共查询到17条相似文献,搜索用时 109 毫秒
1.
2.
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。 相似文献
3.
4.
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。 相似文献
5.
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。 相似文献
6.
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。 相似文献
7.
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. 相似文献
8.
9.
利用小波变换识别脉内调制信号 总被引:5,自引:1,他引:4
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。 相似文献
10.
11.
一种改进的小波脊提取算法 总被引:1,自引:0,他引:1
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。 相似文献
12.
舒重胜 《电子信息对抗技术》2007,22(4):1-4
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。 相似文献
13.
14.
基于听觉感知小波变换的电子耳蜗CIS语音信号处理 总被引:1,自引:0,他引:1
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。 相似文献
15.
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。 相似文献
16.
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。 相似文献
17.
基于小波变换和改进SVD的红外图像去噪 总被引:5,自引:2,他引:3
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。 相似文献