共查询到20条相似文献,搜索用时 9 毫秒
1.
2.
3.
4.
基于小波变换的故障信号分析与检测 总被引:7,自引:1,他引:7
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。 相似文献
5.
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。 相似文献
6.
7.
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. 相似文献
8.
9.
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。 相似文献
10.
11.
12.
基于小波包变换的信号去噪方法研究 总被引:1,自引:0,他引:1
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。 相似文献
13.
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。 相似文献
14.
15.
16.
17.
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。 相似文献
18.
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. 相似文献
19.
20.
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。 相似文献