基于SVD-TLS的ARMA谱估计及应用

提出了基于SVD-TLS法估计ARMA信号模型的AR阶数和参数的方法, 并利用Cadzow谱估计子计算ARMA功率谱.在对包含两个非常接近的频率成份的模拟数据进行计算机仿真的基础上, 提出了利用SVD-TLS法计算ARMA功率谱存在的问题和建议.对真实的动态观测数据计算ARMA谱, 并与Burg最大熵谱法和传统的周期图法进行了对比分析.计算机仿真结果表明, SVD-TLS法可以用较少的AR阶数实现高分辨率的ARMA功率谱估计.     

鱼雷声引信目标回波高精度频率估计方法

针对鱼雷与潜艇交会近场区体目标效应对多普勒频率估计精度的影响,提出了一种快速高精度提取潜艇回波多普勒频率信息的频率估计方法。该方法是基于Rife算法和Quinn算法的联合频率估计方法,充分利用Rife算法运算量小,易工程实现的特点,同时结合Quinn算法良好抗噪性能进行快速频率估计。针对Rife算法和Quinn算法在离散傅立叶变换（DFT）量化频率点附近估计误差偏大的问题,采用对Rife算法和Quinn算法频率修正项进行加权的方法提高该区域的频率估计精度。仿真结果表明,该方法计算量小、频率估计性能稳定且估计均方根误差在整个频段上比Rife算法和Quinn算法更接近克拉美-罗下限,能较好满足反潜鱼雷主动声引信实现精确炸点预测的要求。     

小波包分析与能量算子结合的声目标特征参数

为了解决强噪声下识别率低的问题,提出了一种新的战场声目标特征参数提取方法。该方法将小波包分析和Teager能量算子(TEO)相结合,采用小波包对带噪声信号进行分解,对分解系数计算Teager能量。实验结果表明:基于小波包分析和Teager能量算子的特征参数提取方法具有良好的抗噪性能,提高了噪声环境下的声目标识别的准确率。     

对称相关用于直升机声信号特征提取

针对直升机声信号中混有与信号不相关的随机噪声,提出了一种将对称相关函数法和MUSIC算法相结合的直升机声目标特征提取新方法。采用MUSIC算法提取直升机声信号的对称相关函数的谐波频率,从而可以得到直升机声信号的谐波频率,将其作为目标特征。计算机仿真结果表明:与传统方法相比,该方法可以抑制噪声,突出谱峰位置,准确地体现直升机声信号的谐波特性。     

基于小波域OBF分解的磁异常信号检测算法

针对传统的OBF分解算法在非高斯噪声下检测性能较差的问题,提出了基于小波域OBF分解的磁异常信号检测算法。首先对含噪信号进行小波分解,提取最后一层的低频分量;再对低频分量作OBF分解,提取能量特征信号进行门限检测。试验结果表明,该算法显著增强了非高斯噪声下微弱磁异常信号的检测效果。     

小波变换去噪方法在声目标识别系统中的应用研究

简要介绍了小波变换的原理和常用的几种去噪方法，并对这些方法的去噪性能作了简单的比较。通过比较提出了一种适合于被动声目标识别系统的去噪方法。该方法运算量小，去噪效果明显，这对于改善声目标识别系统的抗噪性能是十分有意义的。     

非线性调频模态分解-同步提取变换方法及其在滚动轴承故障诊断中的应用

传统同步提取变换（SET）方法在处理多分量非平稳复杂信号时,各相邻分量的瞬时频率差要大于窗函数频率支撑范围的2倍,否则时频结果易发生频率混叠,而工程信号常常难以满足。此外,在处理高噪的复杂信号时,其时频分辨率往往不理想。针对此不足,将非线性调频模态分解(VNCMD)引入SET中,提出一种VNCMD-SET的故障诊断方法。利用VNCMD通过结合解调手段以及变分模态分解的联合优化方案来有效处理频率临近甚至交叉的非平稳信号,对故障信号进行分解重构,对该重构信号进行SET处理。将所提方法与传统SET方法进行对比研究,并进行实验验证。仿真和实验结果表明：VNCMD-SET方法明显优于传统SET方法,克服了传统SET方法的不足;VNCMD-SET方法能有效提取出故障信号的频率特征,且不发生混叠,同时具有一定的抗噪性能。     

