混响背景下水底目标回波盲分离

针对水下掩埋目标探测中目标回波信混比较低的问题,提出将混响视为一类信源的与目标回波盲分离方法,研究了目标回波与混响在时域统计特性、时频域以及时域波形上的可分离性与分离原则问题,解决了传统时频方法不适用于当混响与目标回波在时频域内混叠时的抑制混响问题。海上掩埋目标探测实验数据处理结果表明,经过时域二阶统计盲分离与时频域盲分离处理后,目标回波的信混比提高了约5 d B,在时频分布上可以更清楚的观察到目标几何亮点,从而提高对目标回波识别的准确性。     

水下沉底小目标回波的短时FrFT滤波分析

为提高主动声纳在浅海区域探测水下沉底目标的能力,研究了二类水下沉底目标回波和混响的时频特性.基于分数阶傅里叶变换(FrFT)方法,设计高斯窗的短时FrFT算法(STFrFT)对水下沉底目标回波进行表征,根据回波和湖底混响在FrFT域的时频聚焦性差别,将最佳旋转后的信号进行u域窄带滤波可有效地抑制混响的干扰.湖试数据分析表明,在两类沉底目标探测过程中的短时FrFT时频面上湖底混响拖尾衰减较快,该方法可有效地提取回波中稳健的时频特征.     

时频域滤波沉底目标亮点特征提取方法研究

主动声呐探测沉底目标时,由于存在严重的海底混响干扰,使得拷贝相关方法不能有效地提取目标回波亮点特征,大大降低了主动声呐的目标识别性能。针对该问题,研究了时频域滤波Hough变换的目标回波亮点特征提取方法。该方法采用互魏格纳变换将接收信号与拷贝的发射信号变换到时频域,依据目标回波与混响及噪声能量的时频聚集特性不同,采用时频域脊波变换滤波滤除混响及噪声,最后利用Hough变换提取目标回波中各亮点峰,并进行投影计算形成目标回波的亮点特征。同时研究了Hough变换域中的峰值位置与目标亮点对应的数学关系,给出了基于时频滤波提取沉底目标亮点特征的算法步骤,并采用支持向量机对比分析了该方法与拷贝相关方法提取亮点特征的识别效果。结果表明,该方法能够在较低的信混比下有效抑制混响干扰提取亮点特征,从而提高沉底目标的识别性能。     

基于深度学习的水下目标姿态识别

水下安静型目标主动探测与识别问题中,确定目标与发射装置的相对姿态是目标探测的关键。本文结合水下目标声散射回波机理,对目标的声散射回波成分进行信号特性分析,结合分数阶傅里叶变换对声散射回波进行特征提取;利用循环神经网络保存目标回波时间序列信息,实现对序列信号的动态建模;分别将分数阶傅里叶域特征与频谱结构特征作为训练对象,构建水下目标回波角度识别模型并进行对比,实现对不同声波入射角度下目标回波的分类识别。水池实验数据处理结果表明:本文提出的分数阶傅里叶特征与长短期记忆系统结合的深度神经网络模型,各项评估指标均优于以频谱结构为训练特征的深度网络模型,验证了本文方法对目标姿态识别的有效性。     

分数阶Fourier变换在SAR动目标检测中的应用

基于分数阶Fourier变换与时频分布的关系，利用合成孔径雷达运动目标回波信号本质上为线性调频信号的特点，在分数阶Fourier域对运动目标进行检测和多普勒参数估计，并通过理论分析和计算机仿真证明了该方法的有效性。     

分数Fourier变换在可控震源信号处理中的应用

可控震源浅层地震勘探中,参考信号与接收信号都会受到环境噪声的污染。为了提高信号的信噪比,笔者采用一种新的时频分析工具———分数Fourier变换来对参考信号进行噪声的压制,它利用了可控震源信号———Chirp信号在某个分数阶Fourier变换上具有很好的能量集聚的特征,即表现为一个冲击函数,而噪声的能量均匀分布在整个时域平面内,在任何的分数阶Fourier域上均不会出现能量集聚。利用这一特征,可以分离出参考信号中的噪声,使时间延迟剖面的信噪比得到提高,改善了剖面质量。     

FRFT域LFM雷达回波信号的压缩采样模型

针对宽带雷达线性调频信号(Linear Frequency Modulated,LFM)带宽大、采样率高、存储容量要求高的问题,设计了一种基于压缩感知的 LFM雷达回波信号的欠采样整体方案。首先,利用 LFM信号在分数阶傅里叶变换(FRactional Fourier Transform,FRFT)域上良好的能量聚集特点,提出了一种基于DFRFT核矩阵的正交基字典构造方法,在此基字典的基础上利用随机解调器和匹配追踪类算法构建了一个 LFM雷达回波信号的压缩采样和重构系统模型。仿真结果验证了 FRFT域处理 LFM雷达回波信号的可行性和有效性,LFM雷达信号在该正交基字典上的稀疏表示效果要优于现有的波形匹配字典,而且具有更好的抗噪性能和自适应性能。     

