多信号通信期望信号与入侵信号特征分离仿真

研究多信号通信中入侵信号与通信信号的准确分离技术.多信号通信过程中,不同信号遵守不同的通信协议,带有不同的信号特征.遭到入侵后,信号之间形成不可约束的纠缠,入侵信号与通信信号极化域的特征差异大幅缩小.传统的信号分离技术工作于单极化方式,无法利用多通信信号与入侵信号之间在极化域的特征差异,造成在极化区域内,两者无法分离,限制了在信号处理层面进行抗入侵的能力.为了解决上述问题,建立了一种正交极化阵列入侵信号分类模型,通过入侵极化改变信号损失特征这一特征,实现极化区域内期望信号与干扰信号的特征分离,对分离后的信号进行抗干扰性能进行了仿真分析,证明了采取上述矢量信号处理的方式不仅扩展了多信号通信中入侵信号处理的能力,并且能够显著的提高多信号网络通信系统的抗干扰性能.     

基于多端CNN的通信信号自动调制识别研究

为有效解决通信信号自动调制识别的调制类型识别率低和调制强度识别误差高的问题,研究了基于多端CNN的通信信号自动调制识别方法。根据不同类型调制方法的作用原理,设置通信信号调制识别标准。考虑通信信号的传输过程,构建通信信号模型,利用带通采样工具采集初始通信信号,通过小波消噪、归一化等步骤,完成初始信号的预处理。利用多端CNN算法构建通信信号识别器,提取幅值、相位、频率等通信信号特征参数,通过特征匹配得出信号调制类型与强度的识别结果,实现通信信号自动调制识别。通过与传统识别方法的对比得出结论：综合考虑有、无干扰两种类型的通信信号,优化设计识别方法的调制类型识别率提高了49.6%,调制强度识别误差降低了约0.0285。     

基于信号指纹的无人机遥控端个体识别方法

针对无人机遥控端个体间信号相似,难以识别的问题,提出了一种基于信号指纹的无人机遥控端个体识别方法.方法通过多项式拟合暂态信号瞬时幅值包络曲线,得到暂态信号特征,再提取稳态信号的瞬时频率特征,并采用K最近邻(KNN)等多种机器学习方法进行信号识别.对实际数据处理结果表明:能够有效识别2个无人机遥控端个体,仿真实验结果表明...     

复杂体制雷达辐射源信号特征的集对分析

为解决复杂体制雷达辐射源信号特征的评价问题,提出了基于集对分析理论的复杂体制雷达辐射源信号特征分析模型.首先对复杂体制雷达辐射源信号特征评价指标体系的指标权重作层次分析,再通过集对分析理论对复杂体制雷达辐射源信号特征评估的决策矩阵进行同一度分析,最后联合指标权重矩阵和决策同一度矩阵对复杂体制雷达辐射源信号特征进行综合评判.仿真结果表明,该模型是有效、可行的,能够更好地实现对复杂体制雷达辐射源信号特征的分析和评估.     

磁盘机信号模拟系统的研究

文中阐述了磁盘机的特征信号模拟系统在磁盘的开发中的作用，研究了用一种任意波形产生系统来模拟并产生磁盘机的各种特征信号（如磁头的读写信号、伺服头的读出波形等）的原理与方法。     

时域不完全重叠的多成分信号处理算法

分析了时域重叠的多信号(LFM和正弦波信号)经过自相关运算以后的包络特征,根据包络的跳变特征进行信号切割,对每段信号分别进行处理,得到它们的起、止时间和所含有的信号参数。通过数据拟合,将分段信号进行整合,最终得到各个信号的完整结果。仿真结果表明该方法在低信噪比条件下具有较好的性能。     

基于模糊综合和最优小波包分解的信号多类分类

为了对音频信号进行有效地分类,提出了基于模糊综合和最优小波包分解的信号多类分类算法。首先,对音频信号进行窗化处理;其次,基于模糊集对信号进行最优小波包分解,并用最优小波包和信号感知特性来提取音频信号特征,在每一个小波子空间用支持向量机对信号进行多类分类;最后,用模糊积分将分类结果进行综合,得出最终类。试验采用不同的核函数和算法参数验证了本文算法的效果,结果表明本算法速度较快、精确度高。     

基于模糊数据融合的刀具磨损状态辩识

选取能够充分反映刀具磨损状态的振动信号和功率信号作为研究对象,采用正交小波变换技术,提取刀具磨损特征信号,利用该特征信号建立了振动幅值变化与刀具磨损量间的关系,计算出基于振动信号的刀具状态特征值,定性地识别出刀具磨损状态;对功率信号,采用统计分析方法,通过均方根处理提取出刀具磨损特征信号,并以信号强度的变化来表征刀具的磨损情况;为了避免单一特征信号提供刀具状态信息的局限性,采用模糊数据融合方法对振动、功率特征信号进行融合,获得更加全面、准确的刀具磨损状态;实验结果表明,基于模糊数据融合的刀具磨损状态识别比单一传感器系统对刀具磨损状态识别更为可靠.     

