大噪声干扰下的通信信号源定位挖掘算法仿真

研究通信信号源的优化定位问题.随着通信环境的复杂程度不断增加,环境中的随机干扰源会造成通信源信号频谱混合大量非线性噪声,噪声会对信号源频谱形成干扰,噪声频带和定位信号频带叠加时,传统的线性滤波器是在抑制噪声时,有用信号真实性差,检测微弱的通信信号源变得很困难,造成定位误差较大.提出了一种含噪混合通信数据中信号源定位挖掘算法.根据粒子运动状态方程,实现通信信号的滤波处理,为信号源定位提供准确的数据基础.利用通信节点同心圆定位方法,完成信号源定位.实验结果表明,利用改进算法进行通信信号源定位挖掘,能够提高定位的准确性,减小定位误差范围.     

干扰环境下通信传输信号优化仿真研究北大核心CSCD

由于不同信号传输信道不同,导致信号传输过程中产生的大量噪声与信号形成较强的内在关联,造成信号精度差。传统的算法只是对传输信号进行简单的滤波处理,忽略了含噪信号存在的内在关联性而部分藏匿噪声不能消除的问题,导致去噪效果差。提出改进小波算法的干扰环境下的滤波通信方法。依据在干扰环境下通信序列的周期性组建干扰环境下的通信模型,将通信过程中的含噪信号分离问题转变为超定盲源分离问题,利用小波包分解原理,将通信的频带进行多频段划分,将没有划分的高频数据进行细致的分解,同时进行通信滤波消噪,采用软阈值和固定阈值来量化小波包系数,利用处理过的小波包系数对去噪后的信号进行重构,精确的实现了干扰环境下的滤波通信。仿真结果表明,改进小波算法在干扰环境下的滤波通信去噪效果好,鲁棒性强。     

乘性噪声干扰下汽车通信定位系统优化设计

汽车在运动过程中,乘性噪声会造成通信系统中的GPS信号变弱,使得传统的汽车通信系统定位方法在乘性噪声干扰下,定位误差较大,特征发生变化;传统的车辆定位系统缺乏应对这种乘性噪声干扰的能力,系统无法在干扰下捕获GPS弱信号,造成定位效果不准确;提出一种乘性噪声干扰下汽车通信定位系统设计方法;采用嵌入式分布系统的设计完成GPS信号采集功能,采用新一代的硬件抗干扰设计,在软件设计中,采用了一种增强型信号关联挖掘算法对弱化的GPS信号进行深度挖掘;实验表明这种系统设计方法能够大幅提高乘性噪声干扰下汽车GPS信号定位结果的准确性。     

小区域GPS工程定位优化仿真分析

研究GPS工程定位优化问题.工程现场存在大量不可控的乘性噪声,呈现高度非线性,噪声源强度不定,反射随机性很强且很难控制,对正常的工程现场的GPS通信定位造成干扰.传统的GPS工程定位方法依靠得到的测距坐标完成区域定位,在受到乘性噪声干扰的情况下,很难保证坐标测距的准确性,造成对工程现场小区域内的定位精度不高.为提高精度,提出了一种抗乘性噪声干扰的GPS工程定位优化方法.利用信号特征自适应方法去除GPS信号中的乘性噪声干扰,为GPS工程定位提供准确的数据基础.根据离散变换相关理论,建立GPS工程定位模型,从而实现乘性噪声干扰下的小区域GPS工程定位.实验结果表明,利用改进算法能够在乘性噪声干扰下进行准确的GPS工程定位.     

井下救援人员定位中的信号抗干扰技术研究

研究井下救援人员准确定位问题.针对井下通信情况较为复杂,存在大量的非线性乘性噪声,使得无线定位通信信号大幅减弱,人体运动中产生的干扰也很难抑制.传统的CAB算法在弱信号强干扰的条件下不能抑制干扰,且对运动干扰的稳健性较差,造成人员定位不准.为了避免上述缺陷,提出了一种采用特征分离算法的井下救援人员准确定位方法.对采集的信号进行连续小波变换处理,去除信号中的干扰信息,提高信号的准确性.利用特征分离方法,分离出救援人员定位信号,从而实现井下救援人员定位.实验结果表明,利用特征分离算法能够去除外界因素的干扰,提高井下救援人员定位的准确性.     

