基于小波熵的辐射源指纹特征提取方法

在对辐射源信号进行小波分析的基础上,提出一种基于小波熵的辐射源指纹特征提取方法。 首先计算辐射源信号的功率谱,对功率谱进行连续小波变换,提取不同尺度下小波系数的熵 特征作为辐射源信号指纹特征。识别分类器采用概率神经网络,对20部手持机进行识别实验 ,并与传统矩形积分双谱进行对比。实验结果表明,该方法能够把辐射源信号的时频特性信 息通过小波系数的熵特征映射到特征向量中,从而实现对辐射源个体的有效识别,而且该特 征参数对噪声干扰不敏感,在信噪比为20 dB时,系统识别率达到95%以上,在信噪比为5 dB 时系统识别率仍优于80%,验证了所提方法的有效性。     

Hilbert边际能量谱在语音情感识别中的应用

情感特征的提取是语音情感识别的重要方面。由于传统信号处理方法的局限,使得提取的传统声学特征特别是频域特征并不准确,不能很好地表征语音的情感特性,因而对情感识别率不高。利用希尔伯特黄变换（HHT）对情感语音进行处理,得到情感语音的希尔伯特边际能量谱;通过对不同情感语音的边际能量谱基于Mel尺度的比较分析,提出了一组新的情感特征：Mel频率边际能量系数（MFEC）、Mel频率子带频谱质心（MSSC）、Mel频率子带频谱平坦度（MSSF）;利用支持向量机（SVM）对5种情感语音即悲伤、高兴、厌倦、愤怒和平静进行了识别。实验结果表明,通过该方法提取的新的情感特征具有较好的识别效果。     

基于多谱与支持向量机的通信辐射源个体识别

:研究电台信号性能识别问题,针对同类辐射源个体难以分类识别的特点,为消除噪声,识别有效信号,采用一种局部积分双谱作为个体识别的基本特征向量,并融合了对分类具有显著贡献的电台辐射源特征参数形成新的特征向量,提出了一种基于混合核函数的支持向量机实现通信辐射源个体的分类识别的方法,并比较了核函数的不同参数对通信信号分类正确率的影响以及使用混合核函数和普通核函数的各自的分类效果.对FM电台辐射源个体分类的实验结果表明,方法在较低信噪比下对同型号、同批次通信辐射源个体识别可以取得良好的效果.     

基于局部围线积分双谱的通信辐射源个体识别

对同类通信辐射源个体识别方法进行了深入的研究,提出了基于局部围线积分双谱的通信辐射源个体识别算法,融合了辐射源调制特征参量作为分类特征向量,采用了基于混合核函数的支持向量机(SVM)实现辐射源个体识别。实验结果表明,该方法具有较高的正确识别率(90%以上),并能够较好地解决同型号、同批次通信辐射源的个体识别问题。     

基于蚁群优化特征选择的辐射源个体识别

辐射源个体识别技术可以为战场指挥官提供复杂电磁环境中辐射源个体特征,使得指挥官在数字化战场中获得优势。为提升辐射源个体识别的效率和效果,提出了一种基于蚁群优化特征选择的辐射源个体识别方法。以最大分类正确率和最小特征子集规模为目标,建立了特征选择数学模型,使用分类器的分类正确率作为特征选择的目标函数,设计了求解模型的蚁群算法。在实测的电台辐射源信号数据集上验证算法的有效性,实验结果表明方法对辐射源信号的分类正确率有较高提升。     

一种基于循环谱切片的通信辐射源识别方法

提出一种基于循环谱切片的通信辐射源个体识别方法.通过计算信号的循环谱密度矩阵,将循环谱密度切片作为初始高维特征,再采用主成分分析方法对其进行降维处理得到指纹特征矢量,最后采取概率神经网络分类器实现辐射源的个体识别.通过对20部手持机的实验表明,使用该方法提取的特征矢量能够较好地反映信号的循环平稳特性,并且特征参数对噪声干扰不敏感,在较低信噪比条件下,系统仍具有较高的正确识别率,说明该方法确实能够较好地解决同型号、同批次、同工作参数通信辐射源的个体识别问题.     