无线网络雷击信号快速采集方法研究与仿真

在雷击信号准确采集的研究中,无线网络受到雷击后,会导致信号突变,突变的周期很短.传统的信号采集方法采用提高采集频率的方法对这种瞬时信号进行采集,存在较大漏检风险.为提高采集精度,提出采用小波模糊网络算法的无线网络雷击信号快速采集方法.针对无线传感网络采集到的所有信号进行滤波处理,提取信号特征,并针对信号特征进行微分变换,能够得到滤波处理结果.将上述滤波处理结果输入到小波模糊网络模型中,获取雷击信号特征向量和对应的检测误差,针对检测误差进行补偿,实现无线网络信号更新,模型的输出结果是无线网络雷击信号.实验结果表明,利用改进算法进行无线网络雷击信号检测,能够对雷击信号频率进行准确的分析,提高采集的准确性.     

小波阈值消噪在管道漏点检测定位中的应用

为了提取管道漏声信号中的有用成分,消除和减弱环境干扰噪声,使定位结果更加准确,使用CA - YD - 103压电传感器和HS801五合一虚拟综合测试仪进行实验,采集铸钢管道漏声振动信号,分析其时域波形和频率特征,确定了信号的频率分布.由于小波变换具有“变焦距”的性质,适合处理非平稳信号,选用小波阈值去噪算法,对信号进行滤波去噪,并与ⅡR滤波效果对比.实验结果表明,选用小波阈值消噪能有效滤除高频干扰,保留中低频中的有用信号,漏声振动信号波形更加清晰,消嗓效果明显优于傅里叶算法.该方法为管道漏点具体定位奠定了基础,具有一定的实用意义与应用价值.     

基于信号特征的在线故障分析和智能诊断研究

研究开发基于电网故障信号特征自动生成电网故障诊断Petri网络的技术。通过在线获取调控一体系统的开关遥信变位、SOE信息、保护动作信号和微机保护软报文信息,对信号综合进行逻辑化、条理化、有效化分析,实现电网故障在线分析、辨识和智能诊断。     

电化学蛋白质生物传感器的研究

电化学生物传感器是由生物体成分或生物体本身作为分子识别元件,电极作为信号转换器,以电势、电流等为特征检测信号的传感器。它集特异结合、信号产生、信号检测为一体,具有选择性好、结构紧凑、使用方便、灵敏度高、成本低、     

基于小波分析的三角钢琴踏板机械故障检测方法

针对采集的三角钢琴踏板机械信号故障检测准确率低的问题,提出基于小波分析的三角钢琴踏板机械信号故障检测方法。采用频谱感知算法构建一个三角钢琴音频信号的多源信息采集模型,获取三角钢琴踏板机械音频信号;为提高钢琴踏板机械信号获取的准确率,通过频谱特征分离方法对采集信号进行降噪处理,采用小波包变换中的Mel倒谱系数MFCC对处理后的信号进行频谱特征分解;最后基于分解频谱特征进行三角钢琴音频信号的特征识别优化。实验表明,在相同的数据量下,对比于12维的MFCC频谱特征分解方法,提出的小波包分解的MFCC方法可分解出更多的钢琴频谱特征峰值,为后续三角钢琴踏板机械信号故障检测提供了有效的数据。实验发现,对比于传统卷积神经网络的音频特征识别方法,本方法的识别精度最高可达95.6%,且均保持在90及以上。综合分析可知,本方法可实现三角钢琴踏板机械信号故障准确识别。     

一种雷达辐射源信号多目标特征评价模型

从复杂度、可分性和正确识别率对噪声的灵敏性三个方面建立雷达辐射源信号特征评价指标体系,建立运用基于实数编码加速遗传算法的投影寻踪模型获取各指标的权重,基于模糊物元分析法计算与标准模糊物元之间的欧氏贴近度,实现对信号特征综合评价的一般模型。通过实验仿真分析,此模型兼顾客观实际和主观偏好,可以较为全面和准确地评价信号特征的性能,从而为弥补传统五参数的不足添加新的特征提供理论依据。     

