基于小波尺度相关的船舶轴频电场信号检测算法

针对现有船舶轴频电场信号检测算法检测微弱信号能力弱和计算量大等问题,提出了基于小波尺度相关的目标检测算法。该算法利用目标信号和噪声在小波变换各尺度上相关性的差异,求取实测信号的两重小波相关系数,并对其进行二次小波变换,将变换后的两重小波相关系数作为检测信号进行滑动功率谱检测。实测数据对滑动功率谱算法、基于小波包分解的检测算法和本文算法的验证结果表明,本文算法能在更低信噪比情况下有效地将微弱的轴频电场信号从环境背景噪声中检测出来。     

基于小波分析的多普勒弱信号检测方法

针对低信噪比强杂波背景下连续多普勒弱信号检测的问题,提出了一种基于小波分析方法的弱信号检测算法。利用这种基于小波函数为sym5的五层小波分解算法,可提取出连续多普勒弱信号的联合时频特征值,从而实现目标信号的检测。并通过使用时域、短时傅立叶和小波分析三种算法对拟合数据进行仿真,得到三种算法在不同信噪比下的检测性能对比及定性分析,证明了小波分析算法的有效性。     

基于小波域OBF分解的磁异常信号检测算法

针对传统的OBF分解算法在非高斯噪声下检测性能较差的问题,提出了基于小波域OBF分解的磁异常信号检测算法。首先对含噪信号进行小波分解,提取最后一层的低频分量;再对低频分量作OBF分解,提取能量特征信号进行门限检测。试验结果表明,该算法显著增强了非高斯噪声下微弱磁异常信号的检测效果。     

基于MATLAB的微弱信号检测方法仿真分析

为了实现低信噪比下微弱信号的检测,介绍了自相关和小波变换2种检测方法,并通过MATLAB进行了仿真验证。仿真结果表明:多重自相关法能够有效地抑制高斯白噪声带来的干扰,相比之下,小波变换法在非高斯噪声中的微弱信号检测具有一定的优势,依然能够有效地提取微弱信号的特征。根据实际情况,将2种方法结合使用将有利于达到较好的去噪效果。     

基于小波模极大值的船舶轴频电场检测算法研究

船舶轴频电场是一种具有明显目标特征的极低频信号,对船舶的水下非声探测具有重要作用。对船舶轴频电场信号小波模极大值的尺度变化进行分析,根据目标信号和噪声的差异,采用Hermite 插值对目标信号小波模极大值进行快速重构;提取目标特征频率范围内的能量均值为特征值,采用滑动检测方法对目标进行检测。实测和仿真数据对该算法的验证结果表明,此方法相对小波包熵检测算法的检测效果较好,虚警率较低,当SNR 为-5. 9 dB 时检测率相对提高50% 左右,并且在SNR 为-8. 2 dB 时仍然具有86%的检测率。     

基于相关分析的船舶轴频电场实时检测算法

针对现有船舶轴频电场检测算法计算量大等问题,提出一种基于相关分析的船舶轴频电场实时检测算法。该算法利用海洋环境电场和船舶轴频电场水平两分量的相关性差异,提取检测电场信号水平两分量的相关系数为特征,采用滑动检测方法对船舶轴频电场信号进行实时检测。实测数据的验证结果表明:该算法在高信噪比和低信噪比情况下均能较好地检测到目标信号,且不会出现虚警,可用于引信对目标的检测。     

融合卷积特征与判别字典学习的低截获概率雷达信号识别

针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法。该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中。网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2～6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征。使用判别字典学习方法进行识别。仿真结果表明：通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献［4］、文献［24］、文献［25］、文献［26］中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率。     

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.     

基于卷积神经网络的微弱雷达信号增强技术研究

针对雷达信号侦察领域中微弱信号检测困难的问题,提出了一种利用卷积神经网络算法增强微弱信号的方法。在Tensor Flow框架下,首先对信号做短时傅里叶变换,通过监督学习训练,在含噪频谱和纯净频谱之间建立关系,最后将训练成熟的网络用于提高微弱信号的信噪比,实现了信号增强的目的。仿真结果表明,算法对含噪信号的增强效果十分明显。该算法的实现将有效提高信号检测概率,为信号检测领域提供有效支撑。     

