一种基于形态滤波的水声信号检测算法

针对水声目标检测中色噪声及近场强干扰导致目标检测概率下降的问题,通过分析实际水声信道特性和水声阵列接收信号的LOFAR谱特征,将导向最小方差波束合成(STMV)与形态学滤波技术相结合,提出一种基于数学形态学滤波的水声目标检测方法。在STMV之后,应用联合形态学滤波估计信号噪声基底,进行常规信号检测。海试数据处理结果表明,该算法能在复杂的噪声背景环境下实现对水下微弱目标的有效检测。     

一种信号检测预处理的改进多尺度形态学滤波方法

通信信道冲击噪声干扰和宽带接收机非线性影响会导致接收的信号噪声基底不平坦,若不考虑噪声基底起伏而直接进行检测信号,可能会导致漏检。为提高信号检测精度,需估计信号噪声基底。为解决该问题,提出了一种信号检测预处理的改进多尺度形态学滤波方法。该方法采用多尺度开-闭组合运算对信号频谱进行形态学滤波,利用不同尺度的结构元素对不同带宽的信号进行局部滤波,并利用滤波后凸包的存在性作为滤波终止条件。仿真结果表明,该方法可以有效将不同带宽的信号滤除,有效提取噪声基底噪声,同时可消除频谱中低电平毛刺对噪声估计的影响。     

多尺度形态学滤波下的宽带信号检测方法

由于阻抗失配和器件非线性等原因,宽带侦察接收机捕获信号的噪声基底并不平整,易引起弱信号漏检,因此需要对噪声基底进行估计。在噪声基底变化较快时,以往基于形态学滤波的噪声基底估计算法存在基底估计精度和大带宽信号漏检的矛盾。本文提出多尺度的形态学滤波,通过检测不同滤波尺度下噪声基底估值的变换,实现不同频点使用不同尺度的结构元素,在快变噪声基底频谱中提高了噪声基底估计的精度。通过实验仿真验证,该算法能够有效的估计噪声基底,使修正后的频谱能够更好的检测信号。      

基于MeanShift的短波跳频信号快速盲检测

在复杂的短波信道环境下,为了降低各种干扰信号和噪声对跳频信号的影响,实现低信噪比下跳频信号盲检测,结合时频分析技术,提出一种基于MeanShift算法的连通域标记跳频信号快速盲检测算法。首先,对信道环境灰度时频图进行二次灰度形态学滤波得到二值化时频图。其次,通过连通域标记算法,计算信号最大持续时长。再次,利用MeanShift算法对信号最大持续时长进行聚类分析。最后,结合自适应双门限对聚类结果进行二次判决。仿真结果表明,在无任何先验信息的情况下,所提算法能够在低信噪比下快速分离各种干扰信号与尖锐噪声,实现跳频信号快速盲检测,检测概率较高,在短波信道环境下抗干扰能力较强,计算复杂度较低,具有较高的工程实用价值。     

适于动态信道化接收机的信道检测算法

:针对现有频谱检测算法无法解决不同信道之间的噪声基底差异问题,提出了基于形态学运算的信道检测算法。该算法首先利用形态学运算对信道噪声基底进行估计,并将其减去,消除了复杂噪声背景的影响;然后,采用能量检测算法确定检测门限,实现子带信号的检测。仿真结果表明:该算法能够在噪声起伏较大的背景下完成信道检测和判决,检测概率优于传统能量检测算法。     

一种适用于短波信号宽带检测的快速算法

在复杂的短波通信环境中,宽带检测算法需要面对更多的问题。主要针对短波信号宽带检测需要面临的实际问题,对短波信号的宽带频谱特征进行分析,采用数学形态学理论中的相关算法,有效地对复杂的短波宽带色噪声基底进行白化处理,并利用较为直观的水平门限设置方法进行信号的宽带检测。通过对实际短波宽带接收信号进行测试的结果表明,算法能够较好地满足宽带检测需求,提高对弱信号的检测概率。     

