低信噪比条件下FSK信号调制特征提取

平滑伪Wigner-Ville分布可以用来提取频率编码信号调制特征,但在低信噪比条件下,提取信号调制特征准确率不高。小波去噪是降低信号噪声的有力工具,但对FSK信号有其局限性。本文对小波去噪的算法进行改进,提出“子脉冲”去噪,然后结合信号的SPWVD提取信号的调制特征,仿真表明,在同等低信噪比条件下该方法更有效。     

平移不变小波变换在遥测数据去噪中的应用

有效去除遥测数据中的噪声,对数据的正确判读和后续处理具有重要意义。通过对遥测数据进行研究,为抑制去噪时在信号奇异点处产生的伪吉布斯现象,采用平移不变小波去噪处理遥测数据。针对传统小波阈值函数存在的缺陷,采用新阈值函数的平移不变法改善降噪效果。仿真结果表明,平移不变小波变换去噪方法提高了信噪比,降低了均方根误差,证明了该方法的有效性。     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

多脉冲远程激光测距回波处理方法研究

为了解决远程激光测距回波信号信噪比低、信号难以检测的问题,提出了一种基于EMD的小波阈值去噪方法。首先,将脉冲回波信号通过EMD算法分解为频率从高到低的不同分量;其次,对高频分量进行小波阈值去噪处理,提出了一种阈值改进方法,从而提高了信噪比;最后,将去噪后的信号进行峰值检测,定位回波脉冲的峰值所在位置。通过matlab仿真,验证了文章所提出方法的有效性。结果显示,该方法可以将激光回波信噪比从-15dB提高到2.66dB,采用200Msps的AD进行采样,定位目标误差可控制在1.5m以内。     

低信噪比下频率编码信号参数估计

针对低信噪比条件下,频率编码信号的瞬时频率估计容易受噪声影响的问题,提出了将自适应阈值消噪技术与小波变换结合起来的新方法。首先利用连续小波变换计算信号的小波谱,然后对小波谱进行自适应阈值消噪处理,进而提取小波谱脊线,得到频率编码信号的脉内调制信息。计算机仿真结果验证了该方法的可行性。     

基于小波变换的光电传感器信号去噪技术

针对工业码垛机器人安防系统的光电传感器在工作现场所采集的信号存在噪音和奇异性干扰的问题,提出了一种有效的去噪,奇异点检测和消除的方法.该方法以小波变换为基础,利用小波变换能有效地对信号去噪,且能表达出信号的局部奇异性,同时各奇异点的位置也可以得到检测进行相关处理.MATLAB仿真实验表明:该方法是有效可行的.     

低信噪比下LFM信号瞬时频率的提取

讨论一种在低信噪比条件下提取 LFM 信号瞬时频率的方法,即先对信号进行小波去噪处理,再求得信号的瞬时相位序列,最后利用高阶差分的方法求取瞬时频率.仿真实验验证了本方法在低信噪比情况下仍能有效提取瞬时频率.     

基于小波变换的光寻址电位传感器信号去噪研究

基于(LAPS)(光寻址电位传感器)技术的生化传感器中的光生电流是一种微弱的非平稳信号,信噪比(SNR)低。为了提取清晰的LAPS信号,且鉴于传统的傅里叶方法去噪后信号失真严重,本文采用小波变换的方法对LAPS信号进行去噪处理。通过小波变换将信号分解为3层,得到各层的小波系数以及阈值。根据每一层系数特点,按阈值进行分别处理,得到新的小波系数。最后根据新的小波系数,重构信号。对去噪后的信号进行频谱分析发现,信号频谱为有效的LAPS信号谱段。将傅里叶去噪和小波去噪方法进行对比发现,小波去噪得到信号的SNR和平滑度(SR)要高于傅里叶去噪,表明小波变换是LAPS信号去噪的有效方法。     

用小波变换对ECG信号进行去噪研究

小波消失矩阶数的不同,对应的小波滤波器的幅频曲线也不相同,因此选用不同的小波滤波器对信号进行滤波,去噪效果会有明显差异。本文通过数学建模研究分析小波滤波器的幅频特性,明确小波幅频特征及与小波滤波器消失矩的阶数之间的关系,为选择最优小波滤波器提供理论依据。本文提出针对ECG噪声的频率特点实现精确陷波去噪,有效的保留了信号的奇异点与特征值,减少了信号失真。实验结果表明,选择具有相对最优消失矩阶数的提升小波滤波器对ECG进行去噪处理,可以使信号能量分布更加集中,去噪效果更好。      

小波去噪在超声多普勒信号处理中的应用

在超声多普勒流量计的研制过程中,由于多普勒信号属于微弱信号,超声波回波信号的去噪处理这一步是十分必要的。通常采用小波阈值去噪的方法对此信号进行预处理,本文所采用的方法是在小波阈值去噪方法的基础上,利用一种改进的阈值函数,此阈值函数克服了硬阈值函数不连续的不足,继承了软阈值函数的连续性特点,并且解决了软阈值函数中存在的小波系数与分解小波系数之间存在着恒定偏差的缺陷,与此同时,它具有软硬阈值函数不可比拟的灵活性。对实验所获得的超声波回波信号进行去噪,仿真结果表明,采用新的阈值函数去噪能有效抑制在信号奇异点附近产生的Pseudo-Gibbs现象,并且从信噪比增益和均方误差意义上分析看出改进型阈值函数对于超声回波信号的去噪效果均优于传统的软、硬阈值方法。     