小波变换模极大去噪法在无线电引信信号处理中的应用

将小波变换模极大去噪理论和方法应用于无线电引信的信号处理研究,在小波变换模极大值特性分析的基础上,讨论了无线电引信信号和噪声的小波变换模极大值在各尺度上的传播特性,提出了无线电引信小波变换模极大值去噪算法,并对算法进行了深入分析,仿真结果显示：利用小波变换模极大值去噪方法可有效去除低信噪比的无线电引信信号噪声。     

一种提高Wigner-hough变换检测信噪比的方法

分析了Wigner-hough变换(WHT)对线性调频信号的检测.通过对WHT输入信噪比和输出信噪比的计算,得出了当分析信号样本点数较大时,WHT可有效改善输出信噪比.仿真结果表明:当信噪比为-10 dB,采样点数从128提高到256时,可显著地提高输出信噪比.这一结果对于进一步开展低信噪比情况下线性调频信号的检测与处理具有重要意义.     

基于双曲调频小波变换的水下运动目标参数估计

为了精确估计水下运动目标的运动参数，选择双曲调频小波作为发射信号，对其自小波变换进行了分析。对于参数未知的运动目标，给出了利用该小波变换消除尺度和时延耦合的方法。仿真结果表明，该方法能在低信噪比下估计运动目标的参数，验证了方法的有效性。     

小波分析在信号消噪中的应用

用小波分析进行信号消噪常用多尺度小波变换和小波包变换.多尺度小波变换是将信号分解成高频和低频成分,低频包含信号的主要性能,高频含较多噪声,将高频平滑后再重建即可消噪.其消噪处理有强制、默认阈值和给定软/硬阈值3种方法.小波包变换消噪是将信号的小波包分解、计算最佳小波包基、分解系数的阈值化处理及重构原来信号实现消噪.并给出了几个Matlab消噪函数:多尺度一维小波分解和重构wavedec及waverec、消噪默认阈值ddencmp和消噪函数wdencmp;小波包变换的ddencmp 和wdencmp函数.试验表明,此方法具有较高的有效性和实用性.     

自动机机箱振动分析与诊断研究

自动机射击动作时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性;针对自动机实射动作冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析。根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量,并用比例梯度动量共轭算法训练的神经网络模型进行自动机状态定位与故障识别。     

基于多尺度自适应卡尔曼滤波的分形信号去噪

针对1/f分形信号在传输过程会受到噪声污染问题,提出了一种基于小波变换与自适应卡尔曼滤波相结合的多尺度自,应去卷积滤波方法.根据小波变换对l/f分形信号进行白化的特点,在小波域对小波系数建模,先利用最小二乘法求解模型系数,然后基于自适应卡尔曼去卷积滤波对1If分形信号进行估计.仿真实验表明,在不同的输入信噪比与分形指数情况下,所提出的去噪方法均能取得较好的效果.     

水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取

水下目标识别是水声探测中的关键技术,具有重要的应用价值。海洋环境的复杂性导致水下目标识别中存在不可回避的噪声干扰。以人耳听觉机理为基础,提出了一种结合Gammatone滤波器、小波阈值降噪和希尔伯特-黄变换(HHT)的水下目标识别方法。采用Gammatone滤波器实现人耳听觉机理的模拟,并在此基础上进行小波阈值降噪,提高系统的噪声鲁棒性,然后利用HHT进行时频分析和特征提取。利用实际水下目标数据进行识别实验,对提出的方法进行了验证。实验结果表明,提出的方法在低信噪比条件下具有良好的鲁棒性,并具有较好的识别效果。     

基于多重信号分类法的线性调频差频频率估计

针对傅里叶方法估计线性调频连续波差频信号频率在小尺度上精度低的缺陷,提出利用多重信号分类法(Multiple Signal Classification,MUSIC)估计差频信号频率.该方法在频域上对自相关功率谱进行信号和噪声的空间分解,利用信号空间和噪声空间的正交性,完成对信号频率的超分辨估计.仿真计算和实验室测试表...     

低信噪比下相位编码信号脉内特征提取的新方法

利用小波脊线法可以实现相位编码信号脉内特征的提取,但低信噪比下噪声幅度将淹没小波变换的尖峰,误差较大,严重影响识别效果．为改善低信噪比下相位编码信号脉内特征提取的准确性,提出一种基于小波分析去噪和小波脊线法相结合的改进算法,首先通过小波分析对相位编码信号进行去噪,改善信噪比,在此基础上再进行其脉内特征的提取．仿真结果证明该方法有效,具有一定的参考价值．