基于形态学预处理的短波猝发信号检测算法

在短波宽带接收条件下的猝发信号检测中,存在信道噪底起伏较大、多峰信号较多等问题。针对这两个问题,提出一种基于频谱灰度形态学预处理原理的短波检测方法,通过将宽带频谱图作为一维灰度图像进行形态学预处理,较好地估计了宽带频谱的噪声基底;并采用自适应门限、幅度门限和带宽门限等多门限联合判证方法,有效解决了多谱峰信号的判证问题。大量实验表明,该检测方法能够在宽带条件下实现对短猝发信号的高概率捕获,具有很强的鲁棒性和实用性。     

无线噪声干扰下微弱通信信号捕获方法研究

在无线噪声干扰下通信信号的信噪比较低,难以实现对微弱通信信号的准确捕获,通信信号的检测性能较低,传统方法采用高阶谱检测方法进行噪声干扰下的微弱通信信号捕获,随着噪声干扰强度的增大,检测性能不好。提出一种基于微弱通信信号空间波达信号特征参量估计的无线噪声干扰下微弱通信信号捕获方法。首先进行了无线噪声干扰下微弱通信号的信号模型构建和通信信道分析,设计自适应匹配滤波器进行噪声干扰抑制,对滤波信号进行空间波达信号特征参量估计,实现对无线噪声干扰下微弱通信信号的准确捕获和检测,实现算法改进。仿真结果表明,采用该方法进行无线噪声干扰下微弱通信信号捕获的检测性能较好,对虚警干扰的抑制能力较高,提高对微弱信号的准确检测概率,展示了优越性能。     

非高斯噪声环境的进化粒子滤波盲检测器

对于信道模型系数未知的平坦瑞利衰落信道下非高斯噪声环境中的盲信号检测,提出了一种基于进化粒子滤波的盲检测算法。该算法能够解决一般的粒子滤波对于估计长时间不变的状态存在的样本贫化的问题和系统噪声的非高斯问题。仿真试验结果证明,在信道模型系数未知的平坦衰落信道下,非高斯的噪声环境中,该算法性能优越,接近达到已知信道模型系数情况下的混合卡尔曼滤波算法的性能。     

一种有效的宽带数字侦察接收机信号检测方法

针对宽带数字式搜索接收机信号处理中的高分辨率谱估计和弱信号漏检问题,提出一种有效的处理方法。首先采用数字信道化接收机进行均匀窄带划分,并对各窄带信号进行FFT运算后拼接出整个接收带宽内的频谱,然后采用形态学滤波方法估计起伏的噪声基底并修正,最后根据修正频谱的噪声谱线的分布特征估计出自适应检测门限,并与修正频谱比较完成宽带接收信号的检测。理论分析和仿真试验验证了方法的有效性。      

噪声密度不敏感的随机采样椒盐噪声滤波算法

中值滤波系列算法在处理被不同密度椒盐噪声污染的细节图像和平坦图像时,降噪性能不一致。本文借鉴开关中值滤波和压缩感知的思想,提出了随机采样滤波算法去除椒盐噪声。算法以噪声检测为基础,将被椒盐噪声污染的图像分为疑似噪声像素和信号像素,随机采样仅对信号像素采样。然后,利用正交匹配追踪算法重构出被污染前的图像,替代了中值滤波对噪声像素的估计。由于随机采样滤波基于压缩感知理论,对稀疏信号的重构具有最少测量次数的条件,因此随机采样点的数量具有一定的浮动空间,表现为对噪声密度不敏感。以被不同噪声密度污染图像的纹理、平坦局部区域进行验证,实验表明,当噪声密度在一定范围内变化时,算法可以实现对噪声密度不敏感。在高密度噪声污染的情况下,相较于中值滤波系列算法,随机采样滤波算法具有更好的细节保留能力和滤波能力。对标准测试图像进行了全局滤波,不同噪声密度具有一致的滤波效果,与自适应滤波算法相比,随机采样滤波算法在处理包含密集边缘特征的区域时更具备优势。      