一种深度小波过程神经网络及在时变信号分类中的应用

针对多通道非线性时变信号分类问题,提出一种基于稀疏自编码器的深度小波过程神经网络(SAE-DWPNN)。通过构建一种多输入/多输出的小波过程神经网络(WPNN),实现对时变信号的多尺度分解和对过程分布特征的初步提取;通过在WPNN隐层之后叠加一个SAE深度网络,对所提取的信号特征进行高层次的综合和表示,并基于softmax分类器实现对时变信号的分类。SAE-DWPNN将现有过程神经网络扩展为深度结构,同时将深度SAE网络在信息处理机制上扩展到时间域,扩展了两类模型的信息处理能力。该网络可提取多通道时序信号的分布特征及其结构特征,并保持样本特征的多样性,提高了对信号时频特性和结构特征的分析能力。文中分析了SAE-DWPNN的性质,给出了综合训练算法。以基于12导联ECG信号的7种心血管疾病分类诊断为例,实验结果验证了模型和算法的有效性。     

特征向量功率谱在FSK信号检测中的应用

本文首先针对车载FSK信号检测对小轨信号检测困难等问题进行了探讨,然后分析了当前机车FSK信号的特征,我们采用基于特征向量的功率谱估计算法对短序列FSK信号进行上下边频识别和小轨信号的检测。结果表明使用这种方法得到的结果很好地解决了问题。     

无线mesh网络多信道射频ISR方法研究

由于现有方法未对瞬时特征分析,导致射频信号识别误码率较高,提出的无线mesh网络多信道射频信号智能识别方法,通过无线mesh网络的拓扑图构造,分析网络不确定变量,将信号分配至多信道内,估计射频信号载波频率,并把该信号正交下变频至基带,获得IQ正交复包络的信号,实现瞬时特征分析,同时利用信号段瞬时频率、瞬时相位以及瞬时幅度分类射频信号类型,求出各信号段的每个特征值,计算完的总信号帧生成各自特征序列,作为神经网络特征矢量提取信号特征,再将射频信号数据映射至复数域当做信号调制的一部分,由于信号的发送者和接收者间时钟的晶振会有微小差别,凭借接收者评估并补偿两种间频率偏差值,即完成射频信号的智能识别.仿真结果证明:所提方法识别精度高,识别误码率较低,能够有效提升工业自动化管理效果.     

低频随机相关信号发生器的研究

主要介绍了一种实用的低频随机相关信号发生器的设计思想、构成原理、信号特点及其在极性相关测量技术开发研究中的综合应用。     

煤与瓦斯突出信号挖掘方法研究

针对传统关联聚类算法因难以捕捉异常信号非线性随机变化而造成采煤作业中特征信号检测不准确的问题,提出一种基于特征关联挖掘算法的煤与瓦斯突出信号挖掘方法。该方法利用小波变换提取煤矿井下作业区状态信号特征,为煤与瓦斯突出信号挖掘提供依据;计算煤矿井下作业区状态信号特征之间的关联度,实现煤与瓦斯突出特征信号挖掘。实验结果表明,该方法可提高煤与瓦斯突出信号挖掘的准确性。     

基于LSTM的北斗卫星信号识别方法研究

为有效降低和抵御干扰对信号接收与定位的影响,提高导航系统的稳定性和可靠性,设计基于LSTM的北斗卫星信号识别与抗干扰方法,以无失真地利用BDS信号。对北斗卫星真实信源实施信号调制,获取卫星信号调制样式识别算法的输入信号。设计基于LSTM的卫星信号调制样式识别算法,模型为一个传统LSTM网络与CNN网络级联的新型LSTM网络,通过CNN网络能够实施I、Q数据间特征的提取,利用LSTM网络提取数据中时序特征,并对其特征进行融合,实现北斗卫星信号的识别。并设计结合空域抗干扰技术与时域抗干扰技术的空时自适应滤波约束算法,实现北斗卫星信号窄带与宽带干扰的共同抑制,以有效提高识别的效果。实验测试结果表明,设计方法的识别准确率整体较高,最高达到接近90%,抗干扰后输出信干比最高达到78.52dB。