一种新的间歇混沌信号Poincaré映像判别方法

针对混沌振子微弱信号检测中间歇混沌信号的判别问题,该文分析了噪声对Poincaré截面的扰动影响,提出一种基于Poincaré映像的新方法,并通过数值仿真对该方法进行了验证,结果表明在强噪声作用下,即使相空间分量输出波形难以进行判别,该方法仍然能够实现间歇混沌发生频率的有效判别,且抑制了混沌振子自发的短时间周期振荡现象,实现了强噪声背景下微弱周期信号的快速有效检测.     

一种新的间歇混沌信号Poincaré映像判别方法

针对混沌振子微弱信号检测中间歇混沌信号的判别问题,该文分析了噪声对Poincaré截面的扰动影响,提出一种基于Poincaré映像的新方法,并通过数值仿真对该方法进行了验证,结果表明在强噪声作用下,即使相空间分量输出波形难以进行判别,该方法仍然能够实现间歇混沌发生频率的有效判别,且抑制了混沌振子自发的短时间周期振荡现象,实现了强噪声背景下微弱周期信号的快速有效检测.     

基于谱相关理论的信号识别算法

采用了频域平滑周期图法估计循环谱,选取信号的Sx^＋（0）截面谱中谱峰个数为特征,提出了一种调制信号识别算法,给出了信号识别流程图及步骤,并进行了计算机仿真实验。仿真结果显示,该识别算法对这几种调制信号的识别具有较高的识别精度。     

基于混沌理论的微弱信号检测

基于Matlab／Simtdink软件平台,研究了微弱信号的混沌检测原理与方法,建立了仿真模型,给出强噪声中微弱周期信号检测的仿真结果以及混沌方法检测微弱信号的步骤。仿真结果表明,Duffing振子对与参考信号频率差较小的周期信号敏感,对白噪声和频差较大的周期干扰信号具有免疫力,该振子应用于实际微弱信号的检测具有可行性,为混沌虚拟仪器开发打下了基础。     

一种直扩通信信号快速检测识别方法

本文提出和论述了一种直接序列扩频通信信号的快速检测识别方法,用该方法可以对直接序列扩频通信信号的频率和相位,扩频周期,扩频码长及扩频码型进行检测和识别,最后,给出了把提案方法用于完整实验系统的测试结果。     

一种新的间歇混沌信号Poincaré映像判别方法

针对混沌振子微弱信号检测中间歇混沌信号的判别问题,该文分析了噪声对Poincaré截面的扰动影响,提出一种基于Poincaré映像的新方法,并通过数值仿真对该方法进行了验证,结果表明在强噪声作用下,即使相空间分量输出波形难以进行判别,该方法仍然能够实现间歇混沌发生频率的有效判别,且抑制了混沌振子自发的短时间周期振荡现象,实现了强噪声背景下微弱周期信号的快速有效检测。     

基于匹配相关法的罗兰C信号周期识别

在分析比较了国内外的罗兰C周期识别算法上,提出了一种利用匹配相关进行周期识别的方法。从理论上讲,由于已知罗兰C信号的波形,采用这种方法是罗兰C信号的最佳接收,它能有效减少白噪声的干扰。在此基础上改进的相关法周期识别能够解决强噪声环境下的跳周问题。实验结果表明,该方法能够有效检测到标准过零点,周期识别精度可达0.1μs。     

近程无线电信号的自动识别

研究了近程无线电信号的准实时识别问题,对信号环境及所要识别的信号类型做了分析,分别利用时域方法和谱分析对信号进行处理,最后运用决策树的方法,进行了信号的识别。     

色噪声背景下微弱周期脉冲信号的混沌检测方法

该文将微弱周期脉冲信号引入特定的混沌系统中,以系统相轨迹由混沌状态到大尺度周期状态的跃迁作为微弱周期脉冲信号的检测依据。用特定的混沌系统实现了对强噪声背景下周期脉冲信号的检测,仿真实验表明该混沌检测系统对被强噪声覆盖的周期脉冲信号非常敏感,对任何色噪声均具有极强的抑制能力。     

一种针对特定无线电信号的识别方法

文章首先介绍了信号识别的意义和发展趋势,阐述了传统通信的信号识别方法;接着介绍了两种信号识别方法的实际应用案例,对信号识别效率、准确度进行仿真和分析;最后使用广义特征提取技术、权重特征数据库比对和决策方式,提出了一种针对特定信号识别的解决方案,该方法具有识别效率高、资源要求低、可扩展和易实现的特点。     

基于周期模糊函数理论的信噪比估计

周期模糊函数表示周期调制连续波信号的时延-频偏平面的相关,不同的信号具有不同的周期模糊函数。针对雷达中频信号的信噪比估计,提出了基于周期模糊函数理论的信噪比估计方法。根据信号和噪声在周期模糊函数中的不同位置具有不同的表现特征,推导了在高斯白噪声背景下基于周期模糊函数的信噪比估计公式,给出了实现算法,同时和其他信噪比估计算法进行了对比仿真分析。结果表明,基于周期模糊函数的信噪比估计方法,特别是对低信噪比情况下,估计精度高,算法简单,易于工程实现。     

一种基于微弱周期信号的自适应处理算法

在传感器,特别是分布式光纤传感器领域,原始信号通常具有微弱性、周期性等特点,在经过接收电路后会出现不可避免的失真,对后续的信号处理带来极大的影响。在对微弱周期信号接收电路进行理论分析的基础上,提出一种基于微弱周期信号的自适应处理算法,采用该算法对接收信号进行数据处理可以显著降低输出信号的失真度,实现了对输出信号进行优化、补偿的一种通用处理方法。     

