基于全调节RBF神经网络的引信噪声对消研究

全调节RBF神经网络具有处理非线性参数的不确定性,提高神经网络的在线逼近能力,适用于噪声信号的非线性建模。为了消除引信回波中的背景噪声,提出一种基于全调节RBF神经网络的非线形自适应滤波方法,能很好克服信号处理中的模型不确定性和噪声。通过对比不同信噪比情况下引信回波的去噪效果,说明了基于全调节RBF神经网络的引信噪声对消系统的有效性和优越性。     

结合EEMD 的噪声对消方法在遥测振动信号降噪中的应用

针对传统降噪方法难以兼顾飞行器遥测振动信号中细节信息损失和降噪性能之间的矛盾,提出一种集合 经验模态分解(ensemble empirical mode decomposition,EEMD)和噪声对消相结合的降噪方法。信号经EEMD 处理得 到本征模态函数(intrinsic mode function,IMF),将第1 阶IMF 分量和其余IMF 分量的累加和分别作为参考噪声和 待降噪信号;利用核方法将信号映射到高维特征空间,利用映射到高维空间中的参考噪声和待降噪信号进行噪声对 消。计算机仿真结果表明：该方法在避免信号细节信息损失的前提下具有良好的降噪性能,某次飞行器试验中实测 数据处理结果证明方法有效和实用。     

基于神经网络的引信干扰信号对消

阐述了自适应干扰对消的基本原理，讨论了基于预测思想的神经网络干扰对消器的设计，实验仿真证明了神经网络对消器比一般线性对消器的优越性。可以大大提高无线电引信从干扰信号中提取有用信号的能力。     

改进的噪声对消算法在无源探测中的应用

为了削弱无源探测系统中存在的强噪声,提出了多路参考信号自适应噪声抵消算法.利用目标回波信号与噪声信号的传输通道差异性,通过对接收阵列各阵元接收信号求差得到多路参考信号.仿真结果表明,该算法可以有效抵消噪声,从而提高系统中弱信号的检测性能.     

基于径向基函数网络的引信泄露信号对消器设计

阐述了自适应干扰对消的基本原理，并基于自适应投影原理，提出了构造和训练RBF网络的自适应投影算法。并在此基础上设计了一种基于RBF网络的引信泄露信号对消器。实验仿真证明该自适应对消器是行之有效的。     

无线电引信自适应干扰对消技术

阐明了自适应干扰对消技术的基本原理，详细讨论了对消器的性能以及对消比与系统参数的关系，并在此基础上介绍了一种用于对消伪码调相引信泄漏信号的中频自适应对消器，给出了系统主要参数，实现方法和测试结果。     

脉冲噪声下基于CNN-FRFT的线性调频信号参数估计方法

由于脉冲噪声破坏了线性调频(LFM)信号的分数谱特征,使得基于分数谱特征的参数估计方法无法有效估计参数。针对这个问题,提出一种脉冲噪声环境下基于CNN-FRFT的LFM信号参数估计方法。首先,利用α稳定分布拟合随机脉冲噪声,构建加性含噪信号,输入卷积神经网络(CNN)进行训练和测试;其次,利用训练好的CNN模型对信号进行去噪,并验证模型的去噪能力和泛化能力;最后,利用分数阶傅里叶变换(FRFT)建立去噪信号的分数谱,通过峰值点位置来估计LFM信号的参数。实验结果表明,相比于传统的基于非线性函数的方法,该方法在强脉冲噪声环境下具有更好的精度和噪声鲁棒性,CNN的应用使其具有更强的泛化能力,在实测脉冲噪声下仍可以准确估计参数。     

基于谐波小波的舰船辐射噪声线谱提取方法

针对传统方法在低信噪比情况下难以准确提取舰船辐射噪声线谱成分的问题,提出一种基于谐波小波变换的高分辨线谱提取方法。通过对舰船辐射噪声信号进行谐波小波变换,将其正交、无泄漏地分解到相互独立的频段上,提取线谱所在频段的谐波小波系数且将其它频段置零,进而在时域重构出线谱信号,实现信号与其它成分的分离。实验分析结果表明:该方法对背景噪声有较好的抑制作用,提取微弱线谱信号的能力和精度优于FFT分析方法,比传统FIR滤波器方法性能提高了约5dB,有利于辐射噪声特征线谱的提取。     

枪口噪声测试及噪声谱分析方法研究

本文分析了武器噪声的特点及产生的机理.借助于微机辅助测试系统对现有的几种制式枪进行了枪口噪声测试.介绍了一种行之有效的抗混频滤波方法以及作噪声信号频谱分析时的参数选择.结合测试结果阐述了枪口噪声谱的分布规律.指出了测试枪口噪声及作频谱分析时的几点注意事项。     

