无线噪声干扰下微弱通信信号捕获方法研究

在无线噪声干扰下通信信号的信噪比较低,难以实现对微弱通信信号的准确捕获,通信信号的检测性能较低,传统方法采用高阶谱检测方法进行噪声干扰下的微弱通信信号捕获,随着噪声干扰强度的增大,检测性能不好。提出一种基于微弱通信信号空间波达信号特征参量估计的无线噪声干扰下微弱通信信号捕获方法。首先进行了无线噪声干扰下微弱通信号的信号模型构建和通信信道分析,设计自适应匹配滤波器进行噪声干扰抑制,对滤波信号进行空间波达信号特征参量估计,实现对无线噪声干扰下微弱通信信号的准确捕获和检测,实现算法改进。仿真结果表明,采用该方法进行无线噪声干扰下微弱通信信号捕获的检测性能较好,对虚警干扰的抑制能力较高,提高对微弱信号的准确检测概率,展示了优越性能。     

基于PC机材料力学微应变自动检测方法研究

材料力学微应变测量实验中，试件在较小负荷作用下所产生的应变信号十分微弱，而各种噪声较被测应变信号强很多倍，因此在信号检测时要设法提高信号的信噪比。实验证明常规的信号检测方法不能够有效地检测出有用信号，这就要求采用微弱信号检测的方法来对被测信号进行处理以实现微弱应变信号的有效检测。     

基于信号相关性微弱应变信号检测

材料力学微应变测量实验中,试件在较小负荷作用下所产生的应变信号十分微弱,而各种噪声较被测应变信号强很多倍,因此在信号检测时要设法提高信号的信噪比。所以,基于信号相关性,利用相关检测法将被测信号中的有用信号与噪声进行分离,以实现微弱应变信号的有效检测。     

材料力学微应变测量系统信号调理电路设计

材料力学应变测量实验中,试件在较小负荷作用下所产生的应变信号十分微弱,而各种噪声信号较被测应变信号强很多倍,因此在信号检测时要设法提高信号的信噪比。实验证明常规的信号检测方法不能有效地检测出有用信号,这就要求采用微弱信号检测的方法来对被测信号进行处理以实现这一目的。本文主要研究内容是在微弱信号检测理论的基础上,根据材料力学应变电测法原理设计出信号调理电路。     

高噪声环境下检测提取弱目标复合信号的研究

目的:在高噪声环境下检测并提取和恢复有用信号,该目标信号可以是单频的,也可以是多频率的。方法:主要通过随机共振方法和混沌理论来过滤噪声并提取有用信号,通过一种两者相结合的方法提取出弱目标信号的频率和幅度,并通过调整随机共振系统参数更加准确的从高噪声背景下恢复出弱小的有用信号。创新:解决了信号处理中遇到的奇倍频现象,并提取出多频信号的各个频率和幅度。提出了一种自适应算法,通过计算互相关系数来自动调整系统参数,从而提取出最优目标信号。经测试验证,即使是淹没在高噪声环境下的微弱信号,该自适应系统也可以很大程度的恢复出原本的有用信号。     

微弱正弦信号检测新方法

本文研究了一种新的检测微弱正弦信号的新方法。利用正弦信号的特殊特性．引人参考信号．与被测信号进行多重互相关运算,成功检测淹没于噪声中的正弦信号。分别讨论了白噪声、谐波、直流电平干扰情况下的检测效果,绘出了具体的仿真结果。实验结果表明．本文算法能提取出极低信噪比的微弱信号,对谐波和直流电平不敏感,同时本文的算法不会破坏微弱正弦信号的初相位信息．因此。工程适用范围更广。     

噪声对消在信号处理系统中的应用

论述基于LMS算法的自适应滤波器噪声对消的工作原理,以及基于AR模型的信号分析方法。在这两种方法相结合的情况下,能有效去除信号的噪声。对含有瞬态干扰的微弱信号,用AR模型法估计出噪声的系数并预测噪声波形,通过自适应滤波器噪声对消原理进行滤波,最后在Matlab环境下进行仿真试验,结果表明该方法具有较好的去噪效果。     

