舰船地震波信号的小波能量谱检测算法

本文基于滑动小波能量谱提出一种新的舰船地震波信号实时检测算法,首先利用小波变换对实测信号进行尺度—小波能量谱分析,获得信号在尺度—小波能量谱上的特点,然后基于该特点选取一段频带内的能量和作为检测特征量,最后通过比较特征量与阈值的大小,并根据一定的检测规则,完成对舰船地震波信号的实时检测。实测数据和仿真数据表明,该检测算法能够实时地完成对目标信号的检测,且在信噪比为-15dB时,检测概率达到96%。      

一种面向化学机械抛光终点检测系统的信号处理方法

提出了一种针对基于摩擦的化学机械抛光（Chemical Mechanical Polishing,CMP）终点检测系统的信号处理方法。该信号处理方法采用小波阈值去噪的方法去除包含在原始测量信号中的噪声;从去噪后的信号中提取卡尔曼滤波新息作为特征信号;根据CMP过程中卡尔曼滤波新息的特征来判断何时达到CMP终点。应用该信号处理方法,进行了铜CMP过程的终点检测试验。试验结果表明,该信号处理方法可以判断出铜CMP过程的终点。     

基于小波变换的语音基频提取新算法

该文将小波变换应用于具有连续语音特征的三字词语音的基频提取,并针对实验中出现的问题对算法进行了改进,提出了一种新的基于小波变换的语音基频检测算法。该算法主要包括:离散小波变换计算、基于投票策略的基频点选择和基频起点确定、基频检查、异常点修正、头尾漏点处理以及基于投票策略的基频点精确定位。实验表明,该算法较好地克服了基于小波变换传统算法的不足,更适合于连续语音的基频提取,缺陷是需要较多的计算时间,不太适合于实时性要求较高的系统。     

基于小波包变换实时检测回转电机振动信号

小波包变换不仅能检测非平稳信号的整次谐波,还能检测信号的非整次谐波,而且小波变换本身对信号的奇异点十分敏感,因此可以用来跟踪牙轮钻机振动信号。简述了小波包变换的原理,并基于Matlab实现了对牙轮钻机振动信号的处理。该处理具有信噪分离、测量牙轮钻机振动功率谱、牙轮钻机振动信号的时域-频域变化规律、牙轮钻机振动速度信号三维图、伴有噪声的原始振动波形和噪声波等测量功能。实测某矿山YZ-35C牙轮钻机的振动速度信号,实测效果优于P3562A动态信号分析仪的测量结果,结果表明该方法是可行的和有效的。     

基于WP-SVD的抗几何攻击水印算法研究

针对数字水印对抗几何攻击表现出的脆弱性,在分析小波包（Wavelet Packet,WP）变换的基础上,提出了一种基于WP-SVD的抗几何攻击的新水印算法。在对图像进行小波包变换的基础上,将中频部分数据进行奇异值分解（SVD）来获取具有小波包变换（RST）部分不变性的特征点准备水印嵌入,嵌入过程中根据图像局部区域特征点小波系数在变换前后梯度方向相同,梯度相似值一致的特点,运用同级分解的近似系数来调整嵌入强度和量化步长,模拟实验结果显示这种算法能有效地提高数字水印抵抗几何攻击的能力。     

基于最优小波包基的电能质量扰动数据的压缩

针对电能质量扰动信号的频率变化十分广泛（最高达到MHz）的特点，在小波压缩的基础上，提出将基于最佳小波包基的数据分析方法应用于电能质量数据压缩，利用最佳小波包基的快速搜寻算法对高，低频分量同时进行分解，再对扰动数据进行压缩重构，并将其与基于小波变换的数据压缩方法进行仿真比较。结果表示，对于暂态信号，在压缩比大致相同的情况下，基于最佳小波包基的数据压缩效果比基于传统小波的数据压缩效果好，而对于稳态信号，基于两种方法的压缩效果相当．     

海杂波背景下基于FRFT的多运动目标检测快速算法

针对海杂波背景中多运动目标检测问题,建立了目标检测和参数估计模型,结合小波包变换（WPT）的多尺度分辨能力和分数阶Fourier变换（FRFT）对线性调频（LFM）信号良好的能量聚集性的特点,提出了一种应用小波包变换的FRFT域动目标检测算法。算法采用“最小Shannon熵”标准确定最优小波树,利用阈值删除技术,对不同频段信号进行滤波,达到抑制海杂波的目的;经分数阶Fourier变换后,取峰值的绝对值作为检测统计量,与门限进行比较后判断目标的有无。采用分级迭代运算的方法估计目标参数,大大提高了运算速度,降低了运算量;借鉴“CLEAN”思想,有效地解决了强目标对弱目标的遮蔽影响。经X波段实测海杂波数据验证,算法具有良好的检测海杂波中微弱动目标的能力。      

