随机相位噪声对成像的影响及其改善方法

从雷达成像的原理出发,分析了方位向随机相位误差对点目标成像的影响,提出了通过对线性调频信号模糊图进行旋转,矩阵奇异值分解来减弱随机相位噪声影响的方法。仿真结果表明,该方法能有效地减弱随机相位对成像噪声的影响。     

相位噪声对双基SAR成像影响仿真分析

通过仿真分析研究了振荡器相位噪声对双基SAR成像的影响。根据振荡器相位噪声的幂律模型,建立了含有相位噪声的双基SAR相位同步误差模型。利用白噪声滤波法得到幂律谱中有色噪声的时域序列,在回波仿真过程中注入相位噪声,通过双基SAR成像处理和点目标质量评估,对比分析了在不同分辨率下相位噪声对成像性能的影响以及高分辨率成像对噪声的要求。仿真发现相位噪声主要使方位向PSLR、ISLR变大并使旁瓣上升,其中积分旁瓣比和峰值旁瓣比对噪声最敏感,并且方位向分辨率越高对噪声越敏感。文中的分析方法和结论对于双基SAR的工程实现具有一定的指导意义。     

频率源相位噪声对双站SAR性能影响分析

双站SAR系统中,收发单元基于非相干频率源完成信号的发射和接收,在方位向上引入由频率源噪声导致的随机相位误差,影响了SAR系统的性能.该文使用基于标准正交基的随机过程展开方法,基于标准勒让德正交基,将随机相位误差展开为正交多项式,分析了随机相位误差对图像偏移和主瓣展宽的影响,还分析了随机相位误差对图像副瓣性能、主瓣相位的影响.并通过仿真对理论分析进行了验证.     

基于相关性的超声合成孔径成像信号相位校正

针对超声合成孔径成像过程中,非均匀介质和检测表面不平整引起的相位聚焦畸变对成像分辨率的影响,研究了一种基于信号相关性校正相位畸变的方法。通过计算参考A扫与其他A扫的相关性,采用优化方法估计信号相位偏差量,其中考虑了线性误差、非线性误差及其叠加项对相位估计的影响,并建立了相应的优化估计目标函数。为了验证所研究方法的有效性,进行了计算机仿真和实际数据实验,计算机模拟实验中研究了随机相位屏产生非均匀介质相位畸变的方法。实际数据实验结果表明:本文所研究的方法能有效校正非均匀介质和表面不平整带来的相位畸变,提高超声合成孔径成像的峰值信噪比和横向分辨率。     

MR图像运动伪影的遗传算法校正

磁共振成像过程中,由于患者的生理运动或自主性运动会使扫描数据发生相位偏移,致使重建图像含有运动伪影,从而降低成像的质量,而且严重的伪影则会影响医生对病灶的精确定位。为了能有效地抑制运动伪影,利用遗传算法高度并行、随机和自适应全局寻优的特点,提出了基于遗传算法的运动伪影修正方法,即采用逐次修正扫描信号在K空间中已偏移的相位的方法来抑制伪影。基于遗传算法的修正方法,由于能有效校正扫描数据的相位偏移,因而可达到抑制运动伪影的目的。实验表明,该方法对由较小运动引起的伪影有很好的抑制作用,对含噪声及较大运动引起的伪影的抑制作用,与经典的迭代算法相比,也有很大地改善。     

本振相位噪声及其对GMSK解调性能的影响

GMSK调制方式在空间通信中的应用越来越受重视,本振相位噪声对GMSK解调具有不可忽略的影响.在分析相位噪声产生原理的基础上,推导了其时域和频域表达式,并对其进行了仿真验证.通过在GMSK的Simulink调制解调系统中加入相位噪声,仿真分析了不同程度的相位噪声对解调性能的影响.研究方法和结论可以推广到存在相位噪声的任意调制类型的解调系统,对解调系统的优化具有重要参考价值.     

本振相位噪声对干涉式综合孔径辐射计性能的影响

从两路接收信号的相关系数方面分析相位噪声对毫米波综合孔径辐射计的影响。利用非线性方法对本振信号的相位噪声建立的模型进行仿真。研究了在相关系数幅度和相位不同的允许误差范围内对本振相位噪声的指标要求。     

线性相位误差对FMCW SAR成像质量的影响

FMCW SAR具有体积小、重量轻、成本低、分辨率高等一系列优点,相位误差是SAR成像质量下降的主要原因,因此,相位误差对FMCW SAR成像质量的影响将成为一个热点.首先分析了线性相位误差对成像质量的影响,然后推导了存在线性相位误差的FMCW SAR的信号模型,并提出了补偿线性相位误差的方法.最后,给出了仿真验证.     

