基于尺度—小波能量谱的船舶水压场信号检测

 为了有效地从风浪背景中检测船舶水压场信号,本文利用连续小波变换分析了实测海浪水压场与船舶水压场的尺度—小波能量谱,根据两者的能量差异,提取某一特征尺度范围内的能量和为特征,采用滑动检测方法对信号进行实时检测.通过实测数据和仿真数据对该检测算法进行验证,结果表明此方法在低信噪比情况下,能较好的检测到目标信号.     

基于IRWLS支持向量拟合的线谱检测算法

基于迭代最小二乘支持向量拟合（IRWLS—SVR）法,建立了舰船噪声中线谱信号的数学模型用于对噪声背景中线谱信号的检测;利用IRWLS—SVR算法得到的稀疏解,减少了运算量,提高了运算速度。利用计算机仿真信号和实测舰船声信号的验证表明,该算法在高斯噪声背景下可以有效地检测出线谱信号,检测舰船噪声信号中线谱信号的信噪比改善达到4dB。     

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.     

基于小波包和ZFFT的舰船辐射噪声调制特征融合和提取

舰船噪声调制包络谱是水下目标识别的重要特征。本文提出了一种基于小波包分析和ZFFT的高频噪声解调分析(DEMON)方法,对多子带包络谱进行融合,得到了线谱特征明显的DEMON谱;利用倍频算法,对DEMON谱进行了轴频提取。舰船实测数据证明该分析方法的可行性和有效性。     

基于小波包变换的信号谱峰检测算法

提出了一种新的基于小波包变换的信号谱峰检测算法,主要思想是利用小波包变换的特点,对信号功率谱进行平滑处理,突出谱峰的特征点（起点、顶点和终点）,然后对其进行三层小波包变换,提取相应细节系数的特征点来估计谱峰的起点、顶点和终点,从而完成谱峰的检测。该方法的特点是无需信号的任何先验信息,是一种盲处理算法。仿真结果表明,信噪比不低于5dB的情况下,信号特征点检测的归一化均方误差（NMME）低于6‰,其性能比传统基于差分的方法有明显的优势。     

基于小波多尺度分解的混沌时间序列消噪

本文基于小波多尺度分解的思想,提出了一种降低混沌序列噪声的方法。小波多尺度分解算法之所以能够区分不同尺度的信号,是因为它利用了小波变换在时、频两域具有突出信号局部特征的能力以及小波变换是线性变换的特点。鉴于实测的混沌信号的能量主要集中在低频,而具有突变特征的噪声的能量主要在高频部分,因而提出的方法仅需利用信号的尺度特性,就可以消除含噪混沌序列的大部分噪声。仿真实验给出了该算法的消噪性能分析,结论表明基于小波多尺度分解的混沌时间序列消噪具有良好的实用前景。     

基于小波模极大值能量的船舶轴频电场检测

为了有效地从海洋环境电场背景中检测微弱的船舶轴频电场信号,对轴频信号小波模极大值的尺度分布特性进行了分析,在得出轴频观测信号中噪声模极大值的幅度和分布稠度均随尺度增大而减小的结论的基础上,通过提取最大分解尺度的模极大值能量作为特征值,利用滑动检测方法对目标进行检测,并且避免了小波模极大值的重构过程,因而计算量小,检测速度较快.最后,分别使用实测数据和仿真数据对该算法进行了验证,结果表明此算法在低信噪比情况下具有较好的检测效果,当SNR为-10.8dB时仍然具有79%的检测率.     

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

基于重排时间尺度分布的跳频信号参数盲估计

提出了一种低截获概率跳频信号的截获方法,该方法基于信号小波尺度谱的重排时间尺度分布,在未知任何先验条件情况下,能够检测并提取非合作跳频信号的跳频频率、跳频周期和跳变时刻特征参数信息。文中比较了跳频信号的小波尺度谱与重排小波尺度谱分析效果,提出了基于重排小波尺度谱的跳频信号参数盲估计算法,通过计算机仿真得到了较为准确的估计结果,并对算法的性能进行了分析,验证了该方法的有效性。     

使用小波理论分析信号功率谱的二次处理方法

本论文研究讨论一种利用小波分析理论对功率谱进行二次处理的方法．论文首先介绍了这种方法的应用背景,给出了舰船辐射噪声功率的结构．在简明扼要地介绍了小波理论的有关基础知识,给出线谱的数学解释并分析了它在尺度分解中的特点之后,论文基于多尺度分析与奇异性信号检测的理论,对信号的功率谱做尺度分解,利用线谱的奇异性捕捉舰船辐射噪声功率谱中的线谱分量．由实船辐射噪声信号的分析结果我们看到,这种二次处理的方法不仅可以准确定位低信噪比的线谱,而且可以同时提取所有可能的线谱信号．     

基于图像K-means聚类分析的频谱感知算法

近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。      

一种基于循环谱的突发信号盲检测算法

突发信号盲检测在非合作通信中至关重要。待检测信号特征量的构造与突发信号段起止点的精确捕获是突发信号盲检测技术的关键。文中提出了一种基于循环谱的突发信号盲检测算法,算法首先以循环谱循环频率截面的相对方差作为待检测信号的特征量,该特征量具有优良的抑制突发强噪声干扰性能;然后利用特征量的方差进行信号存在性判决;最后采用基于特征量峰值的突发信号段起止点搜索算法,避免了设置检测门限带来的信噪比估计、噪声功率估计等问题,同时可在一定的检测正确率条件下保证起止点的捕获精度。仿真结果表明,该算法能有效抑制突发强噪声干扰,信号存在性判决准确率高,而且在误差控制要求较严格条件下的检测精度优于双窗能量法。      

