排序方式: 共有16条查询结果,搜索用时 83 毫秒
1.
线性调频(LFM)信号是一种典型的非平稳信号。对非平稳信号的分析和处理不能仅依靠传统的基于傅里叶变换的分析方法,必须采用时域和频域联合的时频分析方法。将S变换(ST)的时频分析方法应用到LFM信号的滤波中,用tST-tIST和fST-fIST 2种算法组合分别实现了对LFM信号的滤波,然后采用均方误差(MSE)的衡量标准,仿真对比了以上2种算法组合的滤波性能。仿真结果表明:fST-fIST算法的滤波误差较大,不适合对LFM信号的滤波;tST-tIST算法的滤波性能较好,适合对LFM信号的滤波。 相似文献
2.
针对时相调制功率谱的特殊性,设计了一种能够提取时相调制相位突变特征的陷波滤波技术。根据输入的时相调制信号参数,设计对应的陷波滤波器;然后对接收信号进行滤波,利用陷波特性将相位突变时间段内的信号幅度突显出来,从而将时相调制信号的相位信息转化为可被门限检测的幅度信息;最后针对陷波滤波效果、系统误码性能以及频带利用率进行了仿真与分析。仿真表明,时相调制系统中采用陷波滤波技术,不仅可以完成对输入数字信息的有效恢复,而且使系统传输性能保持很好,并能有效提高频带利用率。 相似文献
3.
4.
5.
6.
7.
8.
9.
10.
图像的熵和多尺度熵仅考虑像素灰度分布而无视像素在空域分布的情况,基于此的图像匹配容易受噪声的影响而导致误配。为解决此问题,给出了一种空域分布多尺度信息熵(SDMSE),将图像像素在空域的分布与灰度空间分布结合起来,对不同的行或列求多尺度信息熵。在合成孔径雷达(SAR)图像匹配时,对输入图像和基准子图(基准图中和输入图尺寸一样的子图)求SDMSE矩阵,并通过求两矩阵的相似性来度量匹配程度,相似性最大的位置对应匹配点。仿真结果表明,所提匹配算法相比基于熵和多尺度熵的SAR匹配算法有更优异的噪声适应性,匹配误差更小,但计算耗时较多。在如何减少计算时间方面也做了尝试,实验表明尺度个数减少可以大幅减少计算时间而抗噪声性能并没有明显降低。 相似文献