浅海沉底小目标时的反探测研究

在浅水波导环境下,时反处理利用声场的时反聚焦特性,基于收发合置阵,将接收信号在时间上反转后,再向介质中发射回去,时反信号能量会在目标处聚焦,同时使混响降低.在接收增强的目标回波信号之后,通过多路径补偿波束形成,继续提高信混比.再将波束形成的输出与发射信号的拷贝进行相关处理,以其输出作为检验统计量进行目标检测判决,并根据到达信号的时间延迟对目标行距离进行估计.在湖上实验中,通过比较BS发射和TR发射两种情况下的混响和目标处的入射能量,发现时反处理具有抑制混响、提高信混比的能力.在实验室波导中,利用时反处理的优点进行了沉底小目标探测实验.波导实验结果表明,主动时反探测系统不仅能够有效地检测到沉底小目标,而且可以对目标进行测距.     

采用chirp信号调制的中压配电线通信系统

针对中压配电线信道特性,提出了一种基于分数阶Fourier变换(FRFT)的通信方法。以线性调频信号(chirp)作为调制信号,利用线性调频信号在分数阶傅里叶变换域的能量聚焦特性,提高系统的抗噪声干扰和频率选择性衰减的能力。建立了系统的仿真模型,仿真结果证明了方法的可行性。     

分数阶傅市叶变换域的心电信号滤波算法

心电信号是一种非平稳的低频微弱信号,与干扰噪声具有较强的时频耦合．经典的滤波方法难以实现有效的信噪分离．提出了一种基于分数阶傅立叶域的LMS自适应滤波算法,既结合了适合处理非平稳信号和减少时频耦合的特点,又能够有效地提高信噪比．首先将信号进行分数阶傅立叶变换,寻找最优变换域,再利用LMS自适应滤波算法在最优变换域滤波,然后对滤波后的信号进行分数阶傅立叶反变换．通过对MIT—BIH中的心电数据进行Mat—lab仿真,表明信噪比从-6dB提高到14dB,清晰地还原出心电信号的波形及特征点．     

分数阶傅里叶变换在轴承故障诊断中的应用

在对滚动轴承微弱故障诊断时,故障信号容易受到噪声的干扰,为了获取滚动轴承数据的有效故障信息,研究用分数阶傅里叶变换(fractional Fourier transform,FRFT)的方法对滚动轴承工作中产生的微弱故障进行诊断。该方法可以将滚动轴承数据变换到分数阶域的空间中进行分析,在此空间中变换分数阶的阶次从而搜索提取出微弱故障的最大峰值,分析结果表明用分数阶傅里叶算法可以有效的降低其他分量和噪声的互相干扰,准确的提取目标分量,实验结果证实了该方法的有效性和可行性。     

基于改进自然梯度算法的双目标辨识研究

对时变的水下目标声信号进行盲分离时,针对自然梯度算法存在不稳定收敛的不足,提出了一种可对水下目标进行辨识的改进自然梯度算法。通过对观测数据的白化处理、构建实信号和复信号盲分离都适用的非线性函数、快速收敛学习因子和基于功率谱方法的盲分离效果评估函数,实现了水下目标声信号盲分离和目标辨识的改进算法。仿真结果和实船信号试验数据的一致性,表明了改进算法具有更好的收敛性能,而且在频域评估时盲分离效果更加简单直观,验证了改进算法的实用性和有效性。     

一种基于 JADE 与小波去噪的自适应盲分离方法

针对传统盲分离算法忽略噪声影响的问题,引入小波去噪,在JADE算法的基础上,研究了前、后去噪盲分离算法与JADE算法在不同输入信噪比条件下的分离性能。仿真表明,输入信噪小于约-5dB时,后去噪盲分离算法输出信噪比最佳;大于约25dB时,JADE输出信噪比最佳;其它情况下,前去噪分离算法性能最佳。在此研究基础上,给出一种可估计信噪比的带噪信号自适应盲分离方法,实现对信号信噪比动态变化情形下目标信号的有效分离。     

