共查询到19条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
《水雷战与舰船防护》2015,(1)
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。 相似文献
5.
基于小波模极大值的船舶轴频电场检测算法研究 总被引:2,自引:0,他引:2
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。 相似文献
6.
7.
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。 相似文献
8.
9.
10.
11.
12.
13.
14.
小波分析在信号消噪中的应用 总被引:9,自引:0,他引:9
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. 相似文献
15.
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。 相似文献
16.
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. 相似文献
17.
水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取 总被引:1,自引:1,他引:1
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。 相似文献
18.