基于卡尔曼滤波的微弱高频CW电报信号检测

在强噪声背景下,高频CW信号的包络检波检测法难以有效跟踪信号波形,检测性能严重下降。针对此问题,提出一种基于Kalman滤波的微弱CW信号检测方法。该方法采用Kalman滤波器实时捕捉CW信号,恢复强噪声背景下信号的时域波形,提取出比较纯净的CW信号。实验表明该方法能够在强噪声背景下有效地检测出CW信号,具有更高的识别率,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制。     

稳定分布噪声下基于Merid滤波的跳频信号参数估计

常规时频分析方法是处理跳频(FH)信号的有力工具,但在稳定分布噪声环境下无法有效地实现参数估计。该文提出基于Merid滤波的时频分析方法对跳频信号进行参数估计。Merid滤波器可以有效地抑制稳定分布噪声,该文先对观测信号进行Merid滤波,再采用短时傅里叶变换(STFT)进行参数估计。仿真结果表明,在稳定分布噪声环境中,该方法的跳频信号参数估计性能优于基于分数低阶和基于Myriad滤波的两种时频分析方法。     

a稳定分布噪声下基于Merid滤波的跳频信号参数估计

常规时频分析方法是处理跳频(FH)信号的有力工具,但在a稳定分布噪声环境下无法有效地实现参数估计。该文提出基于Merid滤波的时频分析方法对跳频信号进行参数估计。Merid滤波器可以有效地抑制a稳定分布噪声,该文先对观测信号进行Merid滤波,再采用短时傅里叶变换(STFT)进行参数估计。仿真结果表明,在a稳定分布噪声环境中,该方法的跳频信号参数估计性能优于基于分数低阶和基于Myriad滤波的两种时频分析方法。     

多传感器自适应滤波融合算法

该文提出了一种在线调整权值的多传感器自适应滤波数据融合跟踪算法,用于解决复杂背景下机动目标跟踪问题。首先自适应寻找各个传感器所对应的最优加权因子,确定融合后某一时刻目标最优观测值;其次,以输入信号作为相关自适应滤波器的观测信号,通过新息相关自适应滤波算法根据状态方程及观测方程中误差的变化,实时动态地调整增益矩阵,同时依据自适应滤波状态偏差输出信号及当前观测数据,应用模糊推理在线调整各传感器权值,最终系统输出即为测量轨迹在两级自适应调整融合下最优轨迹。仿真结果证明了算法有效性。     

基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在1/f噪声中的有用信号恢复问题,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法,并设计出多尺度Wiener滤波器.首先,利用双正交小波变换将带有1/f噪声的信号分解成多尺度的子带信号,通过小波变换对1/f噪声的白化作用,消除了1/f噪声的非平稳性、自相似性和长程相关性.其次,在小波域内,利用Wiener滤波,实现了噪声和有用信号的分离,估计出了各子带中的有用信号.最后,利用双正交小波的精确重构性,较好地恢复出淹没在1/f噪声中的有用信号.仿真实验表明,该滤波器能有效的抑制分形噪声,显著地提高信噪比.     

脉冲噪声检测与滤除器

从信号的自相关角度出发,分析了信号受脉冲噪声污染的特点.根据信号受脉冲噪声污染的特点,提出了一种从幅度上检测脉冲噪声、从宽度上识别脉冲噪声的方法,然后对检测出的噪声点进行预测插值去噪处理.由于只对噪声污染点处理,未改变非污染信号点,从而极大地保护了信号的细节信息.该滤波器算法简单、能够自动适应信号变化和脉冲噪声特性.实验结果表明,与中值滤波器、均值滤波器相比,该滤波器能够在保护信号细节信息的同时,很好地去除脉冲噪声.     

