基于多重信号分类法的线性调频差频频率估计

针对傅里叶方法估计线性调频连续波差频信号频率在小尺度上精度低的缺陷,提出利用多重信号分类法(Multiple Signal Classification,MUSIC)估计差频信号频率.该方法在频域上对自相关功率谱进行信号和噪声的空间分解,利用信号空间和噪声空间的正交性,完成对信号频率的超分辨估计.仿真计算和实验室测试表...     

基于Matlab的路面不平度功率谱计算

履带车辆行驶路面不平度采用加速度与光电开关传感器、电荷放大器、磁带记录仪进行测量.利用数据分析处理软件的import data将记录的数据导入到Matlab中,进行数据预处理,产生信号矩阵.通过滤波器、快速傅里叶变换、加速度功率谱估计、路面不平功率谱估计等对路面不平度的空间域功率谱进行计算和结果分析.     

地面运动目标分类的模式特征与评价

为了进一步对车辆目标分类，对实验获得的典型地面运动目标一轮式车、履带式车的地震动信号从频域、时一频域等多方面进行特征提取。在频域上，应用傅立叶变换、经典功率谱分析等常用的信号处理方法对信号进行处理，提取了信号的FFT特征和功率谱特征。在时一频域应用短时傅立叶变换、小波及小波包分析方法对信号进行处理，得到时频分布矩阵奇异值分布特征和小波包分解能量分布特征。之后基于距离可分性设计了一个模式特征可分性测度，对时域和时一频域所提取的各种特性进行对比评价，结果表明FFT特征、功率谱特征和小波分解后的能量特征具有更好的可分性。该结果与将各特征应用神经网络进行目标识别的结果是一致的。这表明所设计的模式特征可分性测度是有效的。     

基于FFT旋转弹丸转速数据处理方法

针对高速旋转弹丸的转速测试问题,分析了转速测量装置硬件设计和转速数据的处理方法。根据电磁感应原理。利用傅里叶变换技术将时域电压信号转换为频域信号,对含有噪声的电压信号进行频谱分析,提取幅值最大的频率分量所对应的频率值即可认为是弹丸的实际转速,其它频谱分量认为是噪声分量。在某靶场进行实际弹道实验,利用所提方法对实际实验数据进行处理,得到了全弹道的转速-时间数据。实验及数据处理结果表明:所提方法可行,对实际工程应用具有较大的指导意义。     

时频分析及曲线拟合在引信信号检波中的应用

为了实现引信炸点的选择和控制,提高引战配合性能,提出了结合短时傅里叶变换以及曲线拟合估计理论提取回波信号中有效信息的方法。该方法采用短时傅里叶变换对电磁引信回波信号进行包络解调,并利用3次多项式对包络曲线拟合,大大抑制了原曲线中存在的噪声,突出了信号在时频域上的特征,能够精确估计出雷目交汇最近点时刻。仿真结果表明,该方法估计精度高。     

基于短时傅里叶变换的舰船辐射噪声特征提取

舰船辐射噪声中往往包含舰船的类型、航速、吨位等各种重要的信息,对舰船辐射噪声的分析处理有利于对舰船进行分类、识别。由于舰船辐射噪声是由多个噪声源叠加而成,它们的发声机理各不相同,同时,海洋环境和水声信道的复杂多变,而舰船辐射噪声是一种非平稳、非高斯过程;因此,分析研究非平稳、非高斯的舰船辐射噪声显得十分重要。短时傅里叶变换是研究非平稳信号使用最广泛的方法,通过对实测舰船辐射噪声信号进行短时傅里叶变换分析,得出舰船辐射噪声的时域和频域特征,提供了一种有效分析舰船辐射噪声信号的方法。     

陀螺的噪声测量和分析

对两个相同的经过宇宙空间考验的液浮速率积分型陀螺(Ferranti公司125型)进行了噪声测量,这种陀螺采用可选择回路带宽的模拟再平衡回路技术,在典型的宇宙空间条件下工作。感兴趣的噪声频率范围为0.005至50赫。噪声信息被处理成一组统计参数(平均值,标准偏差,幅值范围,斜率和频率分布图)。此外,通过快速傅里叶变换,自-互功率谱与自-互协方差函数也一起确定出来。利用传递函数多项式,从闭路信息中计算出陀螺等效开路功率谱,并与直接测得的开路功率谱进行了比较。本文从这些结果中选出一部分加以介绍。     

差分二次平均修正的频域相位补偿线谱检测方法

针对常规平均功率谱方法幅度平方后相位信息丢失造成检测性能损失问题,通过对观测数据分段进行快速傅里叶变换后的统计特性进行分析,提出了高斯噪声背景下检测未知线谱的频域相位补偿方法。采用蒙特卡洛法估计相位补偿因子,先进行差分法去除零星野值,然后使用二次平均（TPM）去除连续野值,最后使用估计的相位补偿因子均值构造广义似然比检验统计量实现检测。从理论上对比了广义平均周期图（AVGPR）法、广义功率谱（GPR）法及文中方法的检测性能。仿真结果表明,文中方法充分利用信号的相位信息,参数估计简单,相位补偿因子估计准确,在一定虚警概率下较AVGPR法的检测性能提高了接近5 dB左右。     

