舰船辐射噪声混沌特征提取方法研究

研究舰船辐射噪声信号影响目标识别,针对传统子空间降算法只适用于多通道信号处理,为了清楚识别目标,提出多次迭代降噪的思想,并根据定义的信噪比改善量控制迭代次数.用相空间重构进行特征提取,为了降低特征维数,引入K-L变换进行特征压缩,提出一个基于子空间降噪理论与相空间重构以及K-L变换相结合的完整的舰船辐射噪声特征提取方法,进行计算机仿真,结果表明对舰船辐射噪声特征有效提取和分类识别很有效,证明方法对三类目标舰船噪声信号具有较好的分类效果.     

基于多重耦合降噪的混沌测量研究

混沌测量系统对噪声的敏感性很高,为了增强其抗噪声干扰的能力,提高系统的测量精度,该文提出对混沌测量电路进行多重耦合.从理论上推导了该方法的可行性,并且通过实验进一步从序列符号距离和线性度两方面进行比较,结果表明经过多重耦合的混沌测量电路,与未耦合以及相邻耦合的测量系统相比,具有更强的噪声抑制能力.因此在耦合测量系统中,系统耦合强度与其噪声抑制能力成正比,在相同个数测量电路参与耦合的情况下,本文所提出的多重耦合方式可以使测量系统得到较优的测量精度及稳定性.     

基于高阶阈值函数与小波包的混沌信号降噪

针对混沌信号小波降噪法中,高频段频率分辨率较差,且对小波分解系数所广泛采用的硬、软阈值量化方法存在着局限等问题,给出一种基于新型高阶阈值函数的混沌信号小波包降噪法。该方法采用小波包方法能够对小波分析中没有细分的高频部分进一步分解,保留了有用的高频信息,从而具有更加精确的局部分析能力;且所采用的阈值函数连续光滑,在噪声小波系数和混沌信号小波系数之间存在一个平滑过渡区,更符合信号的连续特性。仿真对比实验表明：与软阈值降噪法以及半软阈值与小波包降噪法相比,该方法对混沌信号的降噪效果明显,信噪比(SNR)有3.7~7dB的显著提高。     

基于局部投影和提升小波的混沌信号降噪

根据信号和噪声的不同特性,提出了一种基于局部投影和提升小波的混沌信号降噪方法。该方法利用提升小波变换得到实际混沌信号的近似系数,对其进行相空间重构,与实际混沌信号的重构相空间进行比较,来选取局部投影的邻域,在局部邻域内进行奇异谱分析,利用代表吸引子的主分量来重构混沌信号。通过对Lorenz模型和月太阳黑子进行仿真分析,证实了提出方法对混沌信号降噪的有效性。     

CMOS图像传感器的自适应降噪方法研究

提出了一种用于CMOS图像传感器的新型自适应降噪方法,并进行了逻辑电路实现。该方法通过运动检测和边缘检测技术进行噪声功率统计和分析,选择性的利用中值滤波、均值滤波以及运动自适应滤波方法,对传感器输出图像进行了数字降噪处理。实验表明本文方法降低了高斯噪声和椒盐噪声的影响,有效提高了图像质量和峰值信噪比。其结构易于电路实现,适用于CMOS图像传感器内部的实时降噪处理。     

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。     

混沌系统在弱信号检测中的应用

首先提出了利用混沌系统检测弱信号方法,实验结果证明了此方法的可行性。在此基础上,又提出将自相关方法和互相关方法分别与混沌系统相结合形成混合测量系统。经大量仿真实验证明此系统比前一种方法信噪比门限更低。可见混沌系统在弱信号检测方面的应用有望成为降低信噪比门限的有效方法之一。     

混沌理论微弱信号检测方法的可行性分析

论述了混沌理论微弱信号检测方法的可行性,提出了利用混沌理论检测微弱正弦周期信号的仿真模型,采用了含有78个混沌振子的阵列来检测微弱正弦信号的幅值、频率、相位,从而达到高信噪比的测量.此方法是目前信噪比门限较低的时域信号处理方法,因而具有广泛的应用前景.     

混沌振子实现微弱周期小信号的检测

通过对混沌振子Duffing方程及其检测原理的介绍,发现混沌振子对周期小信号具有敏感特性,能够在强噪声环境下实现对微弱周期小信号的检测。Matlab实验仿真和分析证明了采用混沌振子Duffing检测微弱周期小信号的可行性。     

基于自适应无迹卡尔曼滤波QAR数据降噪研究

针对QAR数据包含离群值、噪声值等异常数据严重影响数据分析的问题,提出了一种自适应无迹卡尔曼滤波的数据降噪方法.利用改进拉依达准则剔除粗大误差数据,以无迹卡尔曼滤波为基础,结合Sage-Husa噪声估计器对系统噪声进行实时预测和修正,有效地解决了系统噪声时变的问题.利用空客A330飞机的数据样本对算法有效性进行了数值验...     

