高速运动目标多普勒有效信号自动提取方法

雷达多普勒信号的有效提取是膛内多普勒信号处理的关键环节,目前在内弹道工程应用中,常采用手动截取,这种方法的操作繁琐、误差较大、精度较低。针对上述问题,提出了一种雷达多普勒信号的自动提取方法。首先观察采集到的信号,截取明显的有用信号部分,对信号进行去噪,然后根据短时傅里叶变换(STFT)时频分析方法进行,选取合适的窗进行初步截取,最大速度点即为有效信号的终点,再根据高阶统计量方法,求出信号的起点,对信号进行提取。     

声光频谱分析仪对瞬变信号参数的提取算法研究

声光频谱分析仪利用声光调制技术和空间傅里叶变换原理,实现高带宽信号的频谱测量。本算法通过将被测信号的空域傅里叶变换,数据按瞬态时 空关联输出并进行一定运算处理就可获取信号瞬态时频域全参数信息。仿真结果表明,信号频率还原率在99.5%以上,信号漏检率小于0.2%。     

声光频谱分析仪对瞬变信号参数的提取算法研究

声光频谱分析仪利用声光调制技术和空间傅里叶变换原理,实现高带宽信号的频谱测量。本算法通过将被测信号的空域傅里叶变换,数据按瞬态时-空关联输出并进行一定运算处理就可获取信号瞬态时频域全参数信息。仿真结果表明,信号频率还原率在99.5%以上,信号漏检率小于0.2%。     

基于小波变换的故障信号分析与检测

讨论了小波变换及其基本性质，探讨基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法，在不同尺度上分析和处理信号的各种频率分量，使信号的奇点，突变点放大，提高信号的分辨率，信噪比。研究小波分析在机械工程信号处理中的应用，提出通过二进小波变换检测信号奇异点的实用技术。利用介绍的模极大值多尺度小波变换的方法，较有效地检测出滚动轴承故障发生的起始点，对在线故障诊断进行了有益的探索。     

语音信号特征提取算法研究

语音作为一种搭载着特定的信息模拟信号,已成为人们社会生活中获取信息和传播信息的重要的手段。语音信号处理的目的就是在复杂的语音环境中提取有效的语音信息。环境干扰在语音传播过程中对信号的影响不容小觑,因此语音信号处理的抗噪声能力已经成为一个重要的研究方向。Matlab的应用有着广泛的领域,在信息处理领域其强大的数据处理能力可以将非平稳时变的语音数据转换为离散的数据,然后可对离散数据进行分析或者做进一步运算处理。它的信号处理工具箱可以迅速、有效地实现语音信号的处理和分析,Matlab是适用于信号处理领域的强大的处理工具。在此运用Matlab对一段包含有环境噪声的语音进行傅里叶变换、时域和频域分析、提取部分语音信号及分析信号的处理。     

基于谐波小波包的微弱信号的频域提取

在工程中,在故障发生的早期,其信号一般比较微弱,为了能在故障发生的早期及时地发现潜在的危险故障并能提取微弱的故障信号,防止不必要的经济损失,利用谐波小波在频域连续分布且具有严格的盒形谱特性,通过对仿真信号的谐波小波包变换,实现了对微弱信号的频域提取.通过对不同方法的仿真分析比较,说明了谐波小波包方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波分析方法和FFT方法,对于工程应用有重要意义.     

基于阵列的短时信号检测与提取算法

在现代短波通信中,作为低截获率通信手段之一,单个信道内信号持续时间大大缩短,从而增加了信号检测与提取的难度.提出一种基于阵列的信号检测与提取算法,通过利用阵列信号的特性,获得了较好的信号检测与提取效果.并将其与单通道时的信号检测与提取算法进行比较,证实了算法的优越性与可靠性.     

线性调频连续波信号参数估计算法

提出了一种线性调频连续波信号参数估计算法。利用短时傅里叶变换得到信号的时频变化曲线,根据时频曲线的周期特性对它进行频谱分析,找出信号参数与相关谱线的位置、幅度之间的关系,从而估计出信号的主要参数。仿真结果表明,文中提出的算法能够精确估计出线性调频连续波信号的参数,在信噪比大于-8 dB的情况下性能稳定,具有很好的估计精度。     

复杂背景噪声下的跳频信号分选算法

针对复杂背景噪声下突发跳频信号分选困难的问题,提出了一种基于短时傅里叶变换与图像处理相结合的跳频信号分选算法。该算法首先通过频域能量计算获得判决门限;其次通过判决门限对跳频信号时频图进行二值化处理以及图像处理,有效滤除了复杂背景噪声对跳频信号分选的影响。最后对该算法进行了仿真,验证了算法的有效性。     

一种基于对称傅里叶变换的信号频率估计算法研究

在机电一体化系统中信号频率的分析是一个重要命题,如何从夹杂着噪声的信号中准确提取出频率信息是机电一体化系统中信号处理领域的一个难题。而离散傅里叶变换一直是解决该类问题的重要方法,而对称傅里叶变换在估计频率相近的信号时有较小的误差,在具有谐波干扰以及噪声干扰的环境下,该算法仍然可以提供较好的估计精度。     