压控振荡器振动噪声及其抑制方法研究

结合飞行试验任务箭(弹)上外测设备受振动影响的情况，从理论上分析了振动影响测量精度的原因，提出了改进环路设计的方法和措施，并在飞行试验任务取得了良好的应用效果。     

一种降低中型AUV辐射噪声和振动噪声的方法

美国斯克里普斯海洋研究所的海洋物理研究馆(MPL/SIO)购买了一艘由蓝鳍机器人公司生产的奥德赛(Odyssey)Ⅱb中型AUV用于水声研究以及作为其他的研究接收平台。MPI/SIO的研究人员将奥德赛Ⅱb AUV原来的尾翼替换为一个矢量推进的导管式尾翼。利用安装了新型尾翼的奥德赛Ⅱb AUV进行海试时,研究人员发现AUV的自噪声比典型的海洋环境噪声高20~50 dB,因此不能用作低声源级的接收平台。为了描述AUV推进器及驱动装置的辐射噪声和振动噪声,研究人员随后开展了海试,并对奥德赛Ⅱb AUV尾翼的圆锥形推进器进行了改进,从而降低了航行器的自噪声。尾翼改进之后,利用安装在AUV内罩中的水听器进行测量可知,带宽为0.01~10 kHz时,航行器的自噪声等于或低于典型的浅水环境噪声。本文旨在对AUV尾翼的改进情况及尾翼改进对降低自噪声的效果进行描述。     

基于辅助天线的变极化干扰对消算法研究

针对雷达无法对抗变极化干扰的问题,提出了构建全极化辅助天线提取干扰极化状态,从而实现极化对消的方法.分析了快变极化干扰的接收问题,并建立模型,理论推导了对慢变极化干扰的对消算法.仿真结果表明,该算法对慢变极化干扰可取得较好的效果.随着极化变化速度的加快,其干扰效果类似噪声压制干扰,故无法准确提取干扰的极化状态,难以实现对消.     

基于BP 神经网络的舰载机着舰信号融合方法

为了提供精度更高的方位角偏差信息,更好地辅助飞行员着舰或者实现舰载机自主着舰,采用BP神经网络的方法,将电子着舰系统（Automatic Carrier Landing System,ACLS）和光学助降系统（Optical Landing System,OLS）提供的方位仰角偏差信号进行信息融合,使融合结果更加逼近期望输出值,提高数据的可信度。仿真结果表明,该方法能有效提高方位仰角偏差信号的精度。     

基于神经网络的模型参考自适应控制方法

针对传统基于模糊神经网络的模型参考自适应控制方法的一些不足,提出了一种基于BP神经网络的模型参考自适应控制结构,并对所使用的BP网络学习算法进行了分析改进。对比分析采用传统自适应方法和改进的自适应方法时,不同的控制仿真结果表明,改进后的方法可以有效地抑制神经网络的“过学习”现象,减小了对神经网络辨识器精度的依赖程度,改进效果显著。     

旁瓣对消系统功率倒置自适应算法研究

旁瓣对消技术是雷达中用来抑制旁瓣有源干扰的一种有效手段.文中在介绍旁瓣对消基本原理的基础上,给出了针对二元阵的旁瓣对消功率倒置自适应算法,该算法的核心是使输出功率最小.分析表明采用该算法的旁瓣对消系统可以很好地抑制从旁瓣进入的干扰,具有很好的抗干扰效果.     

基于自适应滤波原理的周期性干扰对消技术

文中讨论了一种基于自适应滤波原理的周期性干扰对消系统，介绍了系统组成及结构原理。计算机仿真结果表明，该系统对周期性干扰有很好的抑制效果，与传统滤波系统相比，有更强的实用性和抗干扰性。     

基于炮口脉冲噪声信号的射速测试方法研究

根据炮口脉冲噪声与发射弹序相一致的特性,提出了从脉冲噪声测试曲线中提取弹丸发射速度的非接触式测试方法。通过采用小波分解对火炮脉冲噪声测试曲线进行分析,自动识别弹序和计算射击速度;通过仿真3 种典型单发炮口脉冲噪声信号,分析了测试最大射速及其影响因素;对某自动步枪射击实验进行了分析,研究了测试位置对测试结果的影响。仿真和试验表明,本方法可获取火炮真实射速,测试射速能达到10 000 发/ min 以上,具有判别准确率高、操作方便等特点。     

基于小波变换的电子设备故障诊断技术研究

基于BP神经网络的电子设备故障诊断,以其不需要建立故障诊断模型,易于智能化实现等优势,发展较为迅速,而采用此方法的故障诊断大部分以故障树获得的特征参数为依据;由于电子设备往往由大量的工作模块组成,各组成模块之间相互耦合、联系紧密,仅仅依靠故障树获得的特征参数难以较好地反映设备状态;所以基于这些特征参数的BP神经网络故障诊断往往诊断率较低;将小波分析的方法运用于特征参数的提取中,利用BP神经网络模式识别完成电台故障诊断;最后通过获得的实测数据进行了实例分析,验证了该方法对于提高电子设备故障诊断率,是可行有效的。     

BP网络自适应消噪方法在无线电引信中的应用

为了消除无线电引信接收回波中的背景噪声,根据引信工作环境特点,提出一种基于BP神经网络的非线性自适应滤波方法.该方法不依赖信号和噪声的先验知识,利用神经网络的高并行性和非线性计算能力,避开了冗繁的计算,能有效地消除噪声.仿真分析表明,该方法能以较快的速度给出在最小均方误差意义下主通道噪声信号的最佳近似,从而使滤波系统得到高信噪比的输出信号.为无线电引信消噪设计提供了一种新的参考.