一种基于时频分布的小波不变矩特征向量提取和识别分类方法。对雷达辐射源信号时频图像进行处理,对图像进行小波变换,提取小波矩的特征向量。采用支持向量机分类识别的方法,对特征向量进行训练,实现信号识别。对6种常见雷达信号进行分类,结果表明在信噪比较低的情况下也能取得较好的识别效果,在SNR为-3 dB时,识别正确率仍达到93.9%。     

基于LSTM的调制干扰信号识别算法研究

针对常用机器学习算法对各种调制干扰信号的特征提取困难和识别率低的问题,提出了一种基于长短时记忆神经网络的通信信号调制识别方法.该算法构造了两级级联LSTM神经网络,并采用两层全连接层与LSTM层交替连接的方法,逐层提取干扰信号特征;并采用相关模型优化策略对算法所训练模型进行优化,最后相对较高地识别出各种调制干扰信号.此外,为对多方式干扰进行信号鉴别,也加入了CDMA信号的识别.结果表明,在信噪比大于5dB时,模型对各种调制信号的平均识别准确率在95％以上.     

灰关联分析与语音/音乐信号识别

将灰关联分析方法应用于语音/音乐信号的分类和识别,并给出了对音频信号进行灰关联分析的方法和步骤。利用语音和音乐信号的短时能量均方根的概率统计特征建立目标的参考数据和比较数据,进行语音和音乐信号的灰关联分析,确定目标识别与分类的判据,并对两类信号进行识别。仿真结果表明灰关联分析方法应用于音频信号分类和识别具有一定的可行性。     

视频同步极性识别处理电路的设计与实现

在分量视频信号中,通常出于简化系统等目的需要将水平和垂直同步信号合成单路的复合同步信号,然后再和视频信号进行叠加形成复合视频信号。而后续的对复合视频的相关处理中,又要求前面的复合环节中的两个同步信号的极性必须相同,否则无法识别同步信号和视频信号。由此,提出一种有效的同步信号极性识别和复合处理算法,并进行了电路实现。实验证明,采用所设计的电路完全可以解决不同极性同步信号的识别与复合,电路实现简单、可靠。