直升机声信号的检测和识别

详细介绍了一种基于小波包和神经网络的新算法，用于对直升机声音信号检测并且识别机型。具体方法是对采集到的声音样本利用小波包分析提取特征向量，把这些特征向量输入反向误差传播（Back Propagation，BP）神经网络训练，用训练好的检测神经网络进行直升机的检测。检测完毕，证实是直升飞机声信号后，再通过识别神经网络区分不同型号直升机。实验表明，此方法能利用小波包时频局部聚焦分析能力和BP神经网络的自适应能力，较好地对不同型号的直升机声信号进行有效地检测和识别。因此。基于小波包和神经网络的直升机检测和识别算法不仅可靠而且是可行的。     

基于小波包分析的辐射源特征提取和识别算法

提出了一种基于小波包的变换方法。该方法通过对不同脉内调制方式进行频带能量的提取,并引入支持向量机来完成对辐射源的分类。该小波包变换对信号局部的时频特征具有较好的分辨率。仿真结果表明,文中的小波包变换信号时频特征的分析精度优于传统算法。     

基于Contourlet变换的红外图像序列小目标检测技术

Contourlet变换具有多尺度,多方向性的特征,是小波的一种扩展.本文提出了一种基于Contourlet变换的红外小目标检测算法.首先对图像进行Contourlet分解;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量问的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现目标的检测.文中给出了实验结果,并与基于小波变换的红外小目标检测算法进行了比较,结果表明,本方法能较精确地检测出红外小目标,优于基于小波变换的方法.     

基于多端特征融合模型的MIMO-OFDM系统盲调制识别

自动调制分类(Automatic Modulation Classification,AMC)在认知无线电中起着提高频谱利用率的重要作用,然而,现有的大多数工作都集中在单输入单输出系统中的单载波通信。针对当前非协作通信中多输入多输出正交频分多路复用(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing,MIMO-OFDM)系统子载波的盲调制识别问题,本文提出了一种基于多端特征融合模型的盲调制识别方法。首先,利用特征矩阵的联合近似对角化算法(Joint Approximate Diagonalization of Eigenvalue Matrix,JADE)从接收端的混合信号中恢复发送信号。然后,提取恢复信号的循环谱剖面和同向正交分量作为浅层特征。最后,搭建多端特征融合模型,利用一维卷积网络(One-Dimensional Convolutional Neural Network,1D-CNN)与通道注意力模块(Channel Attention Module,CAM)的串联模型完成对浅层特征...     

HHT在脑电信号去噪中的应用

脑电信号在采集过程中极易受到噪声的干扰,如何有效地去除混入脑电信号中的噪声已经成为信号前期处理的难点。根据脑电信号和噪声的特点,使用HHT方法去除脑电信号中的工频噪声,并通过信噪比和均方误差对去噪效果进行了检测。仿真结果表明该方法不仅能够有效地抑制工频噪声,还可以较好地保持脑电信号的波形特征。     

基于核典型相关分析的语音情感识别研究

语音是人类表达思想和感情交流最重要的工具,是人类文化的重要组成部分。语音情感识别作为情感计算中的重要课题已经成为国际上的研究热点,受到越来越多的关注。已有神经科学研究表明,大脑是产生调节情感的物质基础。因此,在语音情感的研究中,我们不能仅考虑语音信号自身,还应将大脑的活动信号融入语音情感识别中,以实现更高准确率的情感识别。基于上述思想,本文提出了一种基于核典型相关分析（KCCA）的语音特征提取方法。该方法将语音特征与脑电图（EEG）特征映射到高维希尔伯特空间,并计算二者的最大相关系数。KCCA将语音特征在高维希尔伯特空间上向与脑电特征相关性最大的方向投影,最终得到包含脑电信息的语音特征。本文方法将与语音情感相关的脑电信息融入语音情感特征提取中,所提特征能够更准确的表征情感。同时,本方法在理论上具有良好的可迁移性,当所提脑电特征足够准确与具有代表性时,KCCA建模得到的投影向量具有通用性,可直接用于新的语音情感数据集中而无需重新采集和计算相应的脑电信号。在自建语音情感数据库与公开语音情感数据库MSP-IMPROV上的实验结果表明,使用投影语音特征进行语音情感分类的方法优于使用原始音频特征...     