一种被动式毫米波干涉成像相位校准方法的应用及仿真

被动式毫米波孔径合成辐射计是采用稀疏的天线阵来进行干涉成像。成像中可视度的相位误差对成像质量影响很大。给出了影响可视度误差因素的分析,并对整个校准系统进行了结构建模,同时介绍了一种对可视度相位进行实时校准的方法--冗余基线校准法(Redundant SpacingCalibration,简称RSC),仿真了两种天线布局下的校准效果,证明了冗余基线校准方法对被动式毫米波干涉成像中相位误差校准的有效性。     

相位噪声对WLAN系统的影响

相位噪声是引起WLAN系统射频失真的重要原因之一.针对相位噪声引起的射频失真对WLAN系统误比特率的影响问题,引入和分析了一种相位噪声模型并把此模型产生的相位噪声用于WLAN系统中.通过对WLAN系统的分析和计算机仿真,研究了相位噪声对该系统误比特率的影响.仿真结果说明：相位噪声也是系统的噪声源,不能忽略.当系统采用16QAM调制时,相位噪声对系统误比特率的影响较大;而当该系统采用BPSK调制时,相位噪声对该系统误比特率的影响较小.这些仿真分析结果在实际应用当中具有重要的意义.     

基于奇异值分解及形态滤波的滚动轴承故障特征提取方法*

针对滚动轴承振动信号故障特征信息往往被强背景噪声淹没的问题,提出一种基于奇异值分解和形态滤波的振动信号故障特征提取方法。该方法利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号自身特征的关系,选择轨迹矩阵中主要反映冲击信息明显的奇异值进行信号重构的方法来滤除信号中的平滑信号和部分噪声,获取带噪声的冲击信号;然后利用形态滤波能有效滤除脉冲干扰噪声的特点,反其道而行之,从而提取信号的冲击故障特征的方法,并将该方法应用于轴承的振动信号的故障特征提取。仿真与实例表明,该方法能有效提取强背景信号及噪声中的弱冲击特征信号,是一种有效的弱信号特征提取方法。     

强噪声背景下钢丝绳损伤信号降噪方法

钢丝绳损伤信号是一种非平稳无周期性的冲击信号,其特征信号的降噪处理和特征提取成为亟待解决的难题。小波变换方法若小波基或者分解层数不适合,会在信号降噪的同时引入其他噪声干扰,影响信号处理与特征提取的效果。相较于小波变换方法,移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪,但移位窗宽需要人为选择,盲目性大。针对上述问题,提出一种强噪声背景下钢丝绳损伤信号降噪方法。利用钢丝绳漏磁检测传感器采集不同类型的断丝数据,向信号中加入强高斯白噪声,以模拟强噪声背景;采用自适应移位平均法对钢丝绳损伤信号进行降噪,利用量子粒子群优化(QPSO)算法优化移位平均法的窗宽;将损伤信号的信噪比(SNR)作为适应度函数,通过QPSO算法使得损伤特征信号SNR最大化,从而实现最优信号降噪效果。实验结果表明,对于强噪声背景下的钢丝绳平稳和波动信号,相较于小波变换,自适应移位平均法的降噪效果更明显,信噪比更高,信号更为平滑。实测结果表明,对于现场采集的噪声相对弱一些的钢丝绳损伤信号,自适应移位平均法的降噪效果也比小波变换好,验证了自适应移位平均法具有较好的通用性。     

心音信号的自适应小波去噪

在采集心音信号过程中,难免要引入噪声,这些噪声影响到心音的分析结果。由于心音信号的非平稳性,普通的滤波方法在滤去噪声的同时,会丢失部分心音成分。文中提出了一种新的基于小波变换的自适应滤波方法,该方法能够有效抑制噪声,经实例验证,取得了满意的结果。     

