一种基于偏振特征的激光尾流探测方法

对激光经气泡、水体散射后偏振特征的变化进行理论分析,研究舰船尾流的几何模型和气泡分布规律,提出了一种基于偏振特征的激光尾流探测方法。利用偏振光探测优势对探测器进出入气泡尾流的舷别信息进行分析,对所提出的方法进行了可行性实验研究。实验结果表明：偏振光探测装置可有效地分辨尾流区和非尾流区的散射光回波信号;当激光通过不同尺度、不同密度气泡区域时,探测器接收到的回波信号亦不同,且信号特征有规律可循。该方法能初步对尾流的舷别信息进行甄别,为尾流自导鱼雷探测舰船尾流从而进行目标跟踪提供了依据。     

地面运动目标分类的模式特征与评价

为了进一步对车辆目标分类，对实验获得的典型地面运动目标一轮式车、履带式车的地震动信号从频域、时一频域等多方面进行特征提取。在频域上，应用傅立叶变换、经典功率谱分析等常用的信号处理方法对信号进行处理，提取了信号的FFT特征和功率谱特征。在时一频域应用短时傅立叶变换、小波及小波包分析方法对信号进行处理，得到时频分布矩阵奇异值分布特征和小波包分解能量分布特征。之后基于距离可分性设计了一个模式特征可分性测度，对时域和时一频域所提取的各种特性进行对比评价，结果表明FFT特征、功率谱特征和小波分解后的能量特征具有更好的可分性。该结果与将各特征应用神经网络进行目标识别的结果是一致的。这表明所设计的模式特征可分性测度是有效的。     

基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法

滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征。根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析（PCA）方法的滚动轴承故障诊断算法。将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型。实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断。     

基于小波的装甲声信号特征分析及滤波方法

针对小波变换识别和提取装甲目标声信号特征,提出了基于小波变换的装甲声信号特征分析及滤波方法。该方法在分析装甲声信号产生原因的基础上选取db7小波6层分解,利用小波变换分解重构原始声信号,进行各频带相对能量分布分析,并结合低通滤波器进行对比实验。实验表明,装甲声信号呈现明显的低频特征,频率特征主要集中在20Hz、40Hz和80Hz附近,其中20Hz和40 Hz处能量分布集中;低通滤波器不能对低频信号特征进行分析,而该方法可以准确全面地提取声信号的能量特征。     

一种新的水声目标EMD能量熵检测方法

为了解决复杂环境中水声目标难以有效检测的问题,提出了一种新的基于经验模式分解（EMD）能量熵的水声目标检测方法。该方法通过对水声信号进行经验模式分解,提取信号的本征模式分量并转化为能量特征向量,从而观测子频带能量特征的变化;然后由能量特征向量计算出经验模式能量熵,实现了对水声目标的检测。将该方法应用在仿真和实测的水声目标辐射噪声数据的目标检测中,测试结果表明,与小波变换方法相比,该方法不仅能有效地得到水声信号子频带的能量特征,而且还极大地优化了水声目标检测的区间。     

基于小波变换的被动声目标识别的研究

首先简单介绍了小波变换,然后针对被动声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号某子空间上再进行频域变换(FFT)提取目标的能量特征参数,并以卡车、小轿车和人的脚步为例建立了目标小波变换声信号特征矢量库.     

一种基于小波分频带统计特征的舰船分类识别方法

为了有效提高舰船目标的识别率,提出了一种基于小波分频带统计特征的舰船分类识别方法。该方法利用小波变换分别提取了舰船辐射噪声带内信号的小波模极大值和带外信号的分频段能量两类特征,并将两类目标特征的联合量作为舰船的目标特征用以识别舰船目标。同时利用实测海录58组舰船的辐射噪声数据对上述舰船目标特征的分类识别方法进行了验证,结果表明,利用联合特征对目标的检测概率可以达到97%以上。     

小波变换在多层复合材料的超声波检测中的应用

针对多层复合材料深层界面脱粘检测中回波信号信噪比低和难以分辨的难题,将小波变换引入到回波信号的超声波检测中来;分析了小波变换及多分辨率分析的理论依据,针对回波信号首先进行小波去噪,然后提取小波变换后各频段的信号能量作为特征,为缺陷分析及识别提供依据;实验结果表明:小波阈值去噪算法的改进方案明显要比单纯的硬阈值和软阈值方法降噪效果好,信号分析方法并可有效提取信号的特征,并将缺陷识别、定位。     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于全息特征的雷达信号综合分选新方法

提出了一种基于模糊综合评判模型的雷达信号分选新方法。首先采用传统信号分选方式对到达角或到达时间等常规参数进行提取,然后利用小波变换法提取雷达信号的脉内特征,根据层次分析确定权重,建立分选模型进行分选。计算机仿真结果表明,该方法能够有效地分选雷达信号。     

