认知无线电中对干扰信号源的定位

当认知用户接入主用户系统时将对主用户产生干扰。确定产生干扰的认知用户的位置能更好地进行基站布署,从而最大限度地避免这种干扰,使频谱得到有效利用。本文主要给出了一种改进的MUSIC算法对相干的干扰认知用户进行定位,即利用前后向空间平滑的修正矩阵进行矩阵的重构,再分解其重构矩阵,最后利用波束空间的MUSIC算法减少谱峰搜索中的计算量。通过计算机仿真证明了此方法的有效性。     

不平衡数据集上的文本分类特征选择新方法*

为了有效消除声发射信号中的噪声,将广义S变换滤波方法应用于声发射信号去噪,分别采用广义S变换中的充零法、基于带通滤波器设计滤波算子法以及时频滤波法进行滤波比较,针对信号的不同时频特性设计了相应的时频滤波算子。结果表明,基于S变换的三种时频滤波法对声发射信号的去噪均有较好的效果,克服了传统滤波方法滤波因子不能随时间、频率变化而变化的缺陷。其中时频滤波法在高信噪比和低信噪比情况下都能更好地去除噪声,可以满足信号处理的要求。     

小身材大味道：本田新飞度音响改装案例

今天至上音乐肇庆领业连锁店告诉我们,他们要介绍他们的骄傲,获得了2014年EMMA专家60000组亚军作品给我认识。一台本田新飞度,一款造型另类的小车,小巧的车身却是极致体现“MM”理念的小车型轿车。领业的师傅也自豪的说他们也是推崇“MM”理念,特别强调此“MM”不同彼“MM”,MUSIC MAX才是对他们最好的诠释。那么,这个娇小身躯蕴藏有多大魅力呢？各位不妨洗耳恭听。     

主动声纳的时频盲分离算法研究

主动声纳目标探测中,水雷等浅海安静型小目标声散射回波受海洋环境干扰严重,影响对目标特征的准确提取与识别,探测可靠性低.针对上述问题,研究一种结合形态学滤波的时频域盲分离算法,根据主动声纳回波中目标与混响的时频特征差异,设计形态学结构元的几何结构,滤除与目标谱不重叠的混响及互项干扰,再利用波形聚类方法优化与目标谱重叠的混响干扰,突出目标亮点的时频谱线,得到目标声散射的自项时频信息,最后获得目标亮点的时频域解混矩阵,分离出目标声散射信号.数值仿真结果表明,结合形态学滤波的时频域盲分离算法,提高了目亮点信号的信混比.     

基于PN序列互相关同步低复杂度实现方法

针对互相关同步算法实现复杂度高的问题,设计了一种伪随机(PN)码序列和近似加法器的互相关同步实现方法(PNACCS),在现有PN码序列互相关同步方法的基础上,通过使用近似加法器代替部分传统精确加法器,降低了互相关同步实现的复杂度.算法仿真和分析结果显示,与现有的互相关同步算法相比,PNACCS方法在时频同步性能与传统互相关几乎相同的情况下,逻辑资源占用更少,易于实际工程的实现.     

锥面共形阵列极化-DOA估计的降维MUSIC算法

针对传统MUSIC(multiple signal classification)算法在锥面共形阵列极化-DOA(direction of arrival)参数联合估计过程中计算复杂度较高的问题,利用单极化阵元构造极化敏感锥面共形阵列,并建立阵列接收信号模型.通过构造同极化接收子阵,将导向矢量中空域信息和极化域信息去"耦合",在考虑阵元遮挡效应的条件下,结合秩损原理实现了基于降维MUSIC算法的极化-DOA多参数估计,减小了极化-DOA参数估计的计算量.通过计算机仿真证明了方法的有效性.     

共形阵列MUSIC算法分辨力性能分析

针对共形阵列分辨力性能分析问题,本文首先对锥面、柱面、球面等3种常见共形阵列进行信号建模,并基于MUSIC算法实现共形阵列下极化-DOA参数的联合估计,然后通过MUSIC零谱的定义以及噪声子空间投影矩阵的期望,给出MUSIC期望谱的具体表现形式,在此基础上详细分析推导了MUSIC算法在共形阵列中的分辨力门限;最后通过计算机仿真研究共形阵列分辨力门限理论值与仿真值的关系,以及共形阵列与均匀圆阵在分辨力性能上的差异,仿真结果显示共形阵列的分辨力门限随着信噪比的增加逐步降低,验证了理论分析的正确性.     

Polarimetric super-resolution algorithm for radar range imaging via spatial smoothing processing

A full-polarimetric super-resolution algorithm with spatial smoothing processing is presented for one-dimensional (1-D) radar imaging. The coherence between scattering centers is minimized by using spatial smoothing processing (SSP). Then the range and polarimetric scattering matrix of the scattering centers are estimated. The impact of different lengths of the smoothing window on the imaging quality is mainly analyzed with different signal-to-noise ratios (SNR). Simulation and experimental results show that an improved radar super-resolution range profile and more precise estimation can be obtained by adjusting the length of the smoothing window under different SNR conditions.     

基于宽带时频图的多路摩尔斯信号自动检测

针对现有算法没有涉及的宽带环境下多路摩尔斯信号自动检测问题,提出一种基于宽带时频图和集成学习分类器的算法.首先,通过提出一种基于宽带时频图的信号快速窄带滤波方法,实现噪声背景中各类型信号窄带时频图的快速获取;然后,为从上述窄带时频图中识别出多路摩尔斯信号,提出3个新特征与局部二值模式特征构成特征向量;最后,采用集成学习算法设计分类器实现摩尔斯信号的自动检测.与现有算法对比实验结果表明:针对多组实际数据,该算法的正确率均可达95%以上,同时误检率低于10%,具有良好的鲁棒性和应用价值.     

自适应时间尺度分解方法及其应用

针对齿轮故障振动信号的非线性、非平稳和多分量的特征,在定义了瞬时频率具有物理意义的本征时间尺度函数(intrinsic time-scale function,ITF)的基础上,结合固有时间尺度分解中基线信号的构造方法,提出自适应时间尺度分解(adaptive time-scale decomposition,ATD)的时频分析方法,该方法可以自适应地将一个复杂信号分解为若干个瞬时频率具有物理意义的本征时间尺度分量之和.仿真分析验证了ATD方法的有效性以及定义本征时间尺度函数方法的合理性.分别将ATD、经验模态分解(EMD)、局部均值分解(LMD)和固有时间尺度分解(ITD)与包络解调分析相结合应用于斜齿轮故障诊断中,实验结果表明:自适应时间尺度分解方法在保证分解结果正确性的前提下,计算效率方面具有明显优势,将该方法与包络解调相结合能够有效提取到齿轮的故障特征.