基于小波分析的语音信号去噪方法研究

小波变换在当今信号处理领域中是信号分析的一个强有力工具。介绍了小波变换的一些基本理论以及对小波分解系数进行阈值化的降噪技术,分析了基于小波阈值去噪中软阈值和硬阈值方法的不足,提出了新的阈值函数,最后利用Matlab进行仿真实验证明使用该阈值函数能去除语音信号中含有的噪声。     

水下结构覆盖粘弹性材料降噪的复矢径法研究

采用改进的基于声压测量的复矢径虚源法,研究典型结构水下辐射声场及其粘贴粘弹性材料的降噪特性.采用SYSNOISE边界元软件获取测量面声压,脉动球声辐射验证软件计算的准确性,而单点激励球壳声辐射验证复矢径法的有效性.研究结果表明:结合声阻抗传递和界面耦合理论,通过优化单点激励圆柱壳内部双球虚源的复矢径缩比与位置,可进一步提高其声场计算精度,复矢径法在工程上比传统虚源叠加法更具操作性和实用性.     

复合材料结构水下振动噪声仿真研究

开展复合材料夹芯板的损耗特性测试试验,获得了复合材料夹芯板结构内损耗因子,并以此作为数值计算的基础参数输入;采用声固耦合有限元分析法,对水下航行器上层建筑采用复合材料夹芯板后的振动声辐射特性进行分析;探索了壳板厚度参数对水下航行器上层建筑振动声辐射特性的影响规律,提出了复合材料上层建筑结构声学优化设计方案,旨在为上层建筑结构声学设计提供参考.     

多孔吸声型声屏障降噪效果仿真分析

利用边界元法建立高速铁路区间直立型声屏障降噪预测模型,对添加硅酸盐基多孔吸声材料前后声屏障对降噪效果的影响进行数值计算。结果表明：厚度为0.08 m的硅酸盐基多孔吸声材料使得声屏障在距离线路中心30 m的铁路界限处噪声衰减量最大可增加12.5 dB;应用于声屏障的最佳硅酸盐基多孔吸声材料厚度为0.08~0.11 m。     

MEMS加速度计噪声分析与降噪方法研究

针对微机电系统(MEMS)加速度计的随机噪声对输出信号干扰的情况,提出了对加速度计噪声源及噪声类型进行辨识、估计与建模,并确定误差补偿的降噪方法,以提高加速度计精度.采用Allan方差分析法对MEMS加速度计的随机噪声进行分析,得到了影响MEMS加速度计性能的几种主要随机噪声,使用自回归滑动平均模型(ARMA)对加速度计输出数据进行数学建模,以最终预测误差(FPE)准则确定使用的模型与阶次.设计了Kalman滤波算法,对加速度计进行降噪,通过Allan方差方法对Kalman算法滤波效果进行分析.实验结果表明:Kalman滤波能有效降低加速度计的随机噪声.     

轻度认知障碍的BOLD信号MEMD降噪处理

早期诊断轻度认知障碍是干预阿尔茨海默症的有效途径.目前常使用静息态功能磁共振成像和机器学习方法进行轻度认知障碍的辅助诊断,其关键是使用血氧水平依赖(blood oxygenation level dependent, BOLD)信号构建大脑的功能性连接.针对大脑静息态BOLD信号中存在各种外界噪音干扰的问题,提出结合多元经验模态分解与皮尔逊相关的重构方法与极正极负重构准则,将大脑默认模式网络的中心节点后扣带回皮层作为模板,重构BOLD信号以降低外界噪音干扰.实验结果表明,基于极正极负重构准则降噪后的BOLD信号构建功能性连接,相较降噪前的数据,在分类性能方面可以提高数据的差异性,在特征选择性能方面可以对数据集降维的同时进一步提升分类性能.此外,以上性能均优于传统重构准则.最后,对降噪后的最优特征子集进行统计性分析,发现脑岛可能是默认模式网络的相关脑区,小脑蚓体与后扣带回皮层可能构成一种认知功能补偿网络,这是以往研究中少有提出的结论.     

利用频谱变换的水声信号分类框架

在水声信号分类应用中,由于保密或采集条件限制等原因,样本通常会不足,导致深度学习框架的分类精度不高.为解决小样本水声信号分类精度不高的问题,提出一种结合频谱变换和深度学习框架的方法.通过对各类频谱变换测试,发现LOFAR频谱变换能显著提高声音信号中的特征表现.使用GAN网络对频谱变换后的样本扩充,使用改进的CNN网络对频谱图进行分类.实验结果表明了上述框架可以生成高质量的样本,显著提高水声信号的分类精度.     

基于小波相位的噪声抑制方法研究

对弱小运动目标检测时,其图像信噪比很低,检测前需先进行噪声滤除.针对这一问题,提出一种基于单一尺度小波相位信息的噪声抑制新方法.利用同一尺度内噪声相位的突变性以及与邻近像素点相位的不连续性,将点相位系数与3×3窗口模板的窗相位系数之差和阈值做比较,判断是否为噪声.实验结果表明:图像信噪比得到显著提高,并较完整地保留了图像边缘和细节.