利用改进单分类支持向量机提升舰船尾流目标的检测准确率

舰船在航行过程中会在尾部产生一段包含大量气泡的湍流区域,通过对尾流的声学检测可以有效地跟踪船舶。基于一种改进单分类支持向量机（OCSVM）算法,利用无尾流情况下回波信号作为训练集的一个最优分类器,用于尾流回波信号模式判断。对回波信号进行降噪处理,进而提出一种自适应特征提取方法对回波信号进行处理;将特征提取作为输入,使用两层决策边界的双阈值OCSVM算法进行尾流检测。仿真结果表明,与常规OCSVM算法相比,改进算法在不同信噪比下的检测准确率均有提升,检测准确率最高可达96.27%,具有较好的工程应用价值。     

舰船辐射噪声功率谱特征提取方法研究

基于分段最小二乘曲线拟合方法,提出了一种的提取舰船噪声信号功率谱中线谱特征的新方法,通过一种新的坐标变换,用最小二乘曲线拟合方法精确提取了连续谱特征,将连续谱特征和线谱特征组合得到了舰船噪声的功率谱特征。利用BP神经网络对海上实录的两类目标噪声进行了分类识别,实验证明了方法的有效性,识别率达到90%以上,分类效果很好。     

一种激光尾流制导鱼雷信号检测方法

针对鱼雷光检测尾流时尾流信号受水体后向散射干扰不易检测的问题,给出了一种有效的检测方法。利用变遗忘因子的自适应抵消方法对水体后向散射回波进行抑制,通过非线性放大增强目标信号,最后采取自适应阈值等多种有效策略对目标进行探测。对试验数据分析表明,该方法可以有效抑制水体后向散射回波信号,并具有较快的收敛速度和跟踪速度,可提高光尾流检测能力。研究结果可为光检测尾流的实际应用提供了依据。     

一种水下目标辐射噪声调制特征提取方法

水下目标辐射噪声的调制信号携带许多重要特征信息,本文在现代信号处理理论的基础上对其调制特征提取方法进行了探讨。首先,利用小波变换和多分辨率分析理论,提取水下目标辐射噪声的调制包络;然后选取具有明显调制特征的特定频段数据对其进行112维谱分析,得到了辐射噪声的谐波信息。该方法结合小波变换与高阶谱理论对调制谱进行提取,可同时利用小波的消噪和高阶谱对高斯噪声的天然抑制性。对实测噪声数据进行的仿真结果表明,该方法可以有效提取噪声中的动态调制信息且抗噪性良好,具有很好的应用前景。     

基于小波脊线特征提取的雷达辐射源信号识别

针对在低信噪比条件下雷达辐射源信号识别率低的问题,提出了一种基于小波脊线特征提取的雷达辐射源信号脉内调制方式识别方法.该方法使用新的改进Morlet小波提取信号瞬时频率,变换后提取其二次特征用于分类识别.计算机仿真结果表明本方法提取的特征向量具有良好的识别能力,在2 dB的低信噪比条件下,平均识别率可达到90%以上,通过与现有方法进行对比仿真验证了本算法在低信噪比环境下的优越性.     

基于小波数据压缩技术的故障特征提取

文中基于小波数据压缩技术．提出了一种基于小波多分辨分解的特征提取方法。首先．研究了小波基函数的选择方法；然后，基于选择的小波基，应用小波数据压缩技术实现故障数据特征提取；并将其应用于导弹故障诊断的特征提取过程中。通过对几种典型的故障信号的分析实验，验证了基于小波多分辨分解的特征提取方法的有效性。     

基于提升小波包变换集成特征提取模型

为了从发动机缸盖振动信号中快速提取出反应完备状态信息的特征,针对信号特点和提升小波包变换的性质,建立了适于在线提取的缸盖振动信号特征参数体系。总结了提升小波包变换的3个性质一不相关性、可逆性和保序性,利用3个性质将降噪、特征提取和消除波动集成到一次提升小波包分解与重构过程,建立了发动机缸盖振动信号集成特征提取模型,给出了集成消除波动的特征计算公式和特征值标准化公式。通过实例,对集成特征提取模型的工作过程进行了说明。     

基于小波变换的无线电引信目标识别研究

根据无线电引信回波多普勒信号功率主要集中在低频部分的特点,对淹没在噪声中的无线电引信回波信号进行小波分解,提取低频段不同频带内信号能量作为特征,用Fisher判别方法对目标进行检测.针对不同信噪比,对某典型无线电引信回波信号进行定量研究,实验结果表明该方法是有效的.