一种小波核函数的支持向量回归算法及应用

借助谐波小波函数在分析窄带信号方面的性能,利用支持向量回归算法,提出了一种基于谐波小波核函数和支持向量机相结合的谐波小波核支持向量回归算法,实现了小样本情况下微弱信号的精确检测.仿真和实测检测噪声数据的分析表明该算法可以有效地检测出舰船噪声中的线谱信号.     

一种基于TS201的微弱信号检测平台设计

微弱信号的提取在信号检测中占据十分重要的地位,文中研究了一种基于TS201芯片的微弱信号的检测平台设计,利用正弦信号的特性,进行多重自相关运算,有效的提高信噪比,提取淹没于噪声背景下的微弱信号。文中给出了具体的硬件结构设计和算法实验。实验结果表明,检测平台能有效的提取微弱信号。     

基于混沌与高阶累积量的微弱信号检测

针对微弱信号幅值很小,常被噪声淹没,而传统去噪方法效果并不理想,研究基于混沌与高阶累积量的微弱正弦信号检测方法,建立仿真模型,并将最大李雅普诺夫Lyapunov指数作为判断混沌系统相变的量化依据．自动识别混沌系统的临界状态,从而准确确定系统的策动力临界闽值。仿真实验表明该方法能有效检测出淹没在高斯噪声中的微弱正弦信号,检测信噪比为-37dB时,幅度检测相对误差为1．9％。该方法幅度检测门限低,具有广泛应用前景。     

利用周期振子检测微弱相位编码信号

临界混沌状态的周期振子对噪声具有免疫力,而对微弱的正弦信号或相位编码信号比较敏感。根据这种特 性,可以检测出淹没在强噪声背景下的微弱正弦信号或相位编码信号并估计其频率。     

基于Duffing振子的微弱信号检测方法及其电路的实现

在介绍了Duffing振子用于微弱信号检测原理和方法的基础上,根据系统的状态方程,设计制作了基于Duffing振子的微弱信号检测电路,并且分别用20HZ和60HZ频率的正弦信号对电路进行了控制试验.利用混沌系统相变对周期小信号的敏感性和对噪声具有免疫力的特点,用此电路实现了在强噪声背景下的微弱正弦信号的检测.研究工作对...     

强混沌噪声背景下弱信号检测

提出了一种强混沌噪声中检测微弱正弦信号的新方法。该方法主要利用了数据平滑处理和自适应处理,故在硬件设计上容易实现。计算机仿真实验结果表明：能够比较精确地检测到强混沌噪声中的微弱信号,检测到微弱信号的信噪比可达到-80dB。     

纳伏级正弦信号的混沌检测方法研究

提出一种基于混沌理论的纳伏级正弦信号的测量方案，给出了对正弦信号进行混沌检测的原理与方法，仿真实验表明将该混沌检测系统与本文所设计的纳伏级正弦信号发生器相结合，在任何零均值色噪声背景下对微弱正弦信号的检测下限可降至nV级的水平。     

扩频通信系统中弱信号检测研究

介绍了一种用于扩频通信系统微弱信号检测的新方法。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。具有理论推导简单、物理意义明确、计算量小等特点。还给出了具体信号的仿真结果。     

基于光弹调制的原子磁强计中光信号检测方法

在无自旋交换弛豫原子磁强计中,需要检测极小的旋光角度。基于光弹调制器的偏振调制技术由于其较低的噪声和长时间的稳定性在各种检测方法中是优选的。但光弹调制器的输出信号里包含有大量噪声和高次谐波,严重影响了原子磁强计的性能。针对以上问题分析了基于光弹调制器的偏振调制技术的原理和待检测信号的特性,并提出一种基于双通道数字锁相放大器的原子磁强计微弱信号检测方法。该方法简化锁相放大算法,减小电路复杂度,并能准确地同时检测一次谐波和二次谐波的幅值。理论分析和仿真结果表明,该检测系统工作良好,可以准确地检测微弱信号,误差在0.1%以内。     

无线噪声干扰下微弱通信信号捕获方法研究

在无线噪声干扰下通信信号的信噪比较低,难以实现对微弱通信信号的准确捕获,通信信号的检测性能较低,传统方法采用高阶谱检测方法进行噪声干扰下的微弱通信信号捕获,随着噪声干扰强度的增大,检测性能不好。提出一种基于微弱通信信号空间波达信号特征参量估计的无线噪声干扰下微弱通信信号捕获方法。首先进行了无线噪声干扰下微弱通信号的信号模型构建和通信信道分析,设计自适应匹配滤波器进行噪声干扰抑制,对滤波信号进行空间波达信号特征参量估计,实现对无线噪声干扰下微弱通信信号的准确捕获和检测,实现算法改进。仿真结果表明,采用该方法进行无线噪声干扰下微弱通信信号捕获的检测性能较好,对虚警干扰的抑制能力较高,提高对微弱信号的准确检测概率,展示了优越性能。     

