连续波背景下多信号处理方法

对接收到的信号进行短时傅里叶变换，通过分析短时傅里叶变换中每一个时间片内的信号频谱，检测出连续波背景下的脉冲信号。滤除线性调频脉冲信号成分，保留连续波信号成分，得到调频连续波信号具有周期性的时频变化曲线。根据连续波信号时频变化曲线的频谱特征，估计出其主要参数，然后滤除脉冲信号出现时间内信号中的连续波成分，并采用相应的方法估计出其参数。仿真结果表明，本文算法可以准确估计出线性调频连续波（LFMCW）信号和线性调频（LFM）脉冲信号的参数，当LFMCW信号的信噪比高于-8dB，并且其功率比脉冲信号功率小6dB以上时，算法具有良好的估计精度和稳定性。     

基于时频分析的海杂波背景下舰船目标检测

为了克服基于小波尺度谱重排的时频分析方法中时、频分辨率不佳及时频分布可读性较差等问题,本文提出了一种基于参数优化Morlet小波变换和奇异值分解的海杂波背景下舰船目标检测算法。算法首先利用Shannon小波熵作为目标函数,根据高频地波雷达信号的特点自适应地优化Morlet小波变换的时间带宽积参数,使得后续重排尺度谱的时、频分辨率同时达到最佳。然后再对重排小波尺度谱进行基于奇异值分解的降噪处理,以抑制环境噪声的影响,进一步提高时频分布的可读性。实验结果表明：与传统的时频分析算法相比,本文提出的算法具有更好的时频聚集性和较强的噪声抑制能力,能有效地检测海杂波背景下缓慢运动的匀速和匀加速舰船目标。     

基于STFT和FrFT的连续波雷达参数估计

连续波雷达的回波信号由目标进行调制,对回波参数的估计是雷达信号处理的主要任务.本文从短时傅里叶变换(STFT)和分数阶傅里叶变换(FrFT)的基本特点入手,介绍了他们进行雷达回波信号参数估计时的优缺点.针对这些特点,提出了一种基于两种方法的混合算法.混合算法分两步:首先,混合算法运用STFT进行速度粗测;然后,用FrFT对加速度进行估计同时进行速度的精测.最后本文进行蒙特卡罗仿真实验,实验结果证明,即使在较低信噪比下该算法依然有效.     

波门设计对多频连续波雷达航迹起始的影响

针对多频连续波雷达航迹起始问题,提出一种引入径向速度量测的航迹起始新方法.首先从理论上分析航迹起始波门的设计方法;然后详细阐述了引入径向速度量测后的航迹起始算法;最后通过Monte Carlo仿真验证了该算法的有效性,并结合多频连续波体制雷达的测距特点,分固定测距误差与变测距误差两种情况比较了不同波门设计对多频连续波雷达航迹起始效果的影响.     

基于时频重排和时频脊线的信号脉内特征提取

针对小波脊线法在提取雷达信号脉内特征时信噪比性能较差的缺点,本文基于小波变换谱,将时频重排和时频脊线相结合,提出了一种新的时频联合分析方法.该方法借助于时频重排在改善谱图时频凝聚性方面的优势,使算法的信噪比性能得到有效改善.仿真表明,在低信噪比条件下,该方法仍可得到准确的估计值.     

Wigner—Hough变换在车流量检测雷达信号处理中的应用

在车流量检测雷达中,由于受噪声和干扰的影响,中频信号实际是非平稳的,在频域内很难准确地估计目标参数.本文通过分析目标信号、干扰信号和噪声在Wigner时频平面的分布特性,提出了利用Wigner-Hough 变换来估计目标参数的方法;文中同时讨论了Wigner-Hough变换的实现问题.实验结果表明,该方法在车辆目标判断方面具有较好的性能.     

基于小波变换和Kalman滤波的多传感器数据融合

不同的传感器数据采集系统采集的数据具有不同的分辨率,因而需要解决多分辨率数据的融合技术和方法。Kalman滤波对非平稳信号具有较强的估计能力,能对信号所有的频率成分同时进行处理;小波变换的多分辨分析正好提供了有效的多分辨率信息处理方法。因此本文基于小波变换的分时分频多分辨率特点,把信号进行小波变换,然后分别在各尺度上进行Kalman滤波估计,最后通过Mallat快速重构算法,得到融合后的结果。     

动态模型的多尺度自适应跟踪算法

多尺度 (小波)分析具有时、频分析特性 ,把多尺度分析用于融合跟踪领域是一项值得深入研究的课题 .本文根据多尺度分析思想 ,把运动模型的动态系统分析与小波变换方法相结合 ,给出了不同尺度上的节点方差矩阵的一种快速求解方法 .在此基础上提出了一种多尺度自适应融合跟踪方法 .该方法根据目标的运动状态自动调整跟踪尺度 ,从而有效地利用检测数据 ,更准确地刻画出航迹变化 ,弥补了单一尺度的不足 ,实现了对动态目标的跟踪 .     

基于小波变换的雷达回波信号去噪方法研究

为了准确识别雷达回波信号中的目标信号,木文将小波变换引入到雷达回波信号处理,对回波信号进行分解、重构以及滤波器设计,去除雷达信号中的噪声,采用MATLAB软件进行系统仿真,结果表明,采用小波变换mallat算法对探地雷达回波信号进行目标识别具有较好的时频分辨率,且可抑制杂波,去除噪声,能很好的识别目标信号,具有很好的应用前景。     

OFDM系统中基于FRFT的多径参数估计方案

无线信道中存在的多径衰落特性使通信系统的性能急剧恶化,必须精确的估计出多径信道的参数以便更好的设计通信系统.本文提出了一种基于单分量线性调频(LFM)信号的多径参数估计方法.该方法通过发射单分量LFM信号作为正交频分复用(OFDM)系统的导频信号来探测多径信道,在接收端用最小描述长度(MDL)标准来检测信道的多径数目,并用分数阶傅立叶变换(FRFT)进行多径参数估计,适合于移动终端.仿真结果表明该算法有良好的估计性能.     

