一种优化的舰船基频特征提取算法

舰船目标的轴频是表征其目标类别的一种本质特征，有效地提取这种特征可以提高对水中目标的检测能力。本文基于多重自相关的目标推进器噪声的基频分析，利用1D模糊处理的方法求取了基频分布频段中各频点基频出现的置信度，通过对目标噪声基频分析中的线谱分量及线谱分量对应频点的置信度阈值门限实现对舰船目标基频特征的提取，完成对目标的检测识别。利用海上多种型号和多种工况目标的大量实录数据检验结果表明，文中基于多重相关功率谱和信息融合置信度阈值的基频提取方法对水中目标的检测具有良好效果，检测概率达到92．5％。     

基于组合时频分析的跳频信号盲分离算法

针对混叠跳频信号盲分离中特征矩阵对应的自项时频点选取不准和联合对角化正交约束性问题,提出了一种基于组合时频分析的跳频信号盲分离算法。该算法先提出GaborSPWVD组合时频分析,利用其时频图清晰的优点准确提取具有特征矩阵结构的自项时频点,然后构造自项时频点的空间时频矩阵,并利用最小二乘原则对其进行非正交对角化,最后实现分离矩阵的估计以及多个混叠跳频信号的盲分离。仿真结果表明,该算法不仅能有效实现不相关跳频信号的盲分离,还可以实现相关跳频信号的分离,与TFBSS算法在不同信噪比条件下的分离性能相比具有更好的抗噪能力。     

基于双门限盒维数与信息维数的协作感知方法

由于认知超宽带系统在频带范围内授权信号调制样式已知,考虑到传统循环谱特征检测的不足,提出一种结合双门限盒维数与信息维数的协作频谱感知方法。该方法首先通过采用双门限盒维数检测,快速有效地实现频谱感知,然后,根据认知超宽带频谱感知的特殊性,引入信息维数对信号调制样式进行识别。仿真结果表明:该协作方法能够取得较好的检测效果,复杂度低,对噪声不敏感,能够有效识别信号调制样式、区分噪声与授权信号,适合于认知超宽带系统。     

基于小波尺度相关的船舶轴频电场信号检测算法

针对现有船舶轴频电场信号检测算法检测微弱信号能力弱和计算量大等问题,提出了基于小波尺度相关的目标检测算法。该算法利用目标信号和噪声在小波变换各尺度上相关性的差异,求取实测信号的两重小波相关系数,并对其进行二次小波变换,将变换后的两重小波相关系数作为检测信号进行滑动功率谱检测。实测数据对滑动功率谱算法、基于小波包分解的检测算法和本文算法的验证结果表明,本文算法能在更低信噪比情况下有效地将微弱的轴频电场信号从环境背景噪声中检测出来。     

基于循环平稳特性的时频分析法欠定盲源分离

基于二次时频分布的算法是解决欠定盲源分离问题的一种有效方法。不同于传统算法,针对循环平稳信号,借助分段平均的周期图法求解谱相关密度函数,并利用其实现Wigner-Ville时频分布的重构。计算信号时频分布矩阵并找出自源时频点,利用自源时频点对应的时频分布矩阵构建新的3阶张量模型。利用平行因子分解,直接实现源信号的分离。该算法不需要假设任意时频点的源数目,不大于混合信号数目。仿真实验结果表明,所提出的方法可以有效地抑制噪声,并且只需要一步即可实现源信号的恢复,避免“两步法”造成的误差叠加,提高了盲源分离的效率和性能。     

基于形态学运算的子带频谱检测算法

针对现有频谱检测算法无法解决不同信道之间的噪声基底差异的问题,提出了基于形态学运算的双门限自适应子带频谱检测算法。该算法首先利用形态学运算对信道噪声基底进行估计,将其减去后,消除了复杂噪声背景的影响;然后采用自适应双门限频谱检测算法实现子带信号的检测,当检测统计量处于两个门限之间时,采用模糊理论进行判定。仿真结果表明,该算法能够在噪声起伏较大的背景下完成子带信号检测,检测概率优于传统双门限算法和基于差分运算的双门限算法。     

多跳频信号参数估计时频分析算法

为了解决噪声及干扰环境下多跳频信号参数估计难度大的问题，提出一种多跳频信号参数估计时频分析算法。首先对信号进行短时傅里叶变换得到时频图像，针对不同干扰的时频分布特点，通过能量对消、自适应阈值法、形态学滤波消除各类干扰影响，实现跳频信号的提取；通过区域联通标记算法标记各个跳频簇，并通过各跳频簇时长实现多跳频信号分选。利用改进的PAM聚类算法，完成跳频频率和跳频周期的估计。仿真实验表明，与通过提取时频脊线方式进行参数估计的算法相比，该算法具有更高的估计精度，同时能够准确分选出多跳频信号，在各类干扰影响下，仍具有较高的估计精度。     