2FSK信号宽带识别算法分析

针对现有算法应用的局限性,提出了一种根据频谱特征和时频特征来识别宽带二进制频移键控(BinaryFrequency Shift Keying,2FSK)信号的新算法。根据二进制频移键控(2FSK)信号调制原理从理论上深入分析了信号特征,据此分析结果,给出了特征参数提取方法和宽带识别算法流程以及调制参数测量方法。通过Matlab仿真验证了算法的工作性能。仿真结果表明,在信噪比大于6 dB情况下该算法能从宽带信号中有效的识别出2FSK信号,并测量出信号中心频率和码速率等调制参数。     

基于多重同步压缩变换的雷达辐射源分选识别

针对低信噪比条件下雷达信号分选识别算法识别率低且复杂度高的问题,提出了一种基于多重同步压缩变换(MSST)的雷达辐射源分选识别算法。首先通过MSST得到信号的时频图像矩阵;然后,对时频图像进行预处理,提取出时频图像的灰度共生矩阵纹理特征和Zernike矩特征;同时提取了信号的功率谱参数特征和平方谱统计特征,组成特征参数向量;最后利用支持向量机分类器实现了对雷达信号的自动分选识别。仿真结果表明,在信噪比为-2 dB时,该算法对9种雷达信号(CW、LFM、NLFM、BPSK、MPSK、Costas、LFM/BPSK、LFM/FSK和BPSK/FSK)的整体平均识别成功率大于96.5%。     

一种基于Kay瞬时测频的PSK解码方法

在电子侦察中,需要判断截获的雷达信号的调制方式和调制参数。利用Kay瞬时测频结合聚类分析的方法,可检测LFM、FSK和PSK信号。对相位编码信号,利用单脉冲多重相关积累算法从信号中提取相位跳变规律,并在此基础上给出了相位编码序列恢复方法。该处理方法在信噪比较高时,计算速度优于短时傅里叶变换(STFT)等方法。最后,通过计算机仿真显示了该方法具有较好的精度和处理结果。     

一种改进的频移键控调制信号盲识别方法研究

频移键控信号在民用和军事通信领域得到了广泛应用,因此对频移键控调制信号识别分析也具有重要意义。针对过去一些方法存在的问题,提出了一种改进的频移键控调制信号盲识别方法。新方法采用基于循环平稳特性的核心思想,能更好地适用于低信噪比下的复杂电磁环境。它可在无先验信息的情况下实现对频移键控信号特征的提取,是一种高效的识别方法,具有良好的稳健性和工程实用性。计算机仿真表明,新改进算法在较低信噪比条件下能达到较高的正确识别率,相比过去的方法性能更优。     

用SDFT实现FSK调制信号的数字解调方法

提出了一种新的FSK调制信号数字化解调的方法,该方法以移位离散傅立叶变换SDFT(Shifted Discrete Fourier Transforms)为基础。文中给出了一个8FSK信号进行数字化解调的仿真结果,计算机仿真结果表明,该方法能在较低信噪比(SNR)和较大多普勒频移条件下解调FSK信号,并具有较好的解调性能。     

一种负信噪比下超宽带信号检测的新方法

提出了利用分段相关平均法进行极低信噪比下窄脉冲检测的新方法,并讨论了该方法的理论极限性能和算法增益原理。理论分析和仿真表明本算法能检测SNR为-12dB的超宽带信号。为了获得更低的检测SNR,又采用小波变换对信号进行消噪,接着再进行分段相关平均的方法,使可检测SNR达到-17dB。     

基于瞬时频率的数字调制方式自动识别算法

数字通信信号调制方式的自动识别在军用和民用方面都极为重要。为了自动识别FSK2,FSK4,PSK2,PSK4四种数字信号的调制方式,提出一种新的瞬时频率提取方法,该方法不需要对相位进行去卷叠处理,也不需要实现码元同步,与现有方法相比,运算量显著减少,鲁棒性强,可用于实时处理中。在此基础上提出三个特征参数和一种基于判决理论的调制方式自动识别算法,给出识别算法的实现流程。计算机仿真结果表明,在信噪比为-3 dB时,识别算法的平均识别率大于等于99%,证明新的瞬时频率提取方法和调制方式自动识别算法是有效的,有望用于实际的非协作通信系统中信号的检测和快速识别。     

一种FSK/BPSK复合调制雷达脉冲信号识别技术

在电子对抗领域,信号调制方式识别是进行雷达分选、干扰施放的基础,得到广泛研究。对此,文中提出了一种以信号频谱相像系数和幅度统计参数为分类特征的FSK/BPSK复合调制雷达脉冲信号识别算法。算法首先提取雷达脉冲信号的频谱相像系数和幅度统计参数,然后采用分层结构的神经网络分类器进行识别。该算法不仅能识别FSK/BPSK复合调制信号,且对其他常用雷达信号调制方式的识别不产生干扰。仿真结果表明,针对FSK/BPSK以及CW、LFM、BPSK、QPSK、FSK等常用雷达信号调制类型,在信噪比＞5 dB时,分类正确率可达98%以上。     

基于决策理论的信号调制识别改进算法

针对基于决策判决理论的传统算法对通信信号调制识别在低信噪比下正确识别率较低的问题,提出了一种基于多种特征参数判决的改进算法。利用高阶矩取代了利用零中心归一化瞬时幅值绝对值的标准偏差来区分ASK信号,对FSK信号采用功率谱谱峰数进行识别。仿真使用了包括模拟调制信号在内的多达11种不同类型的调制信号,仿真结果表明,在信噪比不低于8 dB下,该方法具有较高的正确识别率。