小波变换在传感器信号滤波中的应用

在流速测量过程中采集的加速度传感器信号是含有随机干扰的信号,为了改善滤波效果,尽可能排除随机信号的干扰,本文介绍了小波变换理论在加速度信息滤波中的应用,并进行了仿真实验。仿真结果表明,小波变换具有良好的时频特性,能有效检测出信号中所含各频率成分,减小测量误差,在传感器信号滤波方面有广阔的应用前景。     

一种基于张量PCA的人耳识别的改进方法

张量主成分分析是一种新的主元分析方法,可以解决传统PCA方法对图像进行降维时出现的问题。小波变换具有良好的时频分析特性,同时还能起到降维的作用。综合利用这两个方法的优点,提出了一种基于张量PCA的人耳识别新方法。该方法对人耳图像采用小波变换做预处理得到4个子带图像,对其中“LL”低频子带图像用张量PCA进行特征提取,用支持向量机的方法进行识别。实验结果表明,利用此方法与传统主成分分析识别相比,提高了识别率,缩短了识别时间。在USTB人耳库上实验,该方法的识别率比传统PCA方法提高了6%,识别时间为传统PCA方法的35.23%。     

Gabor变换与双线性时频分布的时频结构

时频聚集性和交叉项是衡量时频分布性能的主要评价指标。Gabor变换是一种线性变换且不存在交叉项,而双线性时频分布具有良好的时频聚集性但存在交叉项。从图像处理的角度对Gabor变换和双线性时频分布的时频图像进行处理,可以得到既具有良好的时频聚集性,又减少交叉项的时频分布。仿真实验表明这种方法可以得到更加精细的语音时频结构。     

基于多小波变换的图像去噪

小波分析是目前国际上最新的时间频率分析工具,是信号去噪的强有力处理工具.小波变换可以将交织在一起的混合信号分解成不同频率的块信号.多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足.提出了一种新的图像去噪方法,该方法以多小波变换为基础.实验证明,去噪效果良好.     

小波变换技术及其在图像压缩中的应用分析

小波变换是一项重要的变换编码技术,它采用多分辨率分析方法,克服了傅氏变换的缺点,解决了时间和频率分辨率的矛盾,具有很好的局部化时频分析特性。多分辨率分析及Mallat算法为小波基的构造和快速变换提供了理论基础。该文阐述了小波变换原理,并实现了在MATLAB环境下图像小波变换压缩的模拟仿真。     

Identification of Constant Parameters of Dynamic Systems by a Time-Frequency Method

A time-frequency method for identifying linear dynamic systems of a general form with constant parameters and delays in their observable variables is considered. The identification problem is found to be decomposable into the problem of estimating unknown parameters and the problem of estimating the initial conditions. Applying the time-frequency method to identify the differential equation of the Van der Pol oscillator, which is nonlinear by both its state and parameters, is considered. Examples are used to show that the time-frequency method solves the identification problem both for stable and unstable dynamic systems.     

同步挤压小波变换提取地震信号瞬时属性

地震信号瞬时参数的准确提取对于研究地球介质的岩性构造、油气储藏等具有重要意义。针对用传统时频分析方法提取地震信号瞬时参数对噪声敏感、可靠性不强等问题,提出了利用同步挤压小波变换(SST)提取地震信号瞬时参数的方法。该方法是一种连续可逆的时频变换工具,首先结合时频谱重排的思想,得到同步挤压小波变换量值,然后计算出实信号对应的解析信号,接着求取瞬时参数,最后与传统的Hilbert变换方法进行比较,通过仿真信号试验和实际地震资料的应用表明,SST提取的地震瞬时参数抗噪性更强、可靠性强,尤其对于瞬时频率的提取。     

小波去噪方法分析与Matlab仿真

小波分析理论是一种新兴的信号处理理论,它在时间上和频率上都有很好的局部性,这使得小波分析非常适合于时一频分析,借助时一频局部分析特性,小波分析理论已经成为信号去噪中的一种重要的工具.简速了几种小波去噪方法,其中的阈值去噪的方法是一种实现简单、效果较好的小波去噪方法.     

一种融合小波变化和张量PCA的人耳识别的算法*

小波变换具有良好的时频分析特性,而且具有较快的算法特点,同时还能起到降维的作用。张量主成分分析方法用于人耳识别能获得比PCA方法更高的识别率。综合利用这两个算法的优点,提出了一种新的人耳识别方法,对人耳图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,最后利用最近邻的方法实现人耳图像识别。实验结果表明,利用此方法与只用主成分分析识别相比,提高了识别率。     

基于小波变换的非线性尺度扩散方法

小波变换用于图像处理之所以具有特别的优势，因为它能够聚焦到图像的细微变化。与小波变换不同，用偏微分方程来进行图像处理则需要对图像进行反复的迭代，直到得到一个稳定解，其整个过程是对图像进行整体处理，而且在去噪的同时，可以很好地保持边缘形状不变。若将两者有机结合，则不仅会克服各自的缺点，而且会得到更好的效果。为了在进行图像处理时，既能很好地抑制噪声，又能尽可能多地保持图像细节，提出了一种小波变换与非线性尺度扩散相结合的图像处理方法。该方法是利用小波变换的时频局部性和非线性尺度扩散的边缘增强特性来对图像进行处理，实验结果表明，其不仅能很好地抑制噪声，而且可保留尽可能多的图像细节，可见该方法是有效的。