跳频信号2D-DOA高精度估计算法

针对传统二维多重信号分类(MUSIC)算法进行跳频信号二维波达方向估计,在低信噪比和快拍数较少时估计精度严重下降问题,提出一种基于二阶偏导MUSIC跳频信号2D-DOA高精度估计算法。该算法根据跳频信号2D-DOA估计空间谱函数的特性,利用离散函数的二阶偏导特性,重建新的空间谱函数,将原谱峰搜索转化为负向谱峰搜索。理论分析与仿真结果表明,所提算法相比较MUSIC算法在没有显著提高算法复杂度的前提下,提高了低信噪比和小快拍数下的估计精度。     

基于最小互信息算法的跳频信号接收方法

针对增大发射功率和自适应天线对于跳频系统抑制调频噪声干扰的局限,采用盲源分离理论,提出了基于最小互信息算法的跳频信号接收方法。该方法首先在射频利用盲源分离算法——最小互信息算法将跳频信号与噪声调频干扰分离开,然后对分离得到的跳频信号进行解跳,从而得到发射的信号。由计算机仿真表明,在相同的干扰强度下,与传统的接收方法相比,提出的接收方法具有更低的误码率和更强的抗干扰能力。     

基于单矢量水听器时频声强法的非合作水声跳频信号多维参数估计

针对传统方法对水下非合作跳频信号的多维参数估计效果不佳的问题,提出一种基于单矢量水听器时频声强法的非合作水声跳频信号空时频参数估计方法。利用矢量水听器声压通道与振速通道的接收信号建立时频域的短时互谱分布,分析噪声与信号在时频域分布的差异,通过迭代去噪法与连通域方法,对噪声进行抑制并平滑每跳的能量分布;采用复声强法对短时互谱矩阵进行处理,得到清晰稳定的跳频信号空时频分布;提取空时频分布的脊线并利用Haar小波变换对脊线进行奇异点检测,估计出信号的多维参数。仿真和水池试验结果表明,当信噪比大于-5 dB时,所提方法得到的参数估计归一化均方根误差小于0.05。     

基于超波束幅度权的盲空间谱减干扰抵消方法

针对影响拖曳线列阵声纳系统目标检测性能的拖船自噪声与友邻舰艇辐射噪声这两种典型近场强干扰源,提出基于超波束幅度权的盲空间谱减干扰抵消方法。利用超波束技术形成强干扰方位区域的多波束,获取干扰波束的幅度谱。通过合适的谱减策略,将基元域的幅度谱减去干扰波束的幅度谱,得到干扰抵消后的基元域信号幅度谱,继而转换为基元域的频域信号。通过频域块自适应滤波算法完成目标方位估计。宽带仿真结果与海试表明,这种方法在强干噪比和低信噪比条件下比最小方差无失真响应和传统基元域干扰抵消方法在阵增益方面提高约10 dB,能够同时抵消拖船干扰和邻近目标强干扰,且有效降低了检测背景的起伏。     

无线电引信频域恒虚警率目标检测算法

针对无线电引信时域信号处理在小目标检测中的不足,根据CA-CFAR(单元平均恒虚警率)检测理论以及PD(脉冲多普勒)雷达回波频谱特性,设计了频域CFAR(Constant False Alarm Rate恒虚警率)目标检测算法。算法通过对回波信号作时频域变换,在频域上,以频率为单元对当前检测与历史平均检测作比较来检测目标存在。以FPGA+DSP搭建的硬件信号处理平台对算法的半实物仿真表明:该目标检测算法对小目标信号具有较好的检测效果。     

一种基于时频分析的多跳频信号盲源分离算法

针对多个无人机遥控信号的分离问题,提出一种基于时频分析进行数据处理的多跳频(frequency hopping, FH)信号盲源分离(blind source separation,BSS)算法。利用不同跳周期的跳频信号驻留时间的差异性,改进时频脊 线的提取;利用小波变换检测改进后时频脊线的突变点,求脊线最大驻留时间即为跳频信号中的最小跳周期;分离 出不同跳周期的跳频信号,并基于时频能量值的不同,对不同信号幅度的跳频信号进行盲源分离。结果表明：与同 类算法相比,该算法在不依赖多通道数据的采集及混合矩阵估计等情况下,可实现单通道情况下多跳频信号的盲源 分离,具有一定的工程应用价值。     