An adaptive estimation of periodic signals using a Fourier linearcombiner

Presents an adaptive algorithm for estimating from noisy observations, periodic signals of known period subject to transient disturbances. The estimator is based on the LMS algorithm and works by tracking the Fourier coefficients of the data. The estimator is analyzed for convergence, noise misadjustment and lag misadjustment for signals with both time invariant and time variant parameters. The analysis is greatly facilitated by a change of variable that results in a time invariant difference equation. At sufficiently small values of the LMS step size, the system is shown to exhibit decoupling with each Fourier component converging independently and uniformly. Detection of rapid transients in data with low signal to noise ratio can be improved by using larger step sizes for more prominent components of the estimated signal. An application of the Fourier estimator to estimation of brain evoked responses is included     

基于小波分析的光电脉搏波奇异性处理

高精度的光电脉搏波信号,对于动态光谱法血液成分无创检测非常重要。要获得高精度的脉搏波信号,首先就要对信号中的噪声奇异点进行定位和修正。本文选择Marr小波,针对信号中的单个脉冲噪声和窄带脉冲噪声。研究了基于小波分析的光电脉搏波奇异性处理。利用脉搏波信号极大值线的周期性,在每个周期段内,首先利用单个脉冲噪声与有用信号截然不同的李氏指数特性,对单个脉冲噪声进行了处理。然后利用窄带脉冲的小波系数极大值线的特点对常规小波方法难以处理的窄带脉冲噪声进行分析定位。鉴于模极大值重构算法比较复杂,本文利用线性插值法对被定位的噪声奇异点进行了修正。仿真实验表明,利用小波分析和线性插值相结合的方法可以完成对光电脉搏波信号的奇异性处理,提高了脉搏波信号的幅值检测精度。     

一种声源定位方法在故障检测中的应用

当旋转机械运行状态出现异常或某个部分发生故障时,通常会产生周期性的振动信号或发出周期性的声音信号。这些信号通常是具有较强噪声的周期性脉冲信号。主要提出了一种能够找出发出声音脉冲信号位置的声源定位方法,并将这种方法应用到机械设备的状态检测中去。仿真结果表明,在具有较强噪声干扰的情况下,该方法能够有效地确定出脉冲声源的位置。     

Detecting finite bandwidth periodic signals in stationary noise using the signal coherence spectrum

All signals that appear to be periodic have some sort of variability from period to period regardless of how stable they appear to be in a data plot. A true sinusoidal time series is a deterministic function of time that never changes and thus has zero bandwidth around the sinusoid's frequency. A zero bandwidth is impossible in nature since all signals have some intrinsic variability over time. Deterministic sinusoids are used to model cycles as a mathematical convenience. Hinich [IEEE J. Oceanic Eng. 25 (2) (2000) 256–261] introduced a parametric statistical model, called the randomly modulated periodicity (RMP) that allows one to capture the intrinsic variability of a cycle. As with a deterministic periodic signal the RMP can have a number of harmonics. The likelihood ratio test for this model when the amplitudes and phases are known is given in [M.J. Hinich, Signal Processing 83 (2003) 1349–1352]. A method for detecting a RMP whose amplitudes and phases are unknown random process plus a stationary noise process is addressed in this paper. The only assumption on the additive noise is that it has finite dependence and finite moments. Using simulations based on a simple RMP model we show a case where the new method can detect the signal when the signal is not detectable in a standard waterfall spectrogram display.     

改进的MSK信号循环谱检测算法

利用循环谱理论对MSK直接序列扩频信号进行检测,分析了其循环谱包络特征;在有限数据下,为实现更低信噪比情况下信号检测,提出了一种改进算法,该算法基于数据分段处理和重叠保留,通过在非零循环频率上的一维搜索实现检测,能够有效地抑制噪声影响,避免多维搜索,计算量小;文中还分析了算法性能,给出了算法实现的具体步骤,并进行了计算机仿真.仿真结果证明了所提出算法的有效性.     

基于对数域同态滤波的时延估计算法研究

针对水声信道中窄带信号的多途时延估计问题,本文在对复倒谱时延估计方法进行研究的基础上,提出了一种基于对数域同态滤波的时延估计算法.结合复倒谱与同态滤波思想,将接收的窄带信号首先变换到对数域,然后与本地存储的信号进行谱减法,再对相减后的信号进行滤波以消除残余的信号与噪声成分,最后将其恢复到时域以获取多途时延估计.与传统的匹配滤波/相关处理以及复倒谱分析方法相比,本文算法具有时延估计精度高、噪声抑制能力较强等特点.仿真与湖试数据处理结果证明了该方法的有效性.     

基于循环谱的MSK信号参数改进估计算法

利用循环谱理论对最小频移键控MSK信号的载频和码元速率进行参数估计,分析了其循环谱包络特征;在有限数据下,为实现更低信噪比情况下参数估计,提出了一种改进算法,该算法基于数据分段处理和重叠保留,通过在非零循环频率上的一维搜索实现参数估计,能够有效地抑制噪声的影响,避免多维搜索,计算量小;还分析了算法性能,给出了算法实现的具体步骤,并进行了计算机仿真。仿真结果证明了所提出算法的有效性。     

强噪声下非平稳时延目标信号提取

为实现强噪声背景下时延目标信号自提取,设计了相关检测模型,提出了基于目标数据段自截取和变分模态分解(Variational Mode Decomposition, VMD)算法的目标信号自适应定位和提取算法。首先,根据目标信号频域参数构建基准信号;然后,利用互相关检测技术并以峰值梯度为特征值确定目标信号时延参数;最后,利用预设参数自适应初始化的VMD算法对截取的数据段进行处理,并对分解的各分量进行自动筛选实现目标信号有效提取。不同算法的对比实验表明,自截取+VMD算法可有效实现强噪声下时延信号的定位提取,实时性基本满足实际应用需求。