EMD端点效应问题解决方法的研究

经验模态分解(EMD)是近年来兴起的一种非平稳信号处理方法,但在分解过程中因产生端点效应而造成分解结果严重失真。因此,研究了一种自适应波形匹配延拓法的改进方法,该方法根据信号端部不同特点确定延拓点并进行延拓,从而解决端点效应问题。实验结果表明,改进的自适应波形匹配延拓法能避免信号EMD分解失真。将改进的自适应波形匹配延拓法的EMD结合小波软阈值去噪方法用于处理加噪超声仿真信号,得到的信噪比比小波软阈值法处理后的信噪比高33.78%,说明该方法在非线性、非平稳信号处理方面有一定优势。     

基于迭代自适应稀疏分解的雷达信号去噪

稀疏分解能有效分离信号和噪声,因此适用于信号去噪.文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数.针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度.仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比.     

一种有效的基于Chirplet自适应信号分解算法

基于线性调频小波(chirplet)的自适应信号分解法,将待分析的线性调频(Chirp)信号分解成为一组chirplet基函数的线性叠加,能够更清楚地表述Chirp信号的时频特征.其中关键的问题,是如何自适应地估计与信号最匹配的chirplet,这将影响到自适应分解的效果.目前,还没有一种有效chirplet估计算法.本文提出了一种新的chirplet估计算法,该法充分利用了chirplet的特点,具有较高的参数估计精度.仿真数据的实验结果证明了该方法的有效性.     

匹配追踪算法的超声多普勒血流信号降噪研究

超声多普勒在临床医学中具有广泛的应用,但由于超声多普勒血流信号中夹杂了大量的噪声严重影响了时频声谱图的清晰度,所以必须采用一定的措施消除噪声。本文分别利用离散小波变换算法、小波包变换算法和匹配追踪算法对超声多普勒血流信号进行分解、变换以及降噪处理,并通过仿真实验,给出了不同信噪比情况下,对基于三种算法处理后的信号时域波形和频域波形进行了比较,证实了匹配追踪算法是一种非常适合于对像超声多普勒血流信号这样的频率带宽随时间变化很快的强噪声背景的信号进行噪声处理的算法。     

一种新的信号分解算法及其在机动目标ISAR成像中的应用

本文首先提出一种新的信号分解算法——修正自适应Chirplet分解算法,将Chirplet基函数推广到非线性调频信号的形式,克服了传统自适应Chirplet分解对复杂信号逼近程度不高的缺点.然后提出单分量基函数参数估计的一种实用算法和基于CLEAN思想的多分量信号分解方法,并将其应用于机动目标的ISAR成像中,进一步提高了成像质量,外场实测数据成像结果验证了本文方法的有效性.     

一种新的Costas跳频信号盲参数估计算法

本文以Costas信号为例提出了基于高斯基集的跳频信号自适应分解法，将跳频信号分解为一组高斯基函数的线性叠加。采用遗传算法估计与信号最匹配的高斯基函数。和其它方法相比，该方法具有很高的时频分辨率且无交叉项干扰，参数估计精度高。仿真结果证明了该方法的有效性，适合于低截获概率波形的低信噪比情况。     

一种微弱直接序列扩频信号的盲自适应解扩算法

针对微弱直扩信号扩频码的盲估计和信息码的盲解扩问题,本文提出了一种能同时分离直扩信号扩频码和信息码的非线性盲自适应恒模算法,达到了对直扩信号盲处理。本文首先提出了直扩信号的盲分离问题,然后详细分析推导了盲自适应随机梯度恒模算法,最后将该盲自适应随机梯度恒模算法应用到了对微弱直扩信号的盲分离中,并从理论上阐明了可以用该算法来实现直扩信号的盲分离。所提出的算法完全不同于以往的基于矩阵分解（奇异值分解、特征分解等）的伪码盲估计方法,它的存储开销量和计算量都比较小,可以实现对较长伪码构造的直扩信号的处理,而且它的计算速度较快,在某种程度上解决了传统的基于矩阵分解的方法在直扩信号的实时处理及实现上的困难。理论分析和数值结果都表明了所提方法能较好地工作在较低的输入信噪比条件下。      

