低信噪比下雷达信号脉内特征的提取

雷达信号脉内特征的提取是雷达对抗系统分选和识别截获信号的关键技术之一。利用小波脊线法可以实现雷达信号脉内特征的提取，但低信噪比下分析误差比较大。为改善低信噪比下脉内特征提取算法的性能，提出了首先用小波分析对信号进行去噪，提高信噪比，在此基础上再进行脉内特征提取的方法。仿真结果证明该算法有效，具有一定的参考价值。     

低信噪比下脉内频率编码信号特征提取

信号脉内特征提取技术是雷达对抗系统分选、识别截获信号的关键技术。提出了一种首先用小波分析对脉内频率编码信号进行去噪，在此基础上再利用小波脊线法提取脉内特征的方法。计算机仿真验证了算法的有效性，具有一定的应用价值。     

基于综合时频检测的雷达信号脉内特征提取

通过对小波变换法、Wigner-Ville分布等典型雷达信号脉内特征提取方法优缺点的分析,提出了一种将小波变换法和Wigner-Ville分布提取的结果进行截断综合的综合提取算法,实现了雷达信号的脉内特征准确提取.仿真结果表明,该算法在较低信噪比下仍有很好的效果.     

基于小波—神经网络的雷达信号脉内特征分析

时频分析是脉内特征分析中常用的一种方法,通过提取雷达脉冲信号的小波脊函数可以获得脉内调制信号在每个采样点的瞬时频率,然后再使用神经网络的方法对小波变换提取出的瞬时频率进行分析,便可以得到信号的脉内调制特征。以MoBet小波和多层感知器为例,对低信噪比下的典型雷达信号进行了仿真分析,结果验证了小波-神经网络分析脉内特征的有效性。     

基于小波包分析的辐射源特征提取和识别算法

提出了一种基于小波包的变换方法。该方法通过对不同脉内调制方式进行频带能量的提取,并引入支持向量机来完成对辐射源的分类。该小波包变换对信号局部的时频特征具有较好的分辨率。仿真结果表明,文中的小波包变换信号时频特征的分析精度优于传统算法。     

基于小波变换的MFSK/MQAM信号类内识别法

提出了一种基于小波变换的FSK/MQAM信号类内调制方式识别的改进算法,该方法通过深入分析MFSK和MQAM信号在小波域的不同特征,充分利用小波变换模值的奇异性信息,通过对该信息的有效检测,实现MFSK信号类内识别,并将其推广应用到16QAM和64QAM的分类。对该方法的适应性进行了理论分析和计算机仿真,结果表明,新算法大大提高了MFSK/MQAM信号的识别正确率,并有效降低了识别的信噪比门限。     

基于细节分量提取的脉压雷达信号检测技术

小波分解可以将信号分解为多层近似分量与细节分量，脉压雷达信号的脉内信息可以在细节分量中得到很好的体现，因此小波变换方法对脉压信号有着很大的优势。Mallat快速算法使小波变换走向工程实用成为可能，对ADC输出的数据流做小波分解，得到各层的细节分量，找到波形失真较小并且能够反映脉内特征的细节分量作为新的数据源，对之进行相关处理，完成信号检测。文章最后以实际雷达信号为对象进行了实验，实验结果表明该方法是切实可行的．     

基于瞬时自相关算法的线性调频雷达信号脉内分析研究

估计线性调频信号的瞬时频率和调制参数,是进一步获得脉内特征并最终识别信号的基础。线性调频信号模型由软件编程产生,引入瑞利分布高斯谱模型来模拟背景杂波。提出采用小波包分析方法进行消噪处理,以瞬时自相关算法估计信号的瞬时频率,进而求出调制参数。瞬时自相关算法进行了滑动平均改进。计算机仿真实验得到瞬时自相关算法估计瞬时频率的...     

利用小波变换识别脉内调制信号

利用小波变换的多分辨性质、基于信号和随机噪声在小波变换域中不同的模极大值系数特征，对于脉内调制这类渐近信号的连续小波变换进行了研究，并可行性 波变换来提取信号脉内调制特征，计算机仿真表明这种方法的有效性和可靠性。     

一种新的线性调频信号脉内特征提取方法

雷达信号脉内特征的提取是雷达对抗系统分选、识别截获信号的关键技术之一。本文提出一种提取线性调频信号脉内特征的新算法,对接收信号首先进行信噪比估计,在不同的信噪比下将小波变换法和平滑伪WVD分布法(SPWD)结合起来,以实现对线性调频信号脉内特征的准确提取。仿真结果表明算法有效可行。     

一种改进的小波脊提取算法

针对基于模极大值和基于相位信息的小波脊提取算法的缺点,提出了一个改进的小波脊提取算法。该算法利用小波系数的相位信息提取所有可能的脊点,利用小波系数模的最大值以及脊线的连续光滑性甄别出信号的脊点,排除掉噪声的脊点,从而加快了脊点的搜索速度,提高了脊点提取的有效性。相比于基于模极大值和基于相位信息的小波脊提取算法而言,该算法更适用于低噪声信号的小波脊线的提取。     

一种频率编码信号瞬时频率提取新方法

针对小波变换法在提取频率编码信号脉内特征中的不足,提出了将时频重排和时频脊线相结合的时频联合分析方法。首先通过Morlet小波计算信号的小波谱,再对小波谱进行时频重排,最后由重排后的时频图提取时频脊线,得到频率编码信号的脉内特征。该方法在低信噪比下,能准确提取频率编码信号脉内特征信息。最后利用计算机仿真验证了该方法的可行性。     

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。     

基于听觉感知小波变换的电子耳蜗CIS语音信号处理

为克服以往滤波器组参数调整复杂，提出了一种听觉感知的小波变换的电子耳蜗语音处理的方法。文章在连续交替取样CIS（Confinuous Interleaved Sampling）语音信号处理方案的基础上，利用人耳听觉的临界频率与听觉感知的小波变换域的相似性，进行了电子耳蜗输出信号的重构，采用短时傅立叶变换的语谱图分析。实验结果表明：本方法获得的合成语音与原始语音在频谱包络特征上非常相似，频域特征里接近入耳的实际生理特性。     

基于综合时频检测的LFM信号调制特征提取

信号脉内调制信息识别技术对密集和复杂电磁环境中辐射源的分选和识别有着重要意义。通过讨论小波变换法、伪WVD法等典型LFM信号调制特征提取方法，提出了将小波变换法和伪WVD法提取的结果进行截断综合，再提取时频图脊线的新算法。实现了在低信噪比条件下，准确提取LFM信号的调制特征。仿真结果证实了算法的可行性。     

一种基于小波-神经网络的模拟电路故障诊断方法

小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点。结合两者的特点,提出了一种基于小波与神经网络的模拟电路故障诊断方法,该方法用小波变换对电路响应信号进行特征提取,从而简化神经网络的结构,降低计算的复杂度,加快了训练速度。对实例仿真表明,该法能有效地对模拟电路进行故障诊断。     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。