共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
常规波束形成技术包括时域波束形成技术和频域波束形成技术.由于实际空间采样的声阵是有限孔径的,常规波束形成的空间波束谱估计具有加窗效应,所以分辨力不高,另外由于它是固定旁瓣响应,所以不能有效的抑制强干扰。为克服常规波束形成的不足,本文利用广义旁瓣干扰抵消自适应阵处理的原理,仿真研究了自适应波束形成分辨力与抗干扰能力的提高. 相似文献
5.
通过对自适应消噪技术理论分析和实验研究,成功地将其应用于旋光准直仪中,用自适应消噪技术对远近距离多种不同准直测量的实验结果进行处理。结果表明:在不同实验条件下,消噪后补偿度达30%-80%。 相似文献
6.
针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。 相似文献
7.
8.
9.
10.
针对水下成像时圆弧阵常规波束旁瓣级较高,当存在强干扰时容易带来较多虚警的缺点,提出一种基于二阶锥规划的稳健低旁瓣自适应波束形成方法。该方法通过对波束旁瓣进行优化设计,可以将波束旁瓣级进行严格控制,并进一步结合协方差矩阵重构法,使波束形成器的稳健性得到提高,最后将该波束优化问题转化为二阶锥规划问题进行求解。计算机仿真结果表明,相较于其他算法来说,文中算法在波束旁瓣级得到严格控制的同时,可以在存在各类失配的情况下获得更高的输出信干噪比,稳健性更高。水池实验进一步验证了该方法的有效性,该研究成果可以在声呐成像领域应用。 相似文献
11.
简要介绍了独立分量分析的基本原理及算法,探讨了结构的正规坐标与独立分量的关系。分析认为,结构自由振动响应的振型分解可以看做是一个ICA问题。因此,可以把独立分量分析发展成为一种利用结构自由振动响应时域信号进行模态参数识别的方法。结合数值仿真算例及振动试验,验证了独立分量分析用于结构模态参数识别的有效性。结果表明,独立分量分析可以准确的从结构自振响应中,分离出各正规坐标,同时估计出各阶模态振型向量,适用于环境激励下的工作模态参数识别。 相似文献
12.
针对故障分析信号中存在噪声问题,提出一种将相空间重构与独立分量分析相结合的局部独立投影降噪算法。其中相空间重构的目的在于从高维相空间中恢复混沌吸引子,独立分量分析能够找到信号的主流形,选择邻域是为了将特征相近的相点结合在一起。使用该方法对正弦仿真信号和Lorenz仿真信号进行降噪处理,结果表明局部独立投影降噪算法的降噪效果与局部独立分量分析算法降噪效果接近,但优于全局投影降噪算法。运用该方法对低速重载轴承振动信号进行分析,准确判断出轴承故障。 相似文献
13.
14.
ICA的近红外光谱分析软件的研制 总被引:1,自引:0,他引:1
研制了基于独立分量分析方法的近红外光谱分析软件.该软件包括光谱解析、光谱建模和未知成分含量测定三个模块,使用了小波分析、ICA和BP神经网络等数据处理方法.将这种软件用于实测的玉米近红外光谱分析,所得结果令人满意.使用LabVIEW与MATLAB软件混合编程,充分利用了各软件的优点,不仅程序简单,而且界面友好. 相似文献
15.
16.
噪声自适应消除是声纳信号处理的重要研究内容之一.传统的噪声自适应抵消算法需要单独的阵列(阵元)以获得不含期望信号的参考噪声信号,这在实际工程应用中往往是不现实的.提出在不增加阵元的情况下,通过相邻两个阵元输出信号进行加权处理,合成一路不包含给定方向信号的噪声信号;同时,借鉴语音信号处理中普遍应用的谱减降噪处理方法,达到... 相似文献
17.
近红外光谱数据处理的独立分量分析方法研究 总被引:2,自引:1,他引:1
从数学的角度分析比较了主成分分析(PCA)与独立分量分析(ICA)的原理和特点,给出光谱矩阵在两种不同分析方法下的不同分解;同时结合线性回归和神经网络回归,提出"两步法"来确定不同成分含量测定的最优模型.进而采用PCA与ICA对实际测得的玉米近红外光谱进行了处理,比较分析了两种不同分解所得矩阵的化学含义,以及PCA与ICA两种不同分解对玉米光谱分析结果的影响.仿真结果表明,ICA从独立性角度对光谱数据矩阵进行分解,所得结果更接近实际光谱.最后,利用"两步法"对玉米三种主要成分水、淀粉、蛋白质分别建立了各自最优含量测定模型.结果表明,所建模型符合快速测定要求,具有一定的实用价值. 相似文献
18.
19.
Abstract An independent component analysis (ICA) method for image separation by geometric transformation of a scatter diagram is proposed. Geometric transformation and normalization are used to project mixed image signals to independent component space. This method includes four procedures: data correction, whitening, geometric rotation, and slant compensation. Several synthetic mixed image and real applications are used to evaluate the performance of the proposed method. From experimental results, mixed images are separated accurately by the proposed method. 相似文献