利用小波变换识别脉内调制信号

利用小波变换的多分辨性质、基于信号和随机噪声在小波变换域中不同的模极大值系数特征，对于脉内调制这类渐近信号的连续小波变换进行了研究，并可行性 波变换来提取信号脉内调制特征，计算机仿真表明这种方法的有效性和可靠性。     

雷达相位编码信号的脉内调制特征分析

以二相编码和四相编码信号为例,提出了在低信噪比条件下对雷达相位编码信号进行脉内调制特征提取的算法,计算机仿真、实验室和外场测试的结果证明本算法确实有效.     

基于时频分析的脉内特征分析

雷达信号的脉内调制特征是雷达个体特征的重要体现,要对雷达信号进行分选和识别,高可信度地判别雷达属性,必须对雷达信号的脉内特征进行分析。时频分析技术特别适合非平稳信号的分析,作为一种特征提取的工具已得到较为广泛的应用。采用Wigner-Ville分布对常见的几种雷达信号进行了脉内调制方式分析,并采用MAT-LAB进行了仿真。     

基于奇异值分解的雷达信号脉内调制类型自动识别

针对低信噪比下传统方法识别雷达信号脉内调制类型准确率低的问题,提出了一种有效的脉内调制类型自动识别方法。该方法首先计算雷达信号的模糊函数,然后利用图像处理算法提取其奇异值特征,将奇异值特征矢量作为神经网络的输入对脉内调制类型自动识别。仿真表明该方法在0dB信噪比下,对常见脉内调制信号识别率均大于84%。该方法需要的特征维数少、分类器结构简单、识别率高、抗噪能力强。     

雷达信号脉内细微特征参数分析

介绍了基于正弦波频率估计的脉内特征参数估计方法,并与数字正交法相结合,解决了编码信号频率估计模糊问题。对单频信号、线性调频信号、二相编码信号、四相编码信号进行了脉内特征分析,给出了仿真结果。     

基于小波变换和傅立叶变换的脉内调制特征识别

脉内特征分析是雷达信号分选的基础,也是电子对抗领域里的一个重要课题。主要讨论了用小波变换结合傅立叶变换的谱分析来识别雷达信号的脉内调制特征,并给出了仿真结果。     

雷达信号脉内调制特征分析

脉内特征是雷达信号分选的基础，也是电子对抗领域里的一个重要课题，本文主要讨论了相位差分分析法和最小二乘法在雷达信号脉内调制特征分析中的运用，并运用Vc＋＋6．0进行了仿真。     

基于FPGA的脉内调制雷达信号识别算法

针对脉内调制雷达信号检测,提出了一种基于现场可编程门阵列(FPGA)的脉内调制特征实时提取技术,利用时-频分析、瞬时自相关、时域累加平滑的方法,实现对常见脉内调制雷达信号(简单脉冲信号、二进制相移键控(BPSK)信号、正交相移键控(QPSK)信号、线性频率调制(LFM)信号、频移键控(FSK)信号)实时检测及脉内调制样式实时提取,并将脉内调制类型与常规PDW字结合构成扩展脉冲描述字(EPDW).测试结果证明了该方法实时性好、准确率高.     

基于综合测频法的脉内特征分析

综合测频法通常由搜索测频法和非搜索测频法这两种体制的测频方法结合而成。非搜索测频法瞬时测频范围大,但测频精度较低;而搜索测频法的瞬时测频范围小、测频精度较高,通常用非搜索测频法来引导搜索测频法,以近似过零检测和小波变换方法为例,对低信噪比下的典型雷达信号进行了仿真分析,结果验证了综合测频法提取信号脉内特征的有效性。     

低信噪比下脉内频率编码信号特征提取

信号脉内特征提取技术是雷达对抗系统分选、识别截获信号的关键技术。提出了一种首先用小波分析对脉内频率编码信号进行去噪，在此基础上再利用小波脊线法提取脉内特征的方法。计算机仿真验证了算法的有效性，具有一定的应用价值。     

一种频率编码信号瞬时频率提取新方法

针对小波变换法在提取频率编码信号脉内特征中的不足,提出了将时频重排和时频脊线相结合的时频联合分析方法。首先通过Morlet小波计算信号的小波谱,再对小波谱进行时频重排,最后由重排后的时频图提取时频脊线,得到频率编码信号的脉内特征。该方法在低信噪比下,能准确提取频率编码信号脉内特征信息。最后利用计算机仿真验证了该方法的可行性。     

基于中频直接采样正交相干检波技术的信号脉内特征提取

信号脉内特征提取技术是电子战中一个重要的研究内容 ,它对密集、复杂环境中辐射源的分选、识别起着重要的作用。讨论了利用中频直接采样相干检波技术实现信号脉内特征的提取 ,仿真结果证明了该技术的可行性。     

低信噪比下频率编码信号参数估计

针对低信噪比条件下,频率编码信号的瞬时频率估计容易受噪声影响的问题,提出了将自适应阈值消噪技术与小波变换结合起来的新方法。首先利用连续小波变换计算信号的小波谱,然后对小波谱进行自适应阈值消噪处理,进而提取小波谱脊线,得到频率编码信号的脉内调制信息。计算机仿真结果验证了该方法的可行性。     

通信信号调制识别方法研究

将小波特征提取和BP神经网络理论相结合,设计一种新的调制识别方法。针对非稳定、大信噪比(SNR)变化的通信信号进行了有效的特征提取和分类,实现了通信信号调制方式的识别。收敛速度慢是传统BP算法存在的主要问题,为此提出Levenberg-Marquart算法对其进行改进。实验结果表明,收敛速度及识别正确率得到明显改善。     

基于概率神经网络光纤周界传感信号处理研究

提出了一种光纤传感报警信号的处理技术,光纤传感具有高灵敏度、抗电磁干扰、耐高压抗腐蚀等优点,但报警信号的误报问题一直是光纤周界系统需要解决的问题,而传统的时域门限分析方法对信号的识别准确率不高,不利于降低安防系统报警信号的误报率。利用小波降噪技术,结合信号的时频域特征,构建基于概率的神经网络分类器,可以在很大程度上减少信号的误报。     

基于小波神经网络的掌纹识别方法的研究

为提高掌纹图像识别率,首先利用手掌的几何轮廓对所采集到的掌纹图像进行预处理,进行分割得到感兴趣的区域.再利用小波变换对掌纹图像分别进行多层分解,进而提取小波特征.最后利用BP神经网络进行分类.通过仿真实验表明,与单一的神经网络方法进行掌纹识别相比,这种将小波分析与神经网络相结合的方法收敛步数少、用时短、具有较高的识别率.     

基于改进的小波神经网络的汽车电控汽油机故障诊断

针对现有BP网络在汽车电控汽油机故障诊断中存在的问题,提出将小波函数与神经网络结合构成小波网络,代替BP网络用于故障诊断。并对小波神经网络提出了两个方面的改进。首先是对输出层函数进行了改进,其次是用熵函数代替均方误差函数作为网络的代价函数。仿真结果表明此改进的小波神经网络算法进行汽车电控汽油机的故障是有效的,而且与传统的BP神经网络相比,该改进的小波神经网络具有更强的逼近能力,更快的网络学习收敛速度和能有效避免局部最小值问题。     

小波神经网络在雷达信号分选中的应用

提出了一种基于小波神经网络的雷达信号分选方法。该方法首先进行脉冲流的粗分选，然后应用小波神经网络和模式匹配进行细分选。进行了仿真试验，给出了该方法对含有噪声的脉冲流的分选结果，证明了该方法的可行性。