LFMCW激光雷达门限检测技术

与脉冲激光雷达不同,线性调频连续波(LFMCW)激光雷达目标的距离与速度信息主要包含于回波的频率之中。目标距离与速度信息提取算法是建立在对目标频域信息成功检测的基础上的,若目标的频域信息未能准确检测,将直接影响后续信号处理。中频信号中的噪声经过傅立叶变换后,在频域中具有一定的统计特性,所以需要根据噪声在频域中的统计特性来确定频域门限检测的方法。文章主要讨论噪声情况下的频域门限检测方法。     

扩频信号的一种快速捕获技术

介绍了一种双频域并行捕获算法及其快速实现方法,该方法通过将时域的相关运算转换成频域傅里叶变换的乘法运算实现码相位的并行搜索,且基于频域圆周移位的原理,通过对傅里叶变换序列进行循环移位实现多普勒频率的并行搜索,大大减小了运算量和捕获时间。和其他算法相比,本算法捕获时间能缩小一个数量级,尤其适于宽范围高动态扩频信号的快速捕获。     

基于功率谱对消的时域相关认知跳频谱检测算法

认知跳频技术将认知无线电运用到跳频通信中,通过检测认知跳频频谱中的“频谱空穴”来更新跳频点集,避免频点碰撞,提高频谱利用率。针对频谱检测中的时域相关算法因噪声和授权信号的存在,导致频谱空穴的判定门限难以确定,从而使占用信号的检测概率较低的问题,提出了一种基于功率谱对消的时域相关算法来检测跳频谱。与未经过功率谱对消运算的传统时域相关算法相比,该算法能有效提高信号的检测概率,具有实时性好、克服白噪声不确定性、抑制授权信号干扰的优点。理论分析与仿真结果表明,基于功率谱对消的时域相关算法优于传统时域相关算法。     

舰船螺旋桨空化噪声建模与仿真研究

为了解决螺旋桨空化噪声的连续谱及其调制谱特性的建模与仿真问题,在对空化噪声 连续谱理论研究和实验分析的基础上,依据各空泡的崩溃时刻的随机性和准周期性及其辐射噪声 的波形结构,分4 种情况分别对各空泡辐射噪声的合成功率谱进行了理论分析,并进行了仿真验 证,提出了空化噪声连续谱的时域蒙特卡罗仿真模型;结合螺旋桨空化噪声时变特性的物理机理, 提出了螺旋桨空化噪声调制波形仿真算法。理论分析和仿真结果表明,螺旋桨空化噪声调制特性 频域不均匀性本质是空化噪声连续谱形状的不稳定性造成的。     

自动机机箱振动分析与诊断研究

自动机射击动作时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性;针对自动机实射动作冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析。根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量,并用比例梯度动量共轭算法训练的神经网络模型进行自动机状态定位与故障识别。     

基于谐波小波的舰船辐射噪声线谱提取方法

针对传统方法在低信噪比情况下难以准确提取舰船辐射噪声线谱成分的问题,提出一种基于谐波小波变换的高分辨线谱提取方法。通过对舰船辐射噪声信号进行谐波小波变换,将其正交、无泄漏地分解到相互独立的频段上,提取线谱所在频段的谐波小波系数且将其它频段置零,进而在时域重构出线谱信号,实现信号与其它成分的分离。实验分析结果表明:该方法对背景噪声有较好的抑制作用,提取微弱线谱信号的能力和精度优于FFT分析方法,比传统FIR滤波器方法性能提高了约5dB,有利于辐射噪声特征线谱的提取。     

基于分数阶傅里叶变换的线性调频信号的自适应时频滤波

本文提出了一种基于分数阶傅里叶变换的线性调频(LFM)信号的自适应滤波方法，利用该变换等同于对信号在时频平面进行旋转这一重要特性，将混迭有噪声的信号以特定的旋转角作分数阶傅里叶变换，使得信号与噪声在变换域中的交迭达到最小；在此基础上，通过窄带通滤波器对LFM信号进行抽取，去除大部分的噪声能量，然后，再经过分数阶傅里叶反变换，恢复出原来的LFM信号。理论分析和仿真表明，该方法不仅可获得明显的信噪比的改善，而且具有算法简单及信号失真小等特点，和其它基于二维时频分析工具的滤波算法相比，降低了计算的复杂度，其实现更为简便。     

水下航行器动力装置振动频率自动识别方法

为满足水下航行器动力装置振动试验研究对频谱分析的及时性要求,本文以分析对象振动信号的频谱特征和离散傅里叶变换的数学原理为基础,将频谱细化算法和峰值搜寻算法有机结合,构造了一种振动频率自动识别准确率高的自动频谱分析方法,并设计编制了模块化架构的程序。该方法利用频谱细化算法准确计算动力装置周期性激励源的测试频率,利用峰值搜寻算法有效提取振动信号优势成分,以筛分出的峰值频率和周期性激励理论频率的一致性程度来确定振源,通过仿真信号和工程实际振动信号进行应用分析。分析表明,该方法可明显提高试验数据的分析效率和准确性。     

基于残差重构网络的射频信号个体识别

针对主流方法对信号个体识别效率低、误识别的问题,提出一种基于残差重构网络的射频信号个体识别 方法。通过傅里叶变换得到侦收信号的频域特征,作为神经网络的输入向量;利用残差网络能够解决网络退化和梯 度消失的优势,重构残差网络,并将其作为射频信号个体识别的核心网络模型;通过固定每层网络的通道数,实现 减少模型参数量,达到神经网络轻量化目的。实验结果表明：与ResNet18 方法相比,该方法针对30 个目标信号的 个体识别率提升了约3.8%,模型大小降低了13 倍,能较好地解决模型压缩与识别算法性能无法平衡的问题。