一类混沌背景中正弦信号的提取

利用信号的尺度特性，提出了一种应用小波多尺度分解算法进行混沌信号的降噪及从混沌背景中分离正弦信号的方法。该方法不需要已知产生混沌信号的数学模型以及要求叠加在混沌背景中其他信号的幅度远远小于混沌背景信号的幅度的假定，便可从Lorenz混沌背景下提取正弦信号。计算机仿真结果表明：该方法具有实现简单、鲁棒性好、计算量小等优点。     

混沌干扰背景下的正弦频率估计新方法

提出一种基于单变量驱动误差滤波反馈混沌同步的强混沌背景下正弦参数估计的方法。该方法利用采样的混合信号(混沌加白噪声和正弦)通过某一类型滤波器,用滤波后信号驱动一新构建的同类响应混沌系统,若混沌同步发生,则驱动响应信号的误差序列中应含有正弦成分,对误差序列采用互谱MUSIC算法估计正弦频率。该方法适于强混沌信号加强白噪声为背景的正弦参数估计。仿真实验表明,该方法简单有效。     

复杂噪声背景下正弦频率估计新方法

提出一种基于系统参数摄动的单变量滤波驱动混沌同步的强混沌背景下正弦频率估计方法。该方法利用采样的混合信号通过低通滤波器并驱动构建的混沌响应系统,由于同步误差序列中混沌噪声影响大大减小且含有正弦信号,对误差序列采用互谱MUSIC算法估计正弦频率。该方法同样适用于强混沌信号加强白噪声为背景的正弦频率估计。     

基于duffing方程组的微弱正弦信号参数检测

本文将非线性混沌振子用于微弱正弦信号检测,将深陷在噪声背景下的微弱正弦信号检测出来。基于Duffing振子的混沌运动,利用系统发生间歇混沌现象的频差条件和相位差对于系统特性的影响,采用混沌振子阵列实现对噪声背景下微弱信号的检测,提出了改进的频率、相位、幅值检测方法。     

混沌振子在强噪声背景下正弦信号的检测研究

分析了基于Duffing方程形成的混沌振子的运动特性,阐述了利用混沌振子检测强噪声背景下正弦信号的原理：利用混沌振子对与策动力频率相近的正弦信号的敏感性,及对噪声和与策动力的频差较大的正弦信号的免疫性来检测淹没在强噪声中的正弦信号。给出了判断是否存在有用信号的方法,并用仿真实验验证了利用混沌振子检测微弱正弦信号的可行性和有效性。     

混沌背景下微弱信号时域参数检测的研究

数字示波器不能测量混沌背景中的微弱信号,该文结合混沌和神经网络构建检测模型实现该功能。运用混沌时间序列的相空间重构理论计算嵌入维数作为神经网络的输入维来构建网络模型,并采用单步预测方法,在混沌状态下直接测量混沌背景中微弱信号,获取微弱信号的波形。该方法能够测量微弱信号的时域参数,测量范围宽,逼近目标精度高,计算量小。实验结果证明了该方法具有很强的实用性。     

多重自相关函数在微弱正弦信号检测中的应用

研究了一种用于微弱正弦信号检测的新方法,该方法利用了正弦函数的特殊性质,在信号未知的情况下,通过多次自相关运算成功的检测出埋没于强大噪声中的微弱正弦信号．分别讨论了多重自相关法在白噪声背景下、有色噪声背景下,单一正弦信号、多个正弦信号等情况的检测效果,并给出了具体的仿真结果,此方法在频率测量中具有极高的准确性;在幅度测量上,精度略低,但通过多次测量取平均值,仍可达到预期的精度．与以往的弱信号时域处理方法比较,多重自相关检测方法具有理论推导简单、物理意义明确等特点,应用前景广泛。     