一种基于模糊理论的图像边缘提取

讨论了模糊理论在边缘提取中的应用，并给出了一种改进的基于模糊理论的图像边缘检测算法。实验结果表明，与该算法不需要加额外的滤波器或图像降噪预处理。在抗噪性能方面(80％以内的Gaussian噪声和10％以内的椒盐噪声Salt＆Pepper)明显优于其它方法。     

Fuzzy rule-based signal processing and its application to imagerestoration

A novel signal processing technique based on fuzzy rules is proposed for estimating nonstationary signals, such as image signals, contaminated with additive random noises. In this filter, fuzzy rules concerning the relationship between signal characteristics and filter design are utilized to set the filter parameters, taking the local characteristics of the signal into consideration. The fuzzy rules are found to be quite effective, since the rules to set the filter parameters are usually expressed in an ambiguous style. The high performance of this filter is demonstrated in noise reduction of a 1-D test signal and a natural image with various training signals     

The time–frequency analysis approach of electric noise based on the wavelet transform

In this paper, the wavelet transform approach has been firstly introduced to analyze electric noise in a transistor. Due to the multiresolution ability of wavelet transform, we can separate noise signal into several detail signals and approximation signal which can be interpreted in terms of the noise output of a generalized constant-Q filter bank and low pass filter, respectively.Based on this approach, the fractal and chaos characteristic of 1/f noise are obtained, the smaller burst noise pulse embedded in the white noise and 1/f noise can be detected, and the noise spectrum can also be calculated from short noise data. These results demonstrate that wavelet transform approach is a useful tool for investigation of noise mechanism of a transistor.     

Adaptive histogram-based filter for image restoration

A novel filter for image restoration is proposed in this paper. The filter estimates histogram of original image via input image. It gets a membership function through the histogram, and the membership function contains a lot of information of original image. Then a weighted fuzzy mean filter is established based on this membership function; meanwhile, the filter adaptively adopts different filter scale according to the character divergence of image region and intensity of impulsive noise. Experimental result shows that new filter gives superior performance to conventional filters and currently used fuzzy filter.     

High robustness of an SR motor angle estimation algorithm usingfuzzy predictive filters and heuristic knowledge-based rules

In this paper, the operation of a fuzzy predictive filter used to provide high robustness against feedback signal noise in a fuzzy logic (FL)-based angle estimation algorithm for the switched reluctance motor is described. The fuzzy predictive filtering method combines both FL-based time-series prediction, as well as a heuristic knowledge-based algorithm to detect and discard feedback signal error. As it is predictive in nature, the scheme does not introduce any delay or phase shift in the feedback signals, In addition, the fuzzy predictive filter does not require any mathematical modeling of the noise and, therefore, can be used effectively to control nonGaussian impulsive-type noise. An analysis of the noise and error commonly found in practical motor drives is given, and how this can effect position estimation. It is shown using experimental results that the FL-based scheme can cope well with erroneous and noisy feedback signals     

带有噪声相关性的自适应噪声抵消系统仿真研究

本文为了在语音信号处理中能消除含噪语音信号中的背景噪音,采用自适应信号处理的理论和技术来达到提高语音信号质量的目的。通过介绍自适应滤波器原理,在对自适应滤波器相关理论研究的基础上,研究了LMS自适应滤波算法,并对LMS自适应算法进行了分析。同时为了使输入的参考信号与噪声相关,加入分离周期信号与带有窄带干扰抑制的宽带信号。通过分析仿真结果表明基于LMS算法的自适应噪声抵消技术可以有效地抵消正弦干扰信号,同时加入宽带信号中的周期性噪声,在没有另外的与噪声相关的参考信号的情况下,可以使用自适应噪声抵消系统来消除这种同期性干扰噪声。     

一种基于中值-模糊技术的混合噪声滤波器

结合中值与模糊滤波技术,提出了一种新的图像混合噪声滤波算法。算法将受混合噪声污染的图像分为脉冲噪声点集与含有高斯噪声的像素点集两部分,首先进行灰度极值检测,进而借助邻域纹理信息准确检测出脉冲噪声,并以中值滤波滤除;对于含有高斯噪声的像素点则采用一种保护细节的模糊滤波器进行处理。实验结果说明算法不仅能有效地滤除脉冲与高斯混合噪声,而且可以较好地保护图像细节。