改进的快速短时傅里叶变换算法在跳频信号分析中的应用

考虑到哈特莱变换对于实信号频谱分析的高效性，在分析哈特莱变换与傅里叶变换相互关系的基础上，给出了离散哈特莱变换（FHT）基2算法的推导，并将其计算量与FFT算法进行了比较，最后应用高效的离散哈特莱变换（FHT）基2算法对快速跳频信号进行了STFT时频分析。仿真结果表明该方法能够有效地分析随时间快速跳变的跳频信号。通过比较可以看出该算法运算量较小，可有效节约运算时间，适合于快速跳频信号的实时分析和跟踪干扰。     

脉冲多普勒引信抗有源噪声干扰性能研究

为提高脉冲多普勒引信抗有源噪声干扰性能,定量研究有源噪声干扰对其作用机理,以处理增益为表征参量,基于功率谱定量研究了脉冲多普勒引信的抗有源噪声干扰性能。理论推导了在射频噪声、噪声调幅和噪声调频干扰作用下脉冲多普勒引信从接收回波至相关检测这一过程的输入、输出信干比和处理增益,获得了影响脉冲多普勒引信抗有源噪声干扰能力的信号特征参数,并进行了仿真验证。定量分析与仿真结果表明：脉冲多普勒引信具有较强的抗有源噪声干扰能力,抗有源噪声干扰能力主要决定于脉冲占空比与多普勒滤波器带宽。     

基于頻段能量归ー化处理的自适应波束形成方法

给出了一种基于频段能量归一化处理的宽带最小方差无失真响应算法。该算法首先将宽带信号的各窄带快拍向量进行能量归一化处理，然后计算窄带输出功率，最后通过对各窄带输出结果进行平均或求和得到最终空间能量谱。它不需要阵列噪声和目标信号的任何先验信息，只要阵列噪声的频谱幅度在频段间的起伏较为剧烈，而目标信号的频谱幅度起伏较为平缓，该方法就能取得较常规处理方法更优的信号检测性能。利用最优信号检测理论证明了该算法的有效性，利用仿真和实际数据进一步验证了算法的性能。仿真结果表明：文中算法较常规处理方法的处理增益提高约4 dB.     

改进的噪声对消算法在无源探测中的应用

为了削弱无源探测系统中存在的强噪声,提出了多路参考信号自适应噪声抵消算法.利用目标回波信号与噪声信号的传输通道差异性,通过对接收阵列各阵元接收信号求差得到多路参考信号.仿真结果表明,该算法可以有效抵消噪声,从而提高系统中弱信号的检测性能.     

基于径向基函数网络的引信泄露信号对消器设计

阐述了自适应干扰对消的基本原理，并基于自适应投影原理，提出了构造和训练RBF网络的自适应投影算法。并在此基础上设计了一种基于RBF网络的引信泄露信号对消器。实验仿真证明该自适应对消器是行之有效的。     

Research of the Adaptive Beamformer Based on the Frequency Energy Normalization

An algorithm of broadband minimum variance distortionless response （MVDR） based on the frequency energy normalization is proposed. First, every narrowband frequency component of the broadband signal is normalized by the total narrowband energy of all array elements, and the narrowband power is calculated by MVDR. Finally, final spatial energy spectrum can be obtained by averaging or summing all results of every narrowband frequency bin. Any prior-information about the noise or the signal is unnecessary for the proposed method in this paper. The processing gain of the proposed method compared to the conventional broadband MVDR can be obtained as long as the amplitude fluctuation of the array noise frequency spectrum is severer than that of the target signal. The validity of the method is validated by the optimal signal detection theory. Simulation and real data are used to validate the performance of the method. Analysis results show that about 4 dB processing gain compared to the general broadband MVDR can be reached by the proposed method.     

一种基于谱分析的非带限卫星信号信噪比估计算法

为了实现对非带限卫星信号信噪比的快速高精度估计,分析了传统的基于谱分析的信噪比估计算法的对非带限卫星信号估计不准的原因,提出了一种新的基于谱分析的信噪比估计算法;该方法利用主瓣范围内信号功率与信号总功率之比和主瓣范围内噪声功率与噪声总功率之比求得信号功率和噪声功率,从而得出信噪比;对BPSK和QPSK信号的仿真结果表明：新算法性能稳定,可有效提高估计精度,在－10～10 dB的范围内,估计的偏差和均方根误差基本都小于0．5 dB;提出的新的基于谱分析的信噪比估计算法可用于各种调制方式,计算复杂度小,可以满足对非带限卫星信号信噪比估计的需求。