基于EEMD-JADE的桥梁挠度监测中温度效应的分离

针对桥梁挠度各成分的分离问题,提出一种基于EEMD-JADE的单通道盲源分离算法。首先,利用传统的集合经验模态分解法（Ensemble Empirical Mode Decomposition,EEMD）将单通道的桥梁挠度信号分解为一系列线性平稳的本征模函数（Intrinsic Mode Function,IMF）;然后,采用基于能量熵增量的判别法识别并剔除虚假的IMF分量,将能量熵增量较大的IMF分量组成盲源分离模型的输入信号;最后,采用矩阵联合近似对角化（Joint Approximate Diagonalization of Eigen-matrices,JADE）算法对输入信号进行盲源分离。JADE算法在源信号频率差异较小且频率有所混叠的状况下也能较好地分离出源信号,但要求观测信号数必须大于等于源信号数目;EEMD具有良好的自适应性,能够将单通道的混合信号进行多尺度分解,形成多通道信号,但分解结果存在端点效应与模态混叠。JADE算法能够解决EEMD分解结果存在的端点效应与模态混叠问题,且EEMD也解决了JADE分离算法的先决条件。两种算法优势互补,能够较好地分离出各挠度组分。通过有限元软件Midas/civil建立了背景桥梁模型,经仿真分析得到了各单项因素作用下的桥梁结构响应,并将其叠加在一起作为待分离的混合挠度信号。仿真信号分离的结果与源信号的相关系数均在0.98以上,说明分离效果较好。最后,采集实测挠度信号进行分离,处于对称位置测点分离出的各挠度组分的相关系数均在0.9以上,证明了该算法的适用性。     

DSSS中基于DCFT和FRFT的多分量LFM干扰抑制方法

文章提出了一种直扩系统DSSS中抑制多分量线性调频干扰LFM的方法。首先利用DCFTDiscrete Chirp Fourier Transform对接收信号进行变换,在DCFT域通过峰值搜索估计出各LFM分量的调频率li,进而得到进行分数阶傅立叶变换所需的旋转角度αi。然后在分数阶傅立叶域利用级联的陷波器进行干扰抑制。仿真结果表明此方法能有效抑制多分量LFM干扰,与其它基于二维时频分析工具的干扰抑制算法相比,不仅减少了运算量,而且对强干扰有较好的抑制效果。     

分数阶Fourier变换的数值计算

以分数阶Fourier变换的定义为基础，仿真实现了其数值运算。对于线性调频信号（LFM），分析了调频斜率与分数阶数的关系，进而与匹配滤波器进行了性能比较，并且在低信噪比条件下仿真实现了LFM信号怀噪声的分离。仿真结果表明，当分数阶数与调频斜率相匹配时，LFM信号的能量会高度集中。在水声信号处理领域，分数阶Fourier变换的良好的抗多卜勒性能有利于微弱信号检测。     

基于广义随机共振的Chirp信号检测性能分析

为便于提取多个chirp信号叠加噪声模型中目标chirp信号的参数信息,本文研究了该混合信号激励过阻尼双稳系统的随机共振现象。但由于chirp信号在频域能量的非聚焦性,传统刻画随机共振的信噪比指标失效。因此,基于chirp信号在分数阶傅里叶变换域上的能量分布特性,对非线性随机动力系统的畸变输出信号进行变换域上的最优滤波,给出最优分数阶傅里叶变换域上的信干比定义形式,并以此作为目标chirp信号经过系统后的性能增益的度量和广义随机共振现象的判别依据。数值仿真结果表明,在存在多个chirp信号驱动的过阻尼双稳系统中,当目标chirp信号或噪声能量不足以激发粒子跃迁时,干扰chirp信号能在一定程度上协助粒子发生跃迁,产生协同随机共振现象,从而提高对目标chirp信号的检测性能。     

干扰环境下窄带信号时反算子分解聚焦性能分析

近几年来,无论是理论分析还是海上试验,都验证了时反算子分解可实现有选择性的聚焦和目标检测.然而,这些分析和试验都是建立在信噪(混)比很高的前提下的,因此,需要对时反算子分解在于扰环境下的使用进行评估.利用传播模型和混响模型产生回波和混响,研究目标处的聚焦.结果显示,在噪声限制条件下,随着信噪比的降低,聚焦点处的能量逐渐降低;在混响限制条件下,如果选择的特征向量合适,即使在信混比较低的情况下,聚焦性能下降也是比较小的,这点为时反算子分解在低信混比情况下的应用提供了保障.     

改进型SVD-FRFT海杂波抑制方法

海杂波回波能量较高且频谱较宽,常常会淹没慢速小目标的回波信号.为此,提出了一种新的基于时频信息的奇异值分解分数阶傅里叶变换海杂波抑制方法,所提方法采用分块处理、整体判决的思路.首先对较长的回波序列划分子脉冲块,分别提取每个子脉冲块的前Q阶信号分量并进行块间信号关联,实现目标信号与杂波的初步分离;接着进行自适应分段奇异值...     

水下目标回波和混响在听觉感知特征空间的分类

海底混响是一种与海底底质、海洋环境及发射信号参数等多种因素有关的随机过程,它的存在给水下目标探测识别带来很大困难。鉴于人耳听觉系统在听音辨物方面独特的优越性,利用Gammatone滤波器构建人耳听觉模型,提取听觉时-频特征和听觉谱特征,并讨论主动声呐掩埋目标回波和海底混响在这些特征下的可分离性,选取分离性好的特征构建特征空间,并利用径向基核函数支持向量机进行分类识别。实验结果表明,两类信号的特征具有良好的聚类性,能够获得较高的识别准确率,表明该方法能够有效地区分目标回波和混响。