基于特征融合的通信辐射源个体识别

针对通信辐射源个体识别研究中单一特征不足以全面表示细微特征差异,从而限制识别率的问题,提出了一种基于特征融合的通信辐射源个体识别方法。该方法首先对原信号进行短时傅里叶变换和双谱变换,提取时频特征和双谱特征,结合小波融合技术进行特征融合,最后使用残差神经网络挖掘信号隐含的深层次特征,完成分类识别。实验结果表明,对于模拟信号源发射的短波通信信号,经过特征融合后的识别效果相较于使用单一特征方法有更高的识别准确率,并且在低信噪比的情况下仍有较好的识别效果。     

多分辨率奇异谱熵及其在振动信号监测中的应用研究􀀂

在信息熵模型的基础上,将多分辨率分析和奇异谱分析有效结合,提出了多分辨率奇异谱熵及其算法,该指标能够表征不同尺度上信号能量分布的奇异状况.进一步,针对奇异谱分析是基于信号二阶平稳的假设,本文提出了基于高阶累积量的高阶多分辨率奇异谱熵,它能够充分体现信号的内在信息,提高了信号形式变化的适应性和对于嵌入维数变化的稳定性.通过对机械振动信号的仿真分析,该信息熵能够作为设备运行状态识别的有效依据.     

系数型指数模糊熵在图像增强中的应用

在研究已有模糊熵的基础上,提出了一种系数型指数模糊熵的图像增强方法。先将图像进行模糊划分后变换到模糊域,然后利用提出的模糊熵计算图像的模糊熵,并且在最大熵准则下用模拟退火算法求取最佳阀值,利用增强算子进行图像增强。实验结果表明,该算法对图像有一定的增强效果。     

基于指纹特征融合的通信辐射源个体识别研究

在对辐射源信号进行时频分析的基础上,提出一种基于特征融合的通信辐射源个体识别方法。提取辐射源信号载频特征和瞬态幅值特征,对重采样的瞬态幅值做三次样条插值,采用最小二乘法分段对插值后的瞬态幅值进行曲线拟合,获取拟合系数作为瞬态指纹特征;最后与载频特征融合,采用遗传算法优化融合系数,融合后的特征作为辐射源指纹特征。识别分类器采用概率神经网络,对16部手持机进行识别实验。实验结果表明,该方法提取的特征能够反映通信辐射源个体的时频特性,可实现对辐射源个体的有效识别,在信噪比为20 dB时,系统识别率优于90%。     

基于熵权法的CRSN软决策协作频谱感知方法

在实际的无线环境中,阴影和衰落的影响会导致传感节点接收到的信号具有不同的特征。因此,深度衰落中的一些协作节点会出现严重的漏检,这将影响融合操作的最终结果。针对上述问题,提出一种基于熵权法的认知无线传感网（cognitive radio sensor network,CRSN）软决策协作频谱感知方法。该方法将传感器节点组织成逻辑组,以获得能源效率和传感性能的提高,在接收到来自所有成员节点的软传感信息后,簇头采用等增益的软融合来进行簇间融合,然后将局部决策转发给融合中心,在最终决策过程中,采用熵权法为相应的聚类局部决策分配最优权值。仿真结果表明,该方法检测概率和总误差概率方面均优于典型的协作频谱感知分簇方案。     

经验模式分解与Hilbert谱的分析及应用

为了验证经验模式分解与Hilbert谱分析的有效性,首先,引出它的概念,指出它在时频变换领域的优点;然后,对其进行了详细阐述,包括瞬时频率求解、经验模式分解过程及Hilbert谱绘制;接着,提出了经验模式分解过程中边缘处理和内在模准则确定问题,并给出了解决方法;最后,用Duffing方程平均频率验证和压电智能结构中压电片局部脱胶试验2个实例对该方法进行了理论和试验验证,结果表明:经验模式分解与Hilbert谱是一种有效的时频信号分析方法。     

Adaptive picking of microseismic event arrival using a power spectrum envelope

An automatic, adaptive, spectrogram-based algorithm for picking the arrival time of microseismic data is proposed. The algorithm provides a significant improvement in the ratio of detected events to false triggers and in the resolution of the microseismic structure. It mainly addresses the problem of automatic picking when the signal-to-noise ratio (S/N) is low and so false and missed triggers frequently occur. It combines the short time average/long time average (STA/LTA) algorithm with an envelope algorithm. It also constructs an envelope from a time-frequency representation of the signal. The threshold is set dynamically, according to the existing noise level and the S/N ratio. The algorithm also uses the fixed LTA value to represent the noise level for a seismic record. It is applied to pick the arrival times of P-waves of local events recorded at eight stations.     