多脉冲串步进频率信号相位斜率测速技术

研究了基于步进频率波形的相推测速技术,建立了空间目标宽带步进频率雷达回波信号仿真模型,提出了多脉冲串步进频率信号相位斜率运动参数估计方法,考虑了目标本身的电磁散射特性和微动对算法估计性能的影响。在低信噪比情况下,结合恒虚警率检测与形态学滤波技术能够对噪声进行有效抑制,提高了算法的鲁棒性和测速精度。     

红外序列图像中缓动点目标的投影检测算法及其改进

应用形态学滤波算法获得红外图像的背景，利用局域窗口估计的噪声均值和方差对噪声进行归一化，将归一化图像在时域上构成组合帧，然后在组合帧内对目标进行统计检测，分析得到了目标及噪声在组合帧中的统计分布。针对噪声和目标幅值的不同分布特性，进一步对投影算法进行了改进，提高了投影算法的信噪比。实际红外图像仿真表明，该算法可以成功检测信噪比为2的目标。     

基于时频形态学滤波的能量积累检测

许多实际应用中,强噪声背景下信号能量的长时间积累是有效检测的关键。该文利用信号在时频平面上的能量聚集特性,提出基于时频域形态学滤波的能量积累检测方法。首先确定时频分布的最优核,计算观测序列的时频分布;然后用阈值处理和形态学滤波估计时频分布的高能量支撑区域;最后累加这些区域的时频能量作为统计量进行检测。仿真结果表明,这种方法在低信噪比下可以有效工作。     

基于噪声检测的高密度椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度的保护图像的细节信息,使得高密度噪声污染图像也能得到较好地恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

无源循环平稳信号检测方法

研究了无源接收条件下循环平筝信号的检测方法。在循环相关匹配滤波理论的基础上,分别给出了无源单 站和无源双站准循环相关匹配滤波器的设计方法,并研究了基于准循环相关匹配滤波的无源单站和无源双站信号检测方 法,得到了SPS无源单站信号循环检测子和SPB无源双站信号循环检测子。仿真分析针对BPSK信号给出了在白噪声和 时变噪声两种噪声背景条件下SPS、SPB和radiometry等检测子的ROC检测曲线,仿真结果充分说明了SPS和SPB检测 子的有效性。     

一种小波域新颖鲁棒语音扩谱水印

文章提出一种基于小波变换的新颖的鲁棒语音扩谱水印算法。算法对原始语音进行离散小波变换．利用扩谱水印技术将水印隐藏到小波域。根据检测与估计理论，运用新的检测统计量进行相关检测。同时，通过引入抗异步攻击的机制和倒谱滤波，增强了算法的鲁棒性。实验结果表明，该算法对噪声、中值滤波、低通滤波、异步攻击等有较强的鲁棒性。     

一种非均匀采样下小信号的检测方法

非均匀采样由于其具有不受采样频率限制、频率分辨率高以及抗混叠等优点,使得其应用十分广泛。但非均匀采样会引起信号的频谱噪声,这样使得非均匀采样下小信号的检测不易实现。本文分析了非均匀采样引起频谱噪声的原因,提出一种基于非均匀采样的小信号检测方法。该方法根据非均匀采样检测得到的大幅度信号,应用陷波器将其消除,降低了由大信号引起的频谱噪声,从而检测出小信号。文中详细说明了陷波方法的原理、陷波器宽度和深度的选择、陷波器中心频率的确定以及陷波器在非均匀采样下的应用,最后给出实验结果。理论和实验表明,基于非均匀采样的陷波方法是一种行之有效的信号频率检测方法,使用该方法处理信号可以得到准确的频率估计效果,检测出信号幅度相差100倍以上的多个信号频率。