自适应信号分解方法在主动声呐信号处理中的应用研究

利用基于“Matching Pursuit”算法的自适应信号分解方法,探讨了主动声呐信号处理中多目标回波的检测及参数估计问题。该方法既能实现多目标分辨,又能提取出更多的目标特征信息,所以能够充分发挥宽带信号的优势。再者,不仅对更广泛类型的发射信号具有普适性,而且分解结果能为下一段接收数据的选取提供参考信忠。因而,同已有的信号处理方法相比,该方法具有明显的优越性,是一种比较好的信号分析方法。仿真实验证明了该方法的有效性。     

在不同噪声背景下Dopplerlet变换在信号恢复中的应用

在不提供信号与噪声统计特性的前提下,用自适应匹配投影塔形分解算法实现的Dopplerlet变换,能有效地去除信号中的噪声和干扰.文中给出了信号恢复的原理以及不同特性噪声背景下的算例结果.     

基于EMD-NLMS的船舶发动机声信号降噪处理方法

针对船舶声信号降噪滤波的问题,提出了一种基于经验模态分解-归一最小均方的算法。该方法进行经验模态分解得出噪声分量,将得到的噪声分量作为输入信号进行自适应滤波,通过自适应滤波算法迭代处理得到降噪后的信号分量,并把信号分量叠加得到最终降噪后的信号。通过对比最小均方算法、归一化最小均方算法、经验模态分解-最小均方算法和经验模态分解-归一最小均方算法对船舶声信号的降噪效果,得出在船舶声信号滤波降噪方面经验模态分解-归一最小均方算法相比于其他三种算法有更好的滤波效果。     

基于小波变换和残差神经网络的全盲频谱感知方法

为了解决非平稳信号的时频图特征难以提取的问题,提出了基于小波变换和残差神经网络的全盲频谱感知方法。该方法通过连续小波变换将捕获的主用户信号变换成时频信息矩阵,同时转化为图片作为输入,通过残差网络进行训练和识别。仿真测试了不同小波基对非平稳信号的分解能力和所提算法在各种复杂无线信道环境下对非平稳信号的检测性能和泛化能力,以及对不同主用户信号的适应能力。结果表明,在信噪比为-16 dB时,该方法能在虚警概率为0.1时达到0.92的检测概率,同时amor小波更适合用于非平稳信号的分解且训练识别能力更优。     

Matching pursuits with time-frequency dictionaries

The authors introduce an algorithm, called matching pursuit, that decomposes any signal into a linear expansion of waveforms that are selected from a redundant dictionary of functions. These waveforms are chosen in order to best match the signal structures. Matching pursuits are general procedures to compute adaptive signal representations. With a dictionary of Gabor functions a matching pursuit defines an adaptive time-frequency transform. They derive a signal energy distribution in the time-frequency plane, which does not include interference terms, unlike Wigner and Cohen class distributions. A matching pursuit isolates the signal structures that are coherent with respect to a given dictionary. An application to pattern extraction from noisy signals is described. They compare a matching pursuit decomposition with a signal expansion over an optimized wavepacket orthonormal basis, selected with the algorithm of Coifman and Wickerhauser see (IEEE Trans. Informat. Theory, vol. 38, Mar. 1992)     

总体经验模态细分法提取血流超声多普勒信号的研究

提出基于总体经验模态分解（EEMD）血流细分法提高血流超声多普勒信号提取精度.首先估计辅助分析所需的白噪声幅度,进而用EEMD得到无模态混叠的本征模态函数（IMF）组,最后分离出血流信号的IMF.将本方法应用于计算机仿真和人体实测超声多普勒信号,并与高通滤波器法、原EMD法和EMD细分法比较.结果表明本文方法,提取的血流信号精度最高,特别对WBSR=70dB的混合信号,其精度比上述方法分别提高35%、38%及17%.     

基于小波变换的QRS波群检测

提出了一种基于小波多分辨分析的算法,对心电信号进行特征提取和识别。通过小波变换对常规心电图信号进行分解去噪和特征提取,并利用动态自适应阈值和删除多检点,补偿漏检点对QRS波检测进行优化。实验结果表明该方法在QRS波形不失真的情况下,提高了一部分MIT-BIH数据库信号中QRS波识别的准确率,并且对于较低准确率的心电信号的原因进行了分析。     