The application of the Hilbert spectrum to the analysis of electromyographic signals

This paper investigates the application of the Hilbert spectrum (HS), which is a recent tool for the analysis of nonlinear and nonstationary time-series, to the study of electromyographic (EMG) signals. The HS allows for the visualization of the energy of signals through a joint time-frequency representation. In this work we illustrate the use of the HS in two distinct applications. The first is for feature extraction from EMG signals. Our results showed that the instantaneous mean frequency (IMNF) estimated from the HS is a relevant feature to clinical practice. We found that the median of the IMNF reduces when the force level of the muscle contraction increases. In the second application we investigated the use of the HS for detection of motor unit action potentials (MUAPs). The detection of MUAPs is a basic step in EMG decomposition tools, which provide relevant information about the neuromuscular system through the morphology and firing time of MUAPs. We compared, visually, how MUAP activity is perceived on the HS with visualizations provided by some traditional (e.g. scalogram, spectrogram, Wigner-Ville) time-frequency distributions. Furthermore, an alternative visualization to the HS, for detection of MUAPs, is proposed and compared to a similar approach based on the continuous wavelet transform (CWT). Our results showed that both the proposed technique and the CWT allowed for a clear visualization of MUAP activity on the time-frequency distributions, whereas results obtained with the HS were the most difficult to interpret as they were extremely affected by spurious energy activity.     

基于子带谱熵的仿生小波语音增强

前端噪声处理直接关系着语音识别的准确性和稳定性,针对小波去噪算法所分离出的信号不是原始信号的最佳估计,提出一种基于子带谱熵的仿生小波变换(BWT)去噪算法。充分利用子带谱熵端点检测的精确性,区分含噪语音部分和噪声部分,实时更新仿生小波变换中的阈值,精确地区分出噪声信号小波系数,达到语音增强目的。实验结果表明,提出的基于子带谱熵的仿生小波语音增强方法与维纳滤波方法相比,信噪比(SNR)平均提高约8%,所提方法对噪声环境下语音信号有显著的增强效果。     

低信噪比下基于功率谱熵的语音端点检测算法

为了解决短波通信中语音检测的问题,针对短波语音信噪比低,噪声复杂的特点,对幅度谱熵算法进行了修正,选取功率谱熵作为VAD特征,加入谱熵平滑和hangover设计,研究了基于功率谱熵的语音端点检测算法。实验证明,算法对几种典型的短波语音均有比较理想的性能。     

遗传算法在认知无线电频谱感知中的应用

针对基于OFDM系统的多带联合检测方法中门限向量选取问题,在一定的主用户干扰限制下,充分考虑各子信道特征,建立了门限向量优化模型。将遗传算法应用其中求解最优门限向量,使认知系统吞吐量得到了优化。仿真结果表明,这种方法比传统未使用优化而取一致门限的频谱感知方法对吞吐量的提高更有效。     

HILBERT包络法在心音身份识别中的应用

在分析心音信号特征的基础上,对心音信号进行预处理,再利用希尔伯特变换对心音信号进行心音信号包络提取,突出了心音信号的第一心音和第二心音.然后对心音包络进行分段,通过单周期心音包络的归一化能量实现了心音信号的身份识别.     

三维Hilbert曲线在图像置乱中的应用

研究三维Hilbert曲线基元在空间中的24种形态,提出一种基于基元分形走向的n阶三维Hilbert曲线生成算法,将图像像素点存入到一个空间立方体数组中,按三维Hilbert曲线遍历顺序对空间立方体中的像素点进行顺序扫描存储,从而实现图像置乱处理。实验结果表明,相比二维Hilbert曲线,三维Hilbert曲线置乱具有更强的图像置乱度和更高的图像加密安全性。