改进的Roberts图像边缘检测算法

针对复杂背景下图像边缘检测中存在抗噪性能不强、边缘不连续等问题,提出了改进的Roberts边缘检测算法。该算法采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值;并利用图像块之间相似性的三维块匹配的去噪模型,提高Roberts算子的检测精度和抗噪性能;通过最佳阈值迭代方法代替人为指定阈值来获取最佳分割阈值,有效地提取图中目标轮廓。仿真实验结果表明,该算法PSNR达到33dB左右,比抗噪形态学边缘检测算法和一种改进的Roberts和灰色关联分析的边缘检测算法抗噪性能好,在抑制噪声干扰的同时,能保留边缘信息,较好提取目标的整体轮廓信息,为后续目标识别奠定基础。     

灰关联分析法在坦克声目标识别系统中的应用

提出了一种基于灰关联分析的坦克声目标识别算法。该算法提取坦克声信号线性预测系数特征作为关联参数,通过比较坦克声信号的灰关联值实现目标识别。仿真结果表明：该算法可以从信息不完全、关系不明确的坦克声信号中提炼主要因素进行识别,其实现方法简单,无噪背景下,平均识别率可达到90%。因此该算法在声目标识别系统中具有普适性和可行性。     

基于FFT并二次修正的Rife频率估计算法

针对修正Rife(M-Rife)算法在低信噪比条件下频率估计性能下降的问题,提出一种改进的频率估计算法。首先利用最佳修正因子对快速傅里叶变换(Fast Fourier Transform,FFT)最大谱线进行修正,然后用校正的Rife法公式估计频率。若被估计信号频率接近于FFT量化频率,则对信号进行频移以使信号频率位于两相邻量化频率中心,再用校正的Rife法公式估计频率。频移过程中采用Quinn法来确定频移方向。仿真结果表明:改进算法不仅在整个被估计的频段内具有较高估计精度,均方根误差接近于CRLB,而且具有低信噪比门限,整体性能要优于M-Rife法。改进算法能够满足反潜鱼雷主动声引信提取目标回波多普勒频率的应用要求。     

双谱估计在直升机声信号特征提取中的应用

根据直升机信号在更多情况下表现为非高斯的随机过程,提出采用高阶统计量对直升机声信号进行建模与特征提取,导出基于三阶累积量的直升机声信号非高斯参数双谱模型,讨论了双频域内直升机声信号特征提取的方法,并结合实例给出说明,最后指出将高阶统计量分析方法用于直升机声目标识别具有十分有意义的应用前景。     

水下主动声引信回波集成检测方法

针对水下主动声引信在复杂的自然干扰下难以准确检测的问题,结合目标回波信号与混响等干扰的各种宏观和微观信息,一方面利用改进的经验模式分解方法对引信系统接收的原始信号进行处理,得到不同模态的本征模式分量,以实现目标回波与混响的分离;另一方面利用本征模式分量得到瞬时频率方差检测统计量和能量检测统计量,将瞬时频率方差检测统计量和能量检测统计量进行组合,构建集成检测器,实现对水下主动声引信的优化检测。试验结果表明,与基于常规能量检测和瞬时频率方差检测方法相比,该方法具有更好的检测性能。     

基于目标过零特性与能量特性的声引信检测方法

利用目标出现引起的噪声波形单位时间过零点数均值与宽带能量的变化，提出了一种信号联合检测方法，用于被动声引信的微弱信号检测，以提高信号的检测性能。实验结果表明，提出方法较单纯的过零检测方法使信号增强5～8 dB，而较宽带能量检测方法能抑制噪声4—7 dB，算法运算量较小，在水中声引信系统具有良好的应用前景。     