复杂噪声背景下谐波信号频率估计新方法

利用待测谐波信号的周期性及混沌信号能量集中在低频部分的特性,提出一种将倍频法、小波包分解与互谱分析相结合的强混沌噪声背景下谐波频率估计新方法。首先,利用谐波信号的周期性,将采样数据等距取值构造谐波信号倍频的新数据序列,且倍频谐波偏离混沌能量中心频段;其次,利用小波包分析法对新数据进行多层分解,使倍频谐波信号与混沌噪声主能量分离;最后,对谐波信号能量集中的分量进行互谱功率谱分析,估计谐波频率。该方法适用于强混沌信号与强观测噪声共存背景下的周期小信号频率估计。仿真实验结果表明:该方法十分有效,且计算量小。     

一种基于图像识别的高性能混沌特性判别算法

利用混沌阵子可以检测强噪声背景下极其微弱的周期信号。该方法应用中的关键问题是混沌特性的判别。提出了一种新的基于图像识别的混沌特性判别方法,该方法需要的存储量小,算法简单易行,尤其适合系统资源受限的场合,比如嵌入式系统。阐述了该混沌特性判别算法的原理,给出了一个基于此方法的完整判别程序流程。计算机仿真结果表明,该方法用于Duffing信号幅值检测系统是有效的。     

基于驱动响应同步的混沌背景下谐波信号频率估计方法

提出一种基于混沌驱动响应同步的强混沌背景下谐波频率估计的方法.该方法利用采样的混合信号(混沌加谐波)驱动一新构建的同类响应混沌系统,若响应混沌系统同步于驱动混沌信号,则驱动响应信号的误差序列中应含有谐波成分,对误差序列互谱的分析,估计谐波频率.该方法同时也适于其它噪声加混沌干扰的复合背景下的谐波频率估计.理论分析给出了该方法的适用条件,仿真实验证明该方法简单有效.     

提取混沌中微弱信号的正交局部投影方法

改进了降低混沌中噪声的局部投影方法,建立了正交局部投影算法,根据混沌的确定性特征,提出了预测性邻点选取方法和参数选择法则。这种方法成功地应用于提取Henon混沌中的微弱信号,在信噪比不低于-80 dB的条件下,能够准确提取信号信息。数值实验表明,该方法具有高度的稳定性和可靠性,是提取混沌中微弱信号的有效方法。     

Speech Encryption in Linear Canonical Transform Domain Based on Chaotic Dynamic Modulation

In order to transmit the speech information safely in the channel, a new speech encryption algorithm in linear canonical transform(LCT) domain based on dynamic modulation of chaotic system is proposed. The algorithm first uses a chaotic system to obtain the number of sampling points of the grouped encrypted signal. Then three chaotic systems are used to modulate the corresponding parameters of the LCT, and each group of transform parameters corresponds to a group of encrypted signals. Thus, each group of signals is transformed by LCT with different parameters. Finally, chaotic encryption is performed on the LCT domain spectrum of each group of signals, to realize the overall encryption of the speech signal. The experimental results show that the proposed algorithm is extremely sensitive to the keys and has a larger key space. Compared with the original signal, the waveform and LCT domain spectrum of obtained encrypted signal are distributed more uniformly and have less correlation, which can realize the safe transmission of speech signals.     

航拍图像中绝缘子的提取算法

提出了一种基于阈值分割与分步定位的绝缘子提取算法,可以从航拍巡线图像中分离出绝缘子部分．算例结果表明：该算法能够有效滤除复杂背景的干扰,得到准确的绝缘子图像．     

Speech-stream detection in short-wave channel based on empirical mode decomposition and higher-order statistics

To capture the presence of speech embedded in nonspeech events and background noise in short-wave non-cooperative communication,an algorithm for speech-stream detection in noisy environments is presented based on Empirical Mode Decomposition (EMD) and statistical properties of higher-order cumulants of speech signals.With the EMD,the noise signals can be decomposed into different numbers of IMFs.Then,the fourth-order cumulant (FOC) can be used to extract the desired feature of statistical properties for IMF components.Since the higher-order cumulants are blind for Gaussian signals,the proposed method is especially effective regarding the problem of speech-stream detection,where the speech signal is distorted by Gaussian noise.With the self-adaptive decomposition by EMD,the proposed method can also work well for non-Gaussian noise.The experiments show that the proposed algorithm can suppress different noise types with different SNRs,and the algorithm is robust in real signal tests.     