基于信息融合技术的直升机声信号识别

提出了一种基于多类特征提取的直升机声信号识别方法：对声信号提取多类特征,分别针对每一类特征进行模糊识别。应用一种改进的D—S证据方法对多个模糊识别的结果进行融合。该方法将多种特征提取方法有机结合起来,综合考虑直升机声信号多个方面的特征。仿真结果表明,该方法与传统方法相比,具有更高的识别率和稳定性。     

基于小波包分析与BP神经网络的氧化铝熟料检测

利用小波包分析与BP（Back Propagation）神经网络相结合的算法,对氧化铝熟料检测的应用进行了研究。通过对回转窑中的氧化铝熟料下落碰撞窑壁产生的声音信号进行采集,利用小波包分析提取特征向量,根据氧化铝的烧结状况与声音信号特征向量的对应关系,提出建立BP神经网络模型。经过MATLAB对测试样本进行验证,结果表明BP神经网络模型在氧化铝熟料检测的可行性,而且具备一定的准确率。     

基于Haar小波变换的直扩信号伪码盲同步方法

为了解决非合作条件下短码直接序列扩频信号的盲同步问题,提出了一种基于Haar小波变换的伪码同步方法。该方法不需要事先知道扩频序列,先将直扩信号进行延迟相乘和低通滤波处理,计算其Haar小波变换,再按照伪码周期分段进行累加,搜索幅度累计平均的峰值,即可估计出直扩信号的伪码同步时间。理论分析和仿真实验表明在低信噪比下,该方法仍具有较好的性能,而且计算量较小、数值稳定性好,易于工程实现。     

基于深度学习网络融合的自动调制分类方法

基于深度学习网络的自动调制分类（Automatic Modulation Classification, AMC）方法虽然对大多数通信调制信号能够取得满意的分类效果,但对WBFM(Wide Band Frequency Modulation)信号和MQAM(Multiple Quadrature Amplitude Modulation)信号的分类并不理想。针对WBFM信号误判的问题,使用判决法来筛选WBFM信号;考虑到信号样本不平衡的情况,引入数据增强方法扩充筛选后的WBFM信号。针对MQAM信号混淆的问题,利用分数阶傅里叶变换（Fractional Fourier Transform, FRFT）获取时频维度更多的特征信息。在此基础上,提出一种基于特征金字塔网络和长短时记忆网络并联的多通道特征融合网络（Multi-channel Feature Fusion, MFF）来提取信号的深层特征和浅层特征进行分类。实验结果表明：本文所提方法在一定程度上能够解决WBFM信号的误判问题和MQAM信号的混淆问题;与CNN(ConvolutionalNeuralNetwork)、ResNet(R...     

基于信号特性的宽带航空数据链信号来向估计方法

L频段数字航空通信系统（L-DACS）是未来面向航路阶段的空地数据链路,其工作频段计划部署在航空无线电导航频段,与民航测距机（DME）的频谱有部分重叠,容易受到大功率DME信号的干扰,为了在抑制干扰的同时能充分利用阵列天线的增益,有必要提前估计出L-DACS信号的波达方向。针对航空信道特点,并考虑到机载平台高速运动导致的多普勒频移影响,将L-DACS信号建模为渐进准循环平稳信号,提出了基于渐进准循环平稳特征的L-DACS系统信号来向估计方法。仿真结果表明,该方法能够在机载平台高速运动且受DME信号干扰的场景下估计出期望信号的来向,具有较高的估计准确度和良好的低信噪比适应能力。      

多相编码雷达信号参数快速估计方法

针对Wigner-Ville分布、Radon-Wigner变换估计多相编码雷达信号参数存在运算量大、估计精度低等问题,本文提出了基于Radon-ambiguity变换和分数阶傅里叶变换(FRFT)联合分析的参数快速估计方法。该方法采用Radon-ambiguity变换估计信号调制斜率,采用分数阶傅里叶变换估计载频、周期等,通过两次一维搜索峰值来估计信号的参数,与Wigner变换、Radon-Wigner变换的二维搜索峰值相比,运算量大大降低,且提高了参数估计精度。仿真结果证明了该方法的有效性。     

一种低旁瓣混沌雷达波形设计方法

传统的线性调频雷达波形,其自相关函数旁瓣较高,虽然可以经过切趾滤波处理降低旁瓣,但有一定程度的信噪比损失。针对这一问题,本文提出利用初始值优化过后的Lorenz系统的变量进行混沌调频,不但可以得到更好的自相关特性,而且没有信噪比损失,同时保持了混沌信号的类随机特性和较强的抗干扰性能(ECCM)。仿真结果表明,在没有加窗处理的情况下,可得到具有-39.53dB峰值旁瓣的Lorenz混沌调频雷达信号,比切趾滤波后的线性调频波旁瓣更低,是理想的雷达信号。