CPS系统网络攻击重构和检测技术研究

针对CPS系统网络攻击检测精度问题，提出了一种基于自适应滑模观测器与鲁棒微分器的信号重构方法与基于流量限制的攻击检测方法，并根据网络攻击规则，对攻击主要集中的对象执行器进行了攻击信号的重构和检测。仿真实验结果表明，基于自适应滑模观测器与鲁棒微分器的改进方法重构的信号，较传统自适应方法重构的信号，收敛速度快，精度更高，与发出的攻击信号曲线基本重合；基于输入信号限制设计的攻击检测方法，使所有输入的攻击信号都成功触发了预警机制，检测方法确实有效，适用于CPS系统对未知网络攻击的检测。     

微波遥感中的微弱信号检测

概要叙述了典型微弱信号检测方法的实质，指出对实际系统要根据具体的信号和噪声统计特性，以最佳检测原则为参照，寻找有效的检测方法，在微波辐射计中，首先利用零平衡法和补偿法消除了系统增益波动产生的第一位干扰，再降低前端插入损耗和系统自身噪声，使之成为目前检测灵敏度最高的仪器。作者在１．４－３６ＧＨｚ频带内研制的多台机载微波辐射计量最小可检测信号是１－０．３Ｋ。     

一种基于小波网络的故障检测方法

本文针对突变故障给出了一种基于小波网络的检测方法。故障检测方法一般分为两种：一种是基于信号分析；而另一种是基于过程的数学模型。本文给出了一种基于小波网络的故障检测方法，它具有信号分析，数学模型两者优点，从而更准确地检测出突变故障。     

基于小波包的奇异信号检测方法及仿真

高压电器设备的故障大多与绝缘有关，而局部放电是造成绝缘损坏的主要原因之一。如何有效地从噪声和干扰中准确提取局部放电信号的特征，是绝缘故障在线检测的关键。针对高压电缆中的局部放电信号检测问题，提出了一种基于小波包的奇异信号检测方法。首先，分析后得到窄带信号和奇异的放电信号在小波包变换下会表现出截然不同的特性，然后利用这个特性，采用小波包的方法有效地抑制窄带干扰，并从噪声中提取出奇异的局部放电信号。仿真结果显示出在两项指标中，同步性指标大于99％，相似性指标大于90％，这证明了该算法能够从噪声和干扰中，有效地检测并提取出高压电缆中的局部放电信号。     

Duffing振子的微弱信号检测

分析了Duffing振子的混沌运动，阐述了该振子相变对志参考信号频差较小的周期小信号具有敏感性，对白噪声和与参考信号频差较大的周期干扰信号具有免疫力，使Duffing振子应用于微弱信号检测具有可行性。检测不同频率的信号需要不同频率ω的参考信号，不同的参考信号频率ω会对系统产生很大影响，通过调整系统参数使得振子对不同频率的信号检测具有普遍性，给出了基于混沌微弱信号检测的具体方案。     

基于互相关技术的跨台区电力通信信号检测

跨台区电力通信是一种新型的基于配电网络的通信技术，其调制信号的波形是确定的，将该波形与接收信号波形作互相关运算，提高了系统信号噪声比，这种信号检测方法可靠性大大优于先前采用的基于时间测量的信号检测方法，现场应用效果良好。文中分别介绍了跨台区电力通信基本原理、互相关信号检测原理及其在跨台区通信中的应用。     

特征向量功率谱在FSK信号检测中的应用

本文首先针对车载FSK信号检测对小轨信号检测困难等问题进行了探讨,然后分析了当前机车FSK信号的特征,我们采用基于特征向量的功率谱估计算法对短序列FSK信号进行上下边频识别和小轨信号的检测。结果表明使用这种方法得到的结果很好地解决了问题。     

具有微弱信号检测能力的卫星地面站

介绍一种对微弱信号进行检测的设备。它能检测出从静止轨道上的飞行体上发现来的微弱信号，其强度为－１９０ｄＢＷ。该设备用目前已用于气象探测，地质，资源，通信，侦察等方面，文中简要介绍了检测方法及其初步应用结果，作为卫星地面站同时还具有其他功能，诸如测距定轨，转发云图信号及其他信号的功能，并能与其他卫星和地面站组网建成三点测距系统，可在站间实现通信，通话等功能，该地面站还具有同时发射和接收信号的功能。     

高阶统计量在心音信号检测与分析中的应用

介绍一种心音信号检测系统和采用高阶统计量对信号进行分析的方法，首先根据心音信号的特点，讨论了信号检测系统的结构，在信号处理方面，采用现代谱估计方法对心音信号进行谱分析，在此基础上提出应用双谱技术分析心音信号，检测信号的相位耦合信息，进而说明利用高阶统计量能够在高斯噪声背景下大大提高信号检测能力，最后，给出心音信号的双谱估计结果，从中可以得到一般功率谱分析无法得到的有关信息，为心音信号的自动分类提供     

一种新型的信号检测神经网络

基于最大似然比检测原理提出了一种新型的概率神经网络信号检测器，其基本思想是将似然函数按Ｇｒａｍ－Ｃｈａｒｌｉｅｒ序列展开，然后根据展开式中高斯分布基函数的构造适合于最大似然比检测的概率神经网络，文中同时还给出了相应的神经网络学习规则和检测器的工作过程。     