组合方法在脑电信号消噪中的仿真研究

研究脑电信号消噪问题.脑电信号存在非平稳性且包括大量的噪声,传统的消噪算法不能很好消除脑电信号中的噪声,从而影响后继的脑电信号处理和分析.为了更好的消除脑电信号噪声,提出一种小波变换与自适应滤波相结合的脑电信号组合消噪方法.该方法首先对含噪的脑电信号进行白化处理,然后采用小波分解和重构含噪较大的信号,将重构后的信号作为自适应滤波器的输入,进行自适应滤波消噪处理.仿真结果表明,组合去噪方法能有效去除脑电信号中的噪声干扰.     

基于动作图像特征的人体运动行为挖掘算法

研究人体行为图像特征识别问题,在人体动作图像中存在大量的和真实行为无关的掩饰动作特征,掩饰动作的存在会大大干扰人体真实行为特征,造成行为真实特征关联的减弱,形成干扰.传统的关联特征挖掘方法在关联干扰的情况下,很难建立准确的行为特征对应空间,使得关联性发生混乱,造成行为特征挖掘错误.提出了一种采用动作特征人体运行行为挖掘算法.利用黄金分割方法,计算动作特征的权值比重,从而删除冗余特征,为人体行为挖掘提供准确的数据基础.利用非线性分类函数,对人体行为特征进行分类,从而实现人体运动行为的挖掘.实验结果表明,利用改进算法能够有效提高人体运动行为识别的准确性,从而有效地对人体运动行为进行有效识别.     

基于小波分析的电力信息通信过程不良数据辨识研究

传统的电力通信过程不良数据辨识方法的消噪能力较差,导致辨识效率较低。为此,本研究基于小波分析设计了新的电力信息通信过程不良数据辨识方法。根据小波变换的奇异性对电力信息通信过程进行局部奇异性检测,根据检测结果,结合神经网络算法区分正常数据和不良数据。然后采用软阈值和硬阈值去噪方法消除不良数据中的含噪信号,在计算噪声强度后,将某一尺度内的小波变换系数的平方由小到大排列,并计算似然估计向量,再根据向量中的最小值和最大值删除信号中的噪声部分。实验结果表明：该方法能够有效提高消噪能力、增强辨识效率。     

基于混合噪声模型的双层管柱电涡流信号去噪算法

针对复杂环境下气田井中双层管柱检测时的电涡流信号噪声去除难问题,提出一种基于混合噪声模型的双层管柱电涡流信号去噪算法(ECSD)。在ECSD中,首先对电涡流信号进行预处理,去除信号中增益。然后分析电涡流信号中包含的偏心噪声、温度噪声、电磁噪声、提离噪声等混合噪声及各自噪声的来源,并根据混合噪声特性建立去噪模型。提出改进的海洋捕食者算法求解去噪模型参数,获得可较好拟合混合噪声的去噪模型,从而实现去除不同深度和温度下电涡流信号中的噪声。实验结果表明：ECSD算法能够拟合电涡流信号中的混合噪声,提高了信噪比,并且降低了去噪信号与纯净信号之间的均方根误差,优于WD、EMD、MF和WF等去噪算法。     

基于盲源分离的地震资料去噪技术

研究地震数据准确采集问题,针对地震噪声淹没在强机器噪声中,对有效地震信号的提取传统方法已经不再适用.在进行地震勘探数据采集时,经常会受到机械设备的强噪声干扰.为有效分离信号找出新技术,提出盲源分离(BSS)技术,可以在统计独立的意义下对混合信号进行分离.用BSS的原理和算法,结合地震数据的信噪模型分析,重点利用BSS来消除机器噪声.仿真结果表明,BSS在消除机器噪声的同时,能够很好的保护有效地震信号,可以大大提高资料的信噪比,为应用提供了参考.