一种新的电力系统频率测量算法

该文研究了一种新的电力系统频率测量的新算法,利用正弦信号的频率特性,对含有谐波、噪声、直流干扰下的电力系统频率信号进行多重自相关运算,得到原始信号的自相关函数,对自相关函数求导,根据极值解析运算原理测量基波信号频率。分析了各个因素对该文算法精度的影响,给出了仿真结果,理论和实验结果表明该文算法有效地提取电力信号的基波频率,对谐波、噪声及直流电平干扰具有很强的抑制能力。算法简单,物理意义明确,具有一定的实用价值。     

混沌背景中微弱信号检测的回声状态网络方法

对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌时间序列预测均方根误差的倒数作为适应度函数,通过选择、交叉、变异等操作获得适合数据特点的最优模型参数。根据回声状态网络强大的学习和非线性处理能力,利用得到的回声状态网络模型最优参数建立混沌背景噪声的单步预测模型,将淹没在混沌背景噪声中的微弱瞬态信号和周期信号从预测误差中检测出来。以Lorenz系统和实测的海杂波数据作为混沌背景噪声进行仿真实验,仿真结果表明,本文所提方法在预测精度和训练速度方面均优于支持向量机和神经网络模型,能够有效地检测出混沌背景噪声中的微弱目标信号,且具有较小的预测误差。      

采用高阶谱分析的红外弱小目标检测

在分析了以前的关于红外图像弱小目标检测的一些算法的特点和不足之后,针对单帧图像首次提出了一种新的检测算法一基于高阶谱分析的弱小目标检测：将图像中的背景灰度数据看作为噪声信号,弱小目标的灰度数据看作是淹没在噪声信号中的谐波信号,对图像行和列象素的灰度数据进行功率谱和高阶累计量分析,抑制噪声,检测谐波,检测的分辨力取决于同时参与谱分析的行或列的个数,算法的优点在于采用同一理论检测,简便易行,有较高的准确度,并且所需的数据仅限于单帧图像。最后给出了一个应用此算法实际的检测例子。     

小信号检测中的自适应随机共振技术

论文就双稳态非线性系统的结构参数和弱信号及噪声之间的关系进行了仿真,对随机共振技术运用于强噪声背景下的弱信号检测进行了研究。提出了一种随机共振自适应算法,并运用于中频电源的故障信号检测,取得了较好结果。     

多重自相关在电力基波频率测最中的应用

文章对正弦信号的多重自相关运算进行了详细的介绍,并将多重自相关运算应用于电力信号的基波信号的提取中,分析了不同谐波干扰,直流干扰,低信噪比下的检测效果,给电力信号基波提取及谐波含量的高精度分析提供一种新的思路。     

乘性和加性噪声中二维谐波频率估计

噪声中的谐波恢复问题是信号处理领域的一个典型问题,在众多领域中有着广泛的应用。本文主要研究零均值乘性和加性噪声并存下的二维谐波信号频率估计问题,提出了一种基于数据矩阵的奇异值分解和子空间的旋转不变性的零均值乘性和加性噪声中的谐波频率的估计方法。乘性噪声为零均值情形下传统的估计方法往往难以直接应用或估计失效。本文利用谐波模型信号特征,通过对观测信号进行平方运算构造了一个数据矩阵。通过对数据矩阵的特征值进行理论分析,结合子空间旋转不变性,得到了零均值乘性和加性噪声中的谐波频率和数据矩阵之间的一种内在关系。这个性质可以用于零均值乘性和加性噪声并存下的二维谐波信号频率估计,并且所得的二维频率能自动配对。仿真实验验证了本文所提算法的有效性。      

一种可用于声目标特征提取的超分辨率混合谱估计算法

本文研究了一种估计有色噪声中多组谐波信号参数的去耦参数估计算法。其中提出了一种基于FFT的谐波组迭代清除算法来估计谐波信号的参数,并根据谐波图的值来确定谐波信号的个数。该算法不仅计算简单并可获得较高的频率分辩率,而且对信号模型具有较强的鲁棒性。     

基于混沌和神经网络的弱信号探测

本文首先描述了混沌的定义，提出了一个判断时间序列是否具有混沌行为的实验准则，即时间序列要有有限维数的吸收子，一个为正数的Ｌｙａｐｕｎｏｖｅ指数（李氏指数）并且是局部可预测的，分析了神经网络的重构混沌时间序列相空间的性能和受白噪声干扰时重构相空间的能力，基于神经网络所具的强大学习和非线性处理能力和混沌的局部可预测性，提出了一种利用神经网络对淹没有混沌背景下的瞬态信号进行检测的方法，实验表明，这种方法