基于时频特征检测的网络入侵信号盲源分离算法

网络入侵信号是一种非平稳随机信号,传统的检测算法难以有效提取信号的冲激响应特征,盲分离性能不好,故提出了一种基于时频分析和干扰滤波匹配的网络入侵信号盲源分离算法.采用时频特征检测方法进行信号的盲源分离处理,构建网络入侵信号时频分析处理模型,使用WVD时频分布结合Hough变换进行时频分析,设计盲分离滤波器实现对入侵信号的检测滤波,提取三阶统计量、四阶统计量及高阶谱作为信号的时频特征,估计信号的瞬时频率,得到入侵信号的盲源参数估计结果,基于时频特征检测实现对信号的盲源分离改进.仿真结果表明,采用该算法进行网络入侵信号的盲源分离和检测,准确检测概率较高,实现了对入侵信号的盲源分离和准确拦截.     

基于非负矩阵分解的欠定卷积盲源分离方法

针对音频信号欠定卷积混合模型的盲源分离求解问题,提出一种基于非负矩阵分解(NMF)的盲源分离方法.该方法以板仓-斋藤(Itakura-Saito)散度和的最大值为目标函数,利用高斯分量表示源信号的短时傅里叶变换(STFT),使用乘积更新算法估计频域内的源信号,以提高其估计的准确度.仿真结果验证了该方法的有效性.     

一种基于ARMA模型的欠定混合快速跳频信号参数盲估计算法

针对欠定情况下的快速跳频信号的参数估计问题,在基于自回归滑动平均(ARMA)模型的跳变点检测方法的基础上,提出了一种改进的快速跳频信号参数盲估计算法. 通过跳周期修正ARMA模型预测点和傅里叶变换分别得到准确的跳变时刻和载频估计,从而实现快速跳频信号的参数估计. 实验结果表明,该算法在欠定条件下,当信噪比大于10 dB时,相对现有算法跳变点检测准确率增加了5倍左右,检测准确的概率可以达到90%以上.     

基于二次灰度形态学滤波的跳频信号盲检测

短波复杂电磁环境增加了跳频检测难度,现有图像处理类盲检测法大都需要先预设门限进行二值化,但理想门限较为困难且二值图像忽略了跳频的灰度形态特征,因此针对灰度时频图运用形态学滤波,给出了基于二次灰度形态学滤波的检测算法。首先对时频图频率分量进行灰度形态学滤波,滤除大部分尖锐噪声分量和扫频干扰信号;然后将频率分量去均值,降低定频干扰信号的灰度级,同时保留跳频形态特征;最后对时频图时间分量进行改进顶帽变换,提取跳频信号的二值时频图完成检测。仿真表明,算法能有效克服噪声和干扰信号影响,在大于-10dB时提取较为完整的跳频图案,且算法简单、易于工程实现,为短波跳频信号的盲检测提供了一个新的解决方案。     

一种最大密度检测欠定混合矩阵估计算法

针对源数未知条件下欠定盲源分离混合矩阵估计问题,提出了最大密度检测混合矩阵估计算法。在观测信号稀疏表示的基础上,首先对观测信号进行预处理;然后寻找观测信号的最大密度点;接着在此基础上确定有效样本点集合,再聚类得到辐射源数和混合矩阵。为验证算法的有效性,在时频单源点检测法和小波变换法下开展了仿真实验。结果表明,所提出算法的源数和混合矩阵估计效果优于参考算法,计算复杂度远低于参考算法。进一步实验表明,所提出算法对于正定、超定和欠定盲源分离混合矩阵的估计都具有较好的适用性。     

欠定盲源分离算法的研究现状及展望

针对盲源分离技术中欠定线性瞬时混合盲源分离的问题,基于"两步法"思路,从混合矩阵估计和源信号恢复算法两方面总结了国内外的研究现状,剖析了限制算法应用的理论问题,对欠定盲源分离下一步的研究工作进行了展望.     