一种基于DSTFT解调FSK信号的改进方法

提出了一种基于离散短时傅里叶变换（DSTFT）来实现FSK信号数字解调的方法，给出了解调原理和码元同步算法，仿真表明效果良好。     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于NDFT的步进频率雷达信号处理

步进频率脉冲信号可以在发射较小瞬时带宽信号情况下，通过脉冲压缩而合成分辨率较高的距离像，因而在高分辨雷达系统中得到广泛的应用。但是，直接采用DFT方法合成距离像．其分辨性能并不理想。利用Chirp-z方法也存在一些缺点。本文提出了利用非均匀傅里叶变换(Nonuniform Discrete Fourier Transform，NDFT)方法来处理频率步进信号以改善雷达的分辨性能，解决了直接利用DFT方法和Chirp-z方法合成目标距离像时所存在的问题。文中给出了NDFT的定义及在重点观测区域内的采样方法，进行了针对多种情况的仿真实验。仿真结果显示，利用NDFT进行处理可以明显改善步进频率雷达的距离分辨性能。     

基于ADSP-TS201S的雷达信号处理研究

介绍了ADI公司数字信号处理（DSP）芯片ADSP-TS201S的主要性能以及雷达信号处理的主要功能和算法,以雷达信号处理中常用的快速傅里叶变换（FFT）算法为例,结合TS201S的结构特点,讨论了如何通过优化软件编程的方法来缩短算法执行时间以满足系统实时性的要求,体现了TS201S对算法适应性强、程序调试方便、可靠性...     

一种基于频谱特征的语音信号识别方法及硬件实现

在客观实验中运用短时分析技术，着重研究语音信号的频谱特征，并采用硬件方式实现对语音信号的识别，得到如下结论：基于频谱特征的模型对纯语音信号能保留语音自然度95％以上，对纯噪声信号能压缩噪声95％以上。     

一种基于小波脊时频分析的差分跳频信号检测方法

针对差分跳频信号频带宽、跳速快、检测难的问题,在分析比较短时傅里叶变换(STFT)的基础之上,提出一种通过提取小波脊进行时频分析和参数估计的信号检测方法。该方法的检测效果明显优于短时傅里叶变换,当信噪比大于-7 dB时,在不要求高采样率的情况下,对于差分跳频信号的参数估计是有效的。     

基于微多普勒信号分离和SqueezeNet的人体身份识别

针对基于雷达传感器的人体身份识别问题,本文提出一种基于微多普勒信号分离和SqueezeNet的人体身份识别方法。首先利用雷达对人体行走的步态进行探测并收集回波数据,回波数据经过预处理得到微多普勒时频谱图;其次用阈值法对时频谱图进行微多普勒信号分离从而得到四肢的时频谱图;最后将其输入到SqueezeNet网络,采用Softmax分类器来实现人体身份识别。实验结果表明,经过微多普勒信号分离后人体身份识别准确率提高5.25%, SqueezeNet网络与其他网络相比,在网络性能上具有准确率高、网络参数少、测试时间短等优势。     

基于短时傅里叶变换的相位编码信号分析

在电子侦察中,需要判断截获的雷达信号的调制方式和调制参数.利用递归式短时傅里叶变换(STFT)和相参积累的分析方法,可对相位编码信号进行检测和解码.与一些常规方法相比,该方法在较低信噪比时也可以得到较好的分析结果.最后,通过计算机仿真验证了该方法的有效性.     

离散光电信号的自适应重构方法

采集雷达信号数据源发射的电磁信号以后,对其进行时域至频域的变换即离散傅里叶变换、自适应幅度波束成形使得信号频率得到补偿,并对重构信号的波形进行分析和比较.通过重新定义的模型进行表征,使得可见光、红外、雷达频谱等波段数据不损失自身所携带信息情况下,减少时变时间函数和选择性积分在检测性能方面遭受大的损失.计算得到重构信号和...     

基于STFT谱图滑窗相消的微动杂波去除方法

微动杂波往往具有较大的多普勒展宽,会抬高噪底、湮没弱目标,造成虚警和漏检。有效去除微动杂波对提高雷达性能具有重要意义。该文利用匀速目标回波和微动杂波在短时傅里叶变换(STFT)谱图中的形态差异,提出了一种基于STFT谱图滑窗相消的微动杂波去除方法。具体地,匀速运动目标回波在STFT谱图中表现为特定频率单元上平行于时间轴的直线型能量条带,而微动杂波具有时变非平稳特性,在STFT谱图中呈现出横跨多个频率单元的时变复杂形态。将原始STFT谱图沿时间维滑窗得到新的STFT谱图,则目标回波分布在这两种谱图中的相同位置,而微动杂波在这两种谱图中的位置存在明显差异。因此将上述两种谱图相减,根据相减前后谱图中各单元的强度变化情况,即可将目标回波和微动杂波分离,达到去除微动杂波的效果。仿真和实测结果均验证了所提方法的有效性。与常见基于时频变换的L-statistics算法相比,所提方法能够在去除微动杂波的同时,较好地保留了目标回波。