基于SVD-EMD的有效微弱信号提取算法

针对奇异值差分谱的信号提取方法不能有效提取出强噪声环境中的微弱信号这一问题,提出了一种基于奇异值分解(SVD,singular value decomposition)和经验模态分解(EMD,empirical mode decomposition)相结合的微弱信号提取方法。采用奇异值差分谱选择奇异值进行信号重构,提取出带噪部分信号,对其进行EMD分解和SVD降噪处理,叠加得到降噪后的信号。仿真结果表明,该方法能够准确提取微弱信号信息,并能有效地去除信号噪声。     

SVD与小波变换相结合抑制面波与随机噪声

为了从含强面波干扰和随机噪声的地震记录中提取有效信号,将每条面波同相轴旋转为水平后,用奇异值分解(SVD)方法恢复出来,再从原始地震记录中消除面波,最后用小波变换方法滤除部分随机噪声。根据同相轴走向与SVD第一奇异值、第二奇异值之间的关系,提出了一种新的判别最佳面波同相轴走向的依据,并用于处理合成地震记录,有效地去除了面波。     

SVD域的图像高斯噪声强度估计

精确估计图像或视频中的噪声强度对于后续的信号处理是至关重要的先决条件。通过对含噪图像的奇异值特性的研究,提出一种精确的SVD域的图像噪声强度估计算法。该算法对噪声强度估计提出了创新的解决方法:1)利用奇异值的尾部数据进行噪声强度估计,这样达到尽可能地降低图像信息对噪声估计的干扰;2)对含噪图像加入已知强度的高斯白噪声,以计算噪声估计时需要设置的与图像内容相关的参数,因此该算法可以自适应图像的结构,能够广泛地适应各种类型的图片。实验结果表明SVD域噪声强度估计算法适用于各种图片类型,而且在极大的噪声强度范围内都能够稳定精确地估计噪声强度。     

基于变分模态分解和高阶统计量的梯级故障诊断研究

自动扶梯是地铁车站内必不可少的大型公共交通设备,一旦发生故障,小则影响运营,大则引发安全事故;梯级作为自动扶梯的重要结构部位,其固定螺栓松动必然会导致自动扶梯运行异常;针对梯级振动信号故障特征难以提取的问题,提出了变分模态分解(VMD)和高阶统计量(HOS)联合来对自动扶梯故障特征提取;该方法首先对原始振动信号进行VMD分解,得到K个固有模态分量(IMF);然后对主IMF分量进行奇异值分解(SVD)降噪,对去噪后的主IMF分量进行重构得到新的信号;最后通过高阶统计量对新的信号故障特征提取,并利用随机森林分类算法对三类不同的振动信号样本进行分类识别,确定梯级振动故障类型;实验结果表明,该方法可以有效地提取故障特征,实现故障诊断与分类。     

微弱信号锁定放大器噪声抑制新技术

检测微弱信号最有效的技术就是锁定放大技术,当噪声为有色噪声或噪声频率等于被测微弱信号的频率或奇数倍时,传统的锁定放大器技术不能进行有效地抑制或消除。针对有色噪声的抑制和消除,提出了跳频、跳时锁定放大技术;针对抑制和消除与信号同频的噪声,提出了移相调制锁定放大技术;针对抑制和消除与频率为信号频率奇数倍的噪声,提出了奇次倍频同步调制锁定放大技术;并给出了相关的实现方法。     

基于SVD-AR模型与VPMCD的轴承故障诊断方法

针对强噪声背景下振动信号故障特征难以提取的问题,提出了基于奇异值分解的自回归(SVD-AR)模型,用于提取振动信号的特征,并与变量预测模型模式识别(VPMCD)方法相结合应用于轴承故障诊断.对轴承振动信号进行SVD;然后,利用奇异值差分谱对分量信号进行筛选,对能够反映故障信息的分量信号建立AR模型,提取轴承振动信号的特征信息;采用VPMCD对滚动轴承运行状态进行识别.实验证明了方法的合理性和有效性.     

微弱正弦信号参数估计算法研究

该文提出了一种强噪声背景下微弱正弦信号频率、幅值与相位三个参数的估计算法.根据离散小波变换,对强噪声背景下采样序列进行预处理,构造N+2个新的序列.对该序列实施离散傅里叶变换,结合序列的构造方式得到了正弦信号频率,相位和幅值的估计算法.仿真实验表明,在不同类型的噪声背景下,该算法具有较高的估计精度与较强的鲁棒性.