基于Volterra自适应滤波器的水中混响非线性预测

水中混响是主动声呐信号处理中主要的干扰之一,而对水中混响的预测是解决混响背景下信号处理的重要前提.基于二阶Volterra自适应滤波器的混沌时间序列的预测方法是在Takens相空间重构理论的基础上提出的.仿真结果表明,这种非线性自适应滤波预测器能够有效地预测混沌时间序列.同时,由于水中混响具有混沌特性,因而可将这种非线性预测方法应用在水中混响时间序列的预测中.通过仿真得到预期的效果.     

混沌干扰下的随机共振研究

利用随机共振现象可以实现弱信号检测,目前大量的研究是在白噪声或色噪声背景下进行的,对于混沌干扰下的随机共振的研究却很少。研究了混沌背景干扰下的信号检测,发现在混沌干扰下双稳系统也会发生随机共振现象,因此可以检测出淹没在混沌干扰中的信号;在混沌与噪声同时存在的混合背景下,随机共振现象仍然存在,混合背景可以发生与单一噪声背景类似的随机共振现象。     

Pulse Signal Recovery Method Based on Sparse Representation

Pulse signal recovery is to extract useful amplitude and time information from the pulse signal contaminated by noise.It is a great challenge to precisely recover the pulse signal in loud background noise.The conventional approaches,which are mostly based on the distribution of the pulse energy spectrum,do not well determine the locations and shapes of the pulses.In this paper,we propose a time domain method to reconstruct pulse signals.In the proposed approach,a sparse representation model is established to deal with the issue of the pulse signal recovery under noise conditions.The corresponding problem based on the sparse optimization model is solved by a matching pursuit algorithm.Simulations and experiments validate the effectiveness of the proposed approach on pulse signal recovery.     

基于子带谱特征的助听器背景噪声场景分类算法

针对助听器应用中背景噪声场景分类算法需同时具备低延时性和高分类准确率的问题,提出一种基于LightGBM集成学习模型的助听器场景分类算法以减少分类过程的计算时间,给出一种新的子带谱相关性特征并联合子带谱熵特征构成分类特征来提高助听器场景分类的准确率,使用双耳差分信号提取子带谱特征减少计算过程中的内存占用率以及模型离线训练工作量,提高计算效率。对双耳助听器声学环境识别数据集中的安静室内、交通环境、风噪声、音乐、鸡尾酒会、汽车噪声6种场景下的背景声音进行测试,实验结果表明,相对于基于随机森林模型和子带信号周期性特征、子带信号熵特征的场景分类算法,该算法在实时性和分类准确率方面的性能均有显著改善。     

基于压缩传感的混沌二相码雷达成像

压缩传感系统利用信号稀疏表示的先验知识,能从少量的观测值中重构原始信号。由于混沌相位编码信号是一种伪随机码,其越来越多地应用在雷达领域。本文将压缩传感理论应用到混沌二相码雷达系统中,将成像问题转化为字典选择问题来处理,对接收的回波进行线性投影来降低采样频率,通过最小化光滑0范数重构成像。实验结果表明,本文方法在有效降低采样频率的基础上,获得了较高质量的成像效果,并且对噪声具有一定的自适应性。     

用混沌振子和Kalman滤波检测强分形噪声中的弱信号

针对强分形噪声中微弱信号难于检测这一问题,提出了小波域多尺度模糊自适应Kalman滤波和Duffing振子相结合的方法。先对淹没在强分形噪声中的信号进行多尺度小波变换,根据分形噪声信号小波系数的平稳性,建立状态方程和观测方程,用模糊自适应Kalman滤波,对每一尺度估计出分形信号,然后将估计信号与观测信号作差得误差信号,把误差信号送入Duffing振子,利用Duffing振子对噪声的免疫性,来检测微弱信号。也给出了Duffing振子的免疫性一种新的统计解释。仿真实验结果表明：该方法能在低信噪比和低信干比下有效地检测出淹没在强分形噪声中的微弱谐波信号。