基于信号能量分布拟合优度的长短时记忆网络频谱感知算法研究

传统频谱感知算法性能在低信噪比下不够理想,在高信噪比下较好,算法性能随信噪比降低逐渐变差。本文提出了基于信号能量分布拟合优度的长短时记忆网络频谱感知算法,利用授权用户信号存在时的接收信号为基础,计算接收信号的能量分布,并将通过拟合优度算法得到的距离值作为特征构造特征向量,然后将特征向量输入长短时记忆网络训练得到模型,最后将测试数据输入训练模型进行预测,从而实现频谱感知。仿真结果表明,本文提出的新算法在信噪比为-13 dB,采样点数为28时,检测概率达到96.21%,明显优于传统能量检测算法和传统拟合优度算法。      

Combined energy detection and one-order cyclostationary feature detection techniques in cognitive radio systems

One of the main requirements of cognitive radio systems is the ability to detect the presence of the primary user with fast speed and precise accuracy.To achieve that,a possible two-stage spectrum sensing scheme is suggested in this paper.More specifically,a fast spectrum sensing algorithm based on the energy detection is introduced focusing on the coarse detection.A complementary fine spectrum sensing algorithm adopts one-order cyclostationary properties of primary user's signals in time domain.Since the one-order feature detection is performed in time domain,the real-time operation and low-computational complexity can be achieved.Also,it drastically reduces hardware burdens and power consumption as opposed to two-order feature detection.The sensing performance of the proposed method is studied and the analytical performance results are given.The results indicate that better performance can be achieved in proposed two-stage sensing detection compared to the conventional energy detector.     

采用支持向量机的宽带频谱感知算法

认知无线电系统中,压缩感知理论已广泛运用于宽带频谱检测。但是,压缩感知中的重构问题造成频谱检测算法计算复杂度高,且在低信噪比下检测效果不佳。本文提出了采用支持向量机的宽带频谱感知算法,该算法利用支持向量机建立频谱检测分类器,代替信号的重构与检测过程。根据系统对实时性的要求,分别设计了多级二元分类器感知算法和单级多元分类器感知算法。前者适用于分级数有限且实时性要求不高的场景,后者可大幅降低系统的算法复杂度,降低感知时间,适用于实时检测系统。仿真结果表明,与基于重构的能量检测算法相比,本文提出的两种算法均可以有效改善系统对噪声的鲁棒性,提高在较小信噪比下的检测性能。      

天波雷达电离层污染校正与海杂波抑制

在天波超视距雷达（OTHR）中,舰船目标的多普勒频率与海杂波谱接近,电离层污染会导致海杂波频谱展宽,从而淹没邻近的舰船目标信号。考虑到电离层污染会导致OTHR回波信号的相位缓慢变化,提出了采用相位梯度法对回波信号进行电离层污染校正;利用污染校正后的海杂波可以近似为两个单频信号之和这一特点,提出了应用奇异值分解来实现对海杂波的抑制。仿真结果表明,文中算法可以有效地校正电离层污染,抑制海杂波,显著提高信杂比,从而有效解决强海杂波对舰船目标的遮蔽问题。与现有的HRR—SVD算法相比,文中算法可以适用于相干积累时间较长和电离层污染较大的情况,防止残留的海杂波形成虚警,提高了OTHR对海杂波附近舰船目标的检测能力。     

自适应线谱增强器的改进及实现

针对舰船辐射噪声中线谱检测及提取难问题,研究了基于矢量水听器的自适应线谱增强器。利用矢量水听器同步、同点测量声场的声压和振速的特点,将传统自适应线谱增强器改进为双输入结构,由于所测声压信号与振速信号间的相关性,提高了线谱增强的效果。通过实测数据对改进算法进行了验证,并在Simulink中的DSP Bulider平台下对改进的自适应线谱增强算法予以实现。     

基于循环谱的外辐射源无人机微动特征检测

为了降低无人机微多普勒特征信号检测难度,提出了一种基于无源雷达与循环谱相结合的微多普勒特征检测算法.首先,建立基于数字电视地面广播(Digital Terrestrial Multimedia Broadcast,DTMB)的无源雷达回波信号模型,分析各成分信号的循环谱,并提取循环谱的等高图获得二维特征信息;然后,将无...     

蜂群优化神经网络的频谱感知

由于神经网络训练收敛速度慢、易陷入局部最优解,而最优解对神经网络的频谱感知算法性能影响大,因此为提高神经网络的频谱感知算法性能,采用蜂群算法交叉训练神经网络,加快训练收敛速度,降低均方误差。采用信号的能量、循环功率谱作为特征参数,提出了蜂群优化神经网络的频谱感知算法。仿真结果表明,在给定迭代次数下,相比能量法、循环平稳特征法、无蜂群算法交叉训练神经网络或RBF神经网络的频谱感知算法,本文算法具有更好的感知性能。