盲稀疏源信号分离算法的恢复性研究

基于一种两步稀疏表示的方法,利用随机框架讨论欠定盲源分离的恢复能力.盲稀疏源信号分离算法一般假设源信号是充分稀疏的,讨论了在源信号不充分稀疏的情况下欠定盲源分离的恢复能力的概率估计,进一步刻画了源的稀疏性与恢复能力的关系,揭示了利用两步法处理盲源分离问题的有效性.     

一种小波域盲源分离算法

针对基于相合束广义特征分解时域盲源分离方法受滤波器或时延影响大、性能不稳定的问题,提出了一种基于相合束广义特征分解的小波域盲源分离算法．该算法通过信号小波变换的正交性,增强信号的非高斯性,减小信号的分离难度;利用双正交小波具有线性相位特性且对信号有良好逼近能力的优点,对小波系数进行相合束广义特征分解,得到稳定的分离矩阵．该算法不仅保留了时域算法的优点,而且可以随机选取滤波器,当源信号多于3个时仍可以完全分离出源信号．4个语音信号的盲源分离仿真结果表明了算法的有效性．     

基于EEMD的地声信号单通道盲源分离算法

针对只有一个观测通道时,基于矩阵运算的盲源分离算法将会失效的问题,提出一种适用于单观测通道的地声信号盲源分离方法.首先采用总体经验模态分解方法将观测信号分解为固有模态矩阵,使单通道的欠定问题转化为多通道的正定问题,再利用已有的盲源分离算法进行分离.仿真实验说明该方法可以抑制宽频及瞬态干扰,有效地提取源信号,而且对频带有...     

一种利用小波变换计算传感器束的盲分离方法

基于相合束广义特征分解的盲分离算法需要对传感器信号进行线性变换以得到传感器束,目前已有的变换方法有滤波处理和时延处理,滤波方法需要根据源信号选择滤波器,滤波器选得不合适,有可能分离不出源信号;时延方法不能分离3个以上语音信号的混合.该文提出一种利用小波变换计算传感器束的方法,由此得到的基于相合束广义特征分解的盲分离方法可分离3个以上语音信号的混合.     

彩色血流成像中编码激励的研究

为了解决传统彩色血流成像(CFM)帧频降低的问题,提出一种利用编码激励一次性获取血流速度估计的方法.用宽带的编码信号替代传统的窄带信号作为激励,将得到的宽带回波信号通过若干组带通滤波器进行滤波,由于该若干组带通滤波器的中心频率不同,滤波后信号可看作是一系列时间上分离的窄带信号.为提高纵向分辨率,将这些窄带信号通过匹配滤波器进行脉冲压缩.脉冲压缩后的信号可通过改进的自相关算法计算血流速度估计值,将多次估计值求平均,得到最终的血流速度估计.由于每个扫查角度只需要发射一次,该方法能够大幅提高彩色血流成像的帧频.     

分数阶傅市叶变换域的心电信号滤波算法

心电信号是一种非平稳的低频微弱信号,与干扰噪声具有较强的时频耦合．经典的滤波方法难以实现有效的信噪分离．提出了一种基于分数阶傅立叶域的LMS自适应滤波算法,既结合了适合处理非平稳信号和减少时频耦合的特点,又能够有效地提高信噪比．首先将信号进行分数阶傅立叶变换,寻找最优变换域,再利用LMS自适应滤波算法在最优变换域滤波,然后对滤波后的信号进行分数阶傅立叶反变换．通过对MIT—BIH中的心电数据进行Mat—lab仿真,表明信噪比从-6dB提高到14dB,清晰地还原出心电信号的波形及特征点．     

基于小波包分析的道路信号加速度特征谱提取

道路信号是一个复杂的含有多种成分的时域波形, 具有非平稳性, 同时信号中还存在各种干扰和噪声. 应用小波包的分解与重构算法, 将由加速度传感器测得的离散时域信号的频带进行多层次划分, 并根据被分析信号的特征, 选择相应的频带, 使之与信号频谱相匹配, 从而提高了时-频分辨率, 最后提取出加速度信号的特征谱. 实验结果表明, 小波包分析可以有效地用于分析处理道路信号.     

