舰船混沌信号的奇异系统分析研究

利用奇异系统分析方法研究了低信噪比混沌信号的相空间重构.通过对不同信噪比洛伦兹信号以及四类目标舰船信号进行重构,表明该方法比传统的延迟坐标法具有更大的优越性.通过计算状态轨迹的L2范数,对混沌信号的奇异谱进行了定量描述,为混沌信号特征估计研究提供了新方法.     

水下目标信号的混沌检测研究

对基于混沌理论的水下目标信号的检测进行了研究。讨论了混沌背景下目标信号的检测方法与实现，提出了利用混沌模型进行局部预测的混沌检测新方法。通过对典型混沌系统的分析，验证了该方法的可行性。     

基于奇异值的小波变换微弱信号消噪法

针对信噪比低、噪声非均匀分布的弱信号消噪效果不佳的问题,提出一种基于有效奇异值分解和小波阈值消噪相结合的方法。通过构造相空间矩阵并对其进行奇异值分解(singular value decomposition,SVD),得到一系列正交子空间;根据信号和噪声对奇异值贡献不同,通过奇异值最小二乘误差判定法进行有效奇异值选择,并利用子空间重构信号。仿真实验表明:本方法提取出的信号完整性更好,信噪比更高。     

基于径向基神经网络的水声微弱信号检测

为了克服传统随机信号处理手段检测水声微弱信号的缺陷,提高水声微弱信号检测效率,详细分析了海洋混响噪声的混沌特性,将混沌理论中相空间重构理论与径向基神经网络相结合建立了预测模型,从模型预测值与实际观测值的绝对误差中检测出微弱谐波信号频谱值,通过解算获取回波信号包含目标信息,从而提出了一种海洋混响混沌序列预测方法。相比传统随机信号处理手段检测水声微弱信号的方法,本文建立的预测模型克服了将背景噪声简化作白噪声的低信噪比检测缺陷,检测结果准确,检测效率高,适用于水声微弱信号检测。     

磁异常信号奇异值分解的随机共振检测方法

针对目前对水下目标磁异常信号低信噪比检测能力较差的问题,提出奇异值分解-随机共振(SVD-RS)方法。该方法基于磁偶极子仿真水下目标磁偶极子信号,信号经过奇异值分解选择最优子信号,随后将子信号通过随机共振系统,并构建检验统计量,实现对水下目标磁异常信号的检测。仿真结果表明,通过奇异值分解的方法,能够将信号信噪比提高6 dB,使用奇异值分解-随机共振检测方法,能够在输入信噪比为-12 dB时,对水下目标磁异常信号进行有效检测。     

单通道多分量伪码复合线性调频信号分离及参数估计

提出一种单通道内多分量伪码复合线性调频信号分离和参数提取方法。利用奇异值分解求得各分量重复周期,通过对信号求平方消除伪码对参数提取的影响,同时通过周期积累减小噪声及其余分量对待分离分量的干扰,对周期积累后的信号采用分数阶傅里叶变换（FRFT）和搜索方法估计信号调频率和载频。利用内积计算,估计分量信号的初始相位,利用伪码信号虚部为0的特性,估计出伪随机码序列及信号幅度。此外,还利用自相关矩阵特征值分解的方法估计了混合信号的信噪比,根据信噪比的不同,自适应地确定停止分解的阈值。在仿真与分析中,针对具体的信号说明了本方法的各步骤,并在不同信噪比条件下分析了该方法的有效性。     

主动声纳混沌回波的拓扑匹配滤波方法

针对混沌回波难以采用传统频率滤波降噪的问题,将拓扑匹配滤波方法用于混沌回波处理。该方法利用了重构相平面轨迹与原始时间序列拓扑等价的原理,依靠回波信号相平面轨道已知这一先验知识,在相平面上进行匹配滤波,使受噪声污染的回波信号相平面轨迹与原始轨道趋于一致,从而将混沌信号提取出来,并采用栅格搜索对具体算法进行了优化。仿真结果表明,该方法在信噪比下降到0 dB仍有较好的滤波效果,针对随机噪声、混沌噪声和实际海洋环境噪声3种情况下的降噪处理都是适用的。这种方法可以实现2种宽带信号的分离,能有效地对混沌回波信号进行降噪。     

Wigner-Hough变换在水下目标信号检测中的应用

研究利用Wigner-Hough变换对水下目标信号的检测问题。当信号的时频分布具有线条成分时,可以显著提高检测信噪比,同时对多分量信号时频分布的交叉项具有明显的抑制作用。仿真结果表明：对于多分量线性调频信号,当信噪比为-5 dB时;对于单分量信号,当信噪比为 7dB时,Wigner-Hough变换仍然具有很好的检测性能。将它应用于实际的湖试水声信号,仍然具有较好的检测结果。     

周期图法对远程遥控水声信号的谱估计检测研究

首先分析水中远程遥控水声信号频域检测的技术参数，给出了远距离接收时不同信噪比下利用周期图法进行谱估计检测效果。     

基于Euler变换的非圆信号稀疏重构阵列测向方法

针对低信噪比、少快拍情况下的非圆信号目标方位估计精度不高的问题,提出基于Euler变换的非圆信号稀疏重构阵列测向方法。该方法利用非圆信号的特征,通过Euler变换将复数据转化为实数据,利用数据拼接来扩展阵列孔径,采用奇异值分解来降低数据维度。基于目标方位的空域稀疏性,通过离散化空间方位网格来构建实数域的空域字典集,将目标方位估计问题转换为一稀疏信号重构问题,最终通过实值稀疏信号重构方法来估计目标方位。数值仿真验证表明,在低信噪比以及少快拍情况下,无论是对于非相干信号或者相干信号,与传统方法相比,所提方法皆表现出良好的估计精度,且该方法可以应用于欠定情况下非圆信号的目标方位估计。