一种基于独立成分分析的水下宽带信号波达方位估计方法

在水下目标特征信息缺乏、声纳阵列孔径有限的条件下,对水下宽带信号开展高分辨率、高精度的波达方位估计研究,具有明显的研究意义和应用价值。利用水下信源统计独立的特点,采用基于独立成分分析的状态一致性变换算法进行方位估计;考虑到水下加性噪声的高斯分布特性,利用小波降噪的预处理技术,消减混合信号中的高斯噪声成分;针对状态一致性变换在低频段的性能退化,提出一种空间重采样修正方法。使用上述基于空间重采样修正的状态一致性变换算法对仿真及海试数据进行处理,目标方位估计结果表明：该方法具有角度分辨率高、需要阵元数少、对先验知识依赖小、低频段性能稳定的优点,相比常规波束形成、子空间法、传统状态一致性变换3类方法更具性能优越性与实用性。     

主成分分析法及其在数据降噪中的应用

为从含有噪声的采集信号中提取有用信号,确保飞行器试验结果数据的准确性,提出采用主成分分析提取有用信号的方法。阐述主成分分析的基本原理,分析主成分分析与奇异值分解SVD分析的区别与联系,给出采用Hankel矩阵和采用不重复排列矩阵的主成分对单列信号进行降噪处理的方法,并对无趋势信号、有趋势项信号和含冲击成分示例信号进行降噪设计。结果表明:主成分分析对无趋势信号、有趋势项信号具有很好的去除白噪声的效果,但不适用于含冲击成分信号的降噪,该方法可为相关领域信号分析提供参考。     

采用主分量分析的非合作水声通信信号调制识别

由于信道传输特性、信噪比低等因素的影响,非合作水声通信信号的调制识别极具挑战性。对信号功率谱、平方谱进行主分量分析,提取代表不同类型调制信号特有信息的主分量作为特征参数,从而降低特征参数维度、抑制噪声影响,并在此基础上设计一种基于人工神经网络的水声通信信号调制方式分类器。海上实录信号数据的识别实验结果表明了该方法的有效性。     

结合形态滤波与多分辨率 SVD 包的电能质量扰动检测

针对电能质量的扰动检测问题,以电流信号为研究对象,提出结合形态滤波与多分辨率奇异值分解 (singular value decomposition,SVD)包的电能质量扰动检测算法。根据形态学滤波器计算特点,采用余弦结构元素, 对滤除噪声后的信号构造矩阵进行多分辨率 SVD 包分解,通过分解后的高频分量特征检测扰动,结合自适应阈值判 断是否发生扰动,利用仿真对其进行验证。仿真实验结果表明：该算法相较于普通形态学与 SVD 方法有更好的抗噪 能力,且可实现对扰动信号的快速、准确定位。     

鱼雷被动检测的盲分离对抗干扰方法

近年来由于海洋环境噪声级的不断提高,目标隐身性能以及水声对抗能力的不断提升,使得鱼雷被动目标检测方式的有效性受到极大的挑战。为了解决被动目标检测的抗干扰问题,采用近年来发展起来的盲信号处理方法,利用目标信号与干扰相互统计独立的原理,将目标与干扰盲分离,从而实现在强干扰条件下的被动抗干扰目标检测;在生成目标辐射噪声与模拟辐射噪声、冲击以及扫频干扰信号后,建立了多重干扰条件下的含噪信号混合模型,然后采用4种复盲分离算法进行了被动目标盲分离抗干扰仿真试验,并作了对比分析。仿真结果表明,通过盲分离方式可以有效地实现多种干扰的分离,提高了目标信号的信干比(SIR),从而改善了被动目标的检测性能。