基于小波包变换的弱信号检测

在通信、医学成像和雷达信号处理等领域中常常面临着强噪声背景中弱信号检测的问题。文中分析了小波包变换的良好时频分析特性，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，并应用浮动阈值去噪方法，解决了低信噪比情况下的弱信号检测。最后，通过计算机的数值计算，模拟了浮动阈值去噪法基于小波包变换和小波变换的强噪声背景下的弱信号检测，从仿真的波形图中得出在低信噪比情况下的弱信号检测方面小波包变换优于小波变换。     

一种新的跳频信号检测算法

本文提出了一种基于功率谱估计的跳频信号检测的新方法,该方法主要是利用定频信号、跳频信号的功率谱随时间变化的差异性,通过对定频信号功率谱进行对消以实现跳频信号的检测,分析了影响定频信号功率谱对消的因素,计算机仿真结果证实了该方法的有效性。     

畸变波形m序列动态测试信号建模与电能量值压缩检测方法

为解决非线性动态负荷条件下，智能电能表的动态误差测试问题.本文首先将m序列算子作为映射算子，采用基于信号特性建模的方法，建立三相畸变波形m序列动态测试信号结构化参数模型.其次根据压缩检测（Compressed measurement，CM）理论，采用系统稳态优化的方法构造最优压缩检测测量矩阵，实现对动态测试功率信号电能量值的检测.仿真实验表明，压缩检测方法可以对畸变波形m序列动态测试信号进行电能量值的检测，检测算法的相对误差优于1×10-13.     

基于分数阶Fourier变换的多分量LFM信号检测与参数估计

介绍了分数阶Fourier变换的基本原理和基本性质，提出了基于分数阶Fourier变换的多分量LFM信号检测和参数估计方法。为了解决多个LFM分量之间的相互影响问题．特别是强分量掩盖弱分量的问题．本文还提出了一种结合逐次消去思想和分数阶Fourier变换的多分量LFM信号检测和参数估计算法，它可以解决强度相差较大的多分量LFM信号中检测和估计弱LFM分量参数的问题。仿真实验结果证明了该算法的有效性。     

基于Duffing振子的梯形增幅波弱信号检测*

针对引信产品测试中的非周期梯形增幅波信号提出了基于Duffing振子的梯形增幅波弱信号检测的新方法。该方法利用梯形增幅信号的特征进行分段预处理,将非周期信号的检测转换为Duffing振子的准周期信号检测,避免了低信噪比下基于Duffing振子的微弱非周期信号检测受混沌振子检测机理的限制这一难点。仿真实验证明,该方法有效地检测出了低信噪比下的微弱非周期梯形增幅信号。结果表明,该方法能有效检测出引信测试中的梯形增幅波信号,并对零均值色噪声具有较强的抑制能力。     

基于危险信号协同检测的入侵检测的研究

为提高对未知攻击的检测能力,克服由于“正常”与“异常”界线模糊引起的误报与漏报,提高入侵检测系统的自适应能力,基于danger theory提出以危险信号作为入侵检测的协同检测信号的方法,并运用粗糙集理论,实现了对危险信号的测定。同时,阐述了危险信号在入侵检测的协同检测中的控制策略及系统的逻辑结构和处理流程。     

改善电声信号检测噪比的若干问题讨论

简述了近年来新发展的一种显微成象仪器－扫描电声显微镜，并着重了在信号检测过程中，通过在仿真工作条件下采用的一系列措施，优化传感器参数选择；加强信号耦合传输，避免引入干扰；运用计算机技术，增强数据处理能力等，因而改善了信号检测的信噪比，提高了电声成象的质量。     

自动控制在弱信号检测中的应用

系统分析了自动控制在弱信号检测中的作用和特点，自动控制在弱信号控制中可以消除噪声（扰动）和消除噪声对测量的影响。前者与常规自动控制没有多少特殊性。后者利用自动控制方法补偿噪声对测量的影响，其测量部分与主测量部分共用一个传感器，信号和噪声影响的分离通常在频域进行。因此，自动控制系统的特征频率ω应满足ωＮ〈ωＣ〈ωｓ，其中ωＮ是要消除噪声影响的特征频率，ωＳ是信号特征频率。本文同时给出以消除传感器非线     

基于TMS320C54X的DTMF信号检测

ＤＴＭＦ信号是音频电话中的拨号信号,广泛应用于新一代电话机。本文介绍一种基于ＴＭＳ３２０Ｃ５４Ｘ系列ＤＳＰ芯片的ＤＴＭＦ信号的检测,解决了以往所用方法的不足之处,使得ＤＴＭＦ信号检测变得准确、迅速和灵活,从而可能实现多种的电信增值的服务。     

基于混沌振子的微弱信号检测方法研究

分析了During方程的基本形式以及During振子的混沌运动，阐述了基于相平面变化进行微弱信号检测的工作原理，并推导出系统发生间歇混沌现象的频差条件和相位差对于系统特性的影响。试验证明：该振子对与参考信号频差较小的周期小信号具有敏感性，对白噪声和与参考信号频差较大的干扰信号具有免疫力。