基于FMCW雷达的自适应生命信号提取方法

为了进一步提高调频连续波（FMCW）雷达自适应提取生命信号能力,通过提高距离分辨率提取被测目标位置距离维处的人体生命信号,利用改进的快速互补集合经验模态分解（IFCEEMD）对生命信号分解,从分解得到的若干个固有模态函数（IMFs）中利用筛选准则分离出呼吸、心跳信号。实验结果表明,所提出的方法能够快速、准确地提取出不同呼吸状态下的呼吸频率和心跳频率,并且有效地消除人体身体随机抖动带来的干扰。     

自适应估计信号个数的频谱信号提取算法

无线电监测频谱数据中包含有大量的信号,准确提取这些信号有利于掌握全频段的频谱使用情况。实际信号的频谱由于受噪声干扰,会出现信号频带内个别频点能量值低于检测门限的情况,此时传统的门限检测算法会将该信号错估为多个信号,产生多个虚假的相邻信号间隔,导致频谱信号提取的准确率下降。对此,根据虚假相邻信号间隔特点,提出一种自适应估计信号个数的频谱信号提取算法,该算法可自动、准确估计频谱监测数据中电磁信号的个数,并将对应的信号及频谱信息提取出来。实验结果表明,该方法具有自适应性、强鲁棒性和高准确性,有效提高了频谱信号提取的准确率,为军、民电磁环境的识别与掌握提供基础的电磁信号数据支撑。     

脉搏信号滤波方法研究

为了降低噪声对人体脉搏信号的干扰、提高采集精度,提出了一种改进的滤波算法。从脉搏信号及其噪声特点出发,采用与经验模态分解法结合的方法,选择适当的小波基并改进小波阈值函数,构造模态系数对脉搏信号进行滤波。经过理论分析与实验验证,取得了理想的实验数据。结果表明,改进的阈值算法不仅克服了软、硬阈值的局限性,并能有效克服傅里叶变换后产生的边缘效应问题;同时,与经验模态分解法相结合,削弱了低频噪声滤除的误差,增强了小波变换的自适应性,较传统的滤波方法能更好地抑制噪声,有助于提高信噪比。     

强噪声下非平稳时延目标信号提取

为实现强噪声背景下时延目标信号自提取,设计了相关检测模型,提出了基于目标数据段自截取和变分模态分解(Variational Mode Decomposition, VMD)算法的目标信号自适应定位和提取算法。首先,根据目标信号频域参数构建基准信号;然后,利用互相关检测技术并以峰值梯度为特征值确定目标信号时延参数;最后,利用预设参数自适应初始化的VMD算法对截取的数据段进行处理,并对分解的各分量进行自动筛选实现目标信号有效提取。不同算法的对比实验表明,自截取+VMD算法可有效实现强噪声下时延信号的定位提取,实时性基本满足实际应用需求。     

基于优化初值选择的自适应高斯包络线性调频基信号分解

基于高斯包络线性调频基的自适应信号分解是一种分辨力高、性能优良的时频分析算法,在语音信号、地震信号、雷达信号等可以用调频类函数进行建模的信号分析中有着广阔的应用前景。该算法在四维参数空间构造和求解超越方程,得到参数的闭式解,与传统的优化算法相比大大降低了运算量。对于由高斯包络线性调频基不相交或浅相交形成的简单信号,该算法具有非常优良的分辨性能,而对由高斯包络线性调频基深相交形成的复杂信号分解存在较大误差。本文针对这一问题进行研究,指出初值选择在该算法中的重要作用,分析了得到高精度分解结果的初值条件,提出了基于优化初值选择的高斯包络线性调频基自适应信号分解算法。通过在局部信号粗时频平面中搜索最优初值,结合自适应分解中建立和求解超越方程的方法得到参数闭式解,提高了分解精度,同时降低了运算量。对仿真信号及语音信号的分解效果验证了改进后算法的有效性和准确性。     

Partially blind extraction of continuous chaotic signals from a linear mixture

In this paper, we address the problem of blind extraction and separation of a continuous chaotic signal from a linear mixture consisting of some chaotic signal and/or random signals. The problem of blind extraction is firstly formulated as a problem of the synchronization-based parameter estimation. Then an efficient least square based parameter estimation method is introduced to de-termine the desired extracting vector. The proposed blind signal extraction scheme is applicable to blind separation of chaotic signals by formulating the separation problem as the extraction of each chaotic source. Numerical simulation shows that the proposed approach can blindly extract and separate the desired chaotic signals and it is also robust to measurement noise.