基于双随机相位估计的无功补偿方法

为了解决实时无功补偿问题,提出了一种基于双随机相位估计的无功补偿方法.对采样电能信号进行傅里叶变换,通过频谱峰值定位算法确定电能信号的基波、各阶次谐波的频率信息.采用同频率不同相位信号调制,得到调制后信号,再经过低通滤波得到滤波后信号.结合滤波信号的比值和随机相位三角函数数值得到所要估计的信号相位信息,辅助无功补偿.通过仿真电能信号和实际采集的电能信号验证了该算法的有效性,结果表明信号相位估计相对误差在1‰以下,无功补偿能够有效提升电路的能量利用效率.     

基于S-method的多分量雷达辐射源信号检测

针对传统时频方法在处理多分量雷达辐射源信号时存在交叉项,不能检测各分量信号时域参数,难以适应低信噪比环境的问题,提出一种基于S-method(SM)的多分量雷达辐射源信号检测新方法。该方法首先计算信号的SM时频分布,然后在时频面的基础上检测各信号分量的瞬时频率和脉冲起止时间。实验结果表明,该方法能处理线性及非线性调频信号、时频分辨率高且不受交叉项干扰,时域检测精度大于98.60%,频域检测精度大于99.48%,信噪比降低时仍然保持强检测能力。     

一种组合时频分布在跳频信号参数估计中的应用

为了有效分析跳频信号并估计其参数,根据跳频信号的特点,提出了一种基于频率分解的组合时频分布．这种新的时频分布先将多分量跳频信号通过带通滤波变成多个单分量信号,再将每个分量的Wigner-Ville分布线性叠加．理论分析和仿真结果表明,这种新的组合时频分布能够有效抑制跳频信号的交叉项干扰．与现有的方法相比,具有更高的时频分辨率,更适合于跳频信号的时频分析和参数估计．     

基于宽带时频图的多路摩尔斯信号自动检测

针对现有算法没有涉及的宽带环境下多路摩尔斯信号自动检测问题,提出一种基于宽带时频图和集成学习分类器的算法.首先,通过提出一种基于宽带时频图的信号快速窄带滤波方法,实现噪声背景中各类型信号窄带时频图的快速获取;然后,为从上述窄带时频图中识别出多路摩尔斯信号,提出3个新特征与局部二值模式特征构成特征向量;最后,采用集成学习算法设计分类器实现摩尔斯信号的自动检测.与现有算法对比实验结果表明:针对多组实际数据,该算法的正确率均可达95%以上,同时误检率低于10%,具有良好的鲁棒性和应用价值.     

一种均匀线阵的信号分离方法研究

为了进一步改善阵列信号处理中盲源分离算法的分离性能,本文提出了一种基于DOA估计的阵列信号分离方法。该方法的基本思想是利用MUSIC算法实现对阵列信号DOA的预先估计,构建一预估计方向加载矩阵W,使加载后的混合信号在该预估计DOA上的信号能量最大化,最后利用传统的盲源分离算法分离接收到的混合信号,得到原始信号波形。仿真结果表明,该方法分离效果优于直接的盲分离算法,原始信号与分离信号相关系数接近于1,但同时牺牲较大运算量。     

改进型小波多分辨率分析及小波梳状滤波器

为克服小波多分辨率分析在高频段频率分辨率低的缺点,提出一种改进型小波多分辨率分析算法,并在此基础上给出一种新型小波梳状滤波器(WCF)的实现方法.改进型小波多分辨率分析算法对高频段进行逐级细分,得到一系列窄带的共轭正交滤波器(CQFs)及其输出信号序列.利用共轭正交滤波器的频率响应特性,将这些窄带滤波器通道组合成WCF.理论分析与仿真结果均表明,WCF在各频段都具有相同的频率分辨率,并能够检测子频带交界处的频率分量.WCF不仅易于实现,而且可以根据问题需要设定子带带宽,得到足够高的频率分辨率,适用于时变和非平稳信号时频特征的检测.