共查询到16条相似文献,搜索用时 187 毫秒
1.
目标检测是毫米波多普勒引信信号处理的重要内容,在目标检测过程中,传统功率谱等技术不能充分揭示隐含于目标回波中的高阶统计信息,不能消除噪声和杂波的影响,不利于目标特征分析及检测,因此提出了基于双谱分析的毫米波多普勒引信目标检测技术,利用双谱及双谱对角切片进行特征分析及优化,通过对实测毫米波多普勒引信数据进行理论分析和试验仿真,结果表明采用双谱分析的毫米波多普勒引信目标检测方法有效可行。 相似文献
2.
双谱分析在雷达信号处理中已得到了应用,但未见在毫米波引信中应用,因此,提出将双谱分析法引入毫米波多普勒引信的目标检测中。该方法通过采用双谱及双谱对角切片进行毫米波回波信号的特征分析及特征提取,利用提取的特征进行有无目标的判别。试验表明:双谱分析用于毫米波多普勒引信对复杂背景中地面目标检测的识别率高于短时傅里叶变换(STFT)对信号的检测识别。 相似文献
3.
4.
为了实现对非带限卫星信号信噪比的快速高精度估计,分析了传统的基于谱分析的信噪比估计算法的对非带限卫星信号估计不准的原因,提出了一种新的基于谱分析的信噪比估计算法;该方法利用主瓣范围内信号功率与信号总功率之比和主瓣范围内噪声功率与噪声总功率之比求得信号功率和噪声功率,从而得出信噪比;对BPSK和QPSK信号的仿真结果表明:新算法性能稳定,可有效提高估计精度,在-10~10 dB的范围内,估计的偏差和均方根误差基本都小于0.5 dB;提出的新的基于谱分析的信噪比估计算法可用于各种调制方式,计算复杂度小,可以满足对非带限卫星信号信噪比估计的需求。 相似文献
5.
对连续波测速数据事后处理的功率谱分析方法进行了讨论,比对了测速原始数据和残差数据功率谱分析结果,讨论了功率谱分析频率的范围和数据处理误差对功率谱的影响,对周期噪声干扰的来源和抑制进行了探讨。 相似文献
6.
在轴承故障诊断中,故障信号的提取是一个关键问题。实际测得的轴承振动信号一般是非平稳和非高斯分布的信号,信噪比很低,微弱的故障信息往往完全淹没在噪声中,信号特征的提取非常困难。信号的高阶累积量对加性高斯噪声和对称非高斯噪声不敏感,应用在轴承的故障诊断中,可以有效地分离信号与噪声,提高信噪比,增强故障信息。对轴承在不同状态下的振动信号进行对比分析,提取了不同状态下轴承振动信号的功率谱与高阶累量谱(双谱),建立了用于故障诊断的双谱特征向量,并利用BP神经网络进行了故障诊断。分析结果表明,从高阶累积量提取的特征与功率谱相比,对故障特征比较敏感,容易实现智能诊断中的数字特征提取,可有效地区分轴承的故障。 相似文献
7.
针对双谱的特点,提出一种新的雷达信号脉内特征参数提取方法.对接收到的信号首先提取双谱幅度谱并简化为二维特征,然后求取该二维特征的复杂度特征中的盒维数和信息维数.由于不同信号的双谱区别大且对高斯噪声不敏感,因此提取的盒维数和信息维数可分性强、稳定度高,仿真验证了新脉内特征参数的优越性. 相似文献
8.
9.
10.
《水雷战与舰船防护》2015,(3)
在研究船舶辐射噪声特性的基础上,结合各类船舶辐射噪声功率谱特征,提出一种能够模拟船舶辐射噪声频谱的控制算法。被控对象的非线性会导致噪声频谱的剧烈变化,难以对噪声频谱模拟进行控制,提出的控制算法通过实时谱分析和实时修正的闭环控制能够有效地解决被控对象非线性引起的剧烈变化等问题。在将功率谱转换为复傅氏谱时需要添加相位信息,给出了一种添加相位信息的方法。仿真结果表明,在给定参考谱的情况下,算法可以很好地应用在频谱控制系统中。 相似文献
11.
12.
针对旋转机械设备受到测量误差及系统误差等因素影响,导致滚动轴承多故障模态信号难以分离的缺陷,提出一种误差影响下滚动轴承多重故障模态特征信号的盲源分离方法。对故障信号进行白化预处理得到白化矩阵,进而计算白化矩阵的4阶累积量,并构建4阶累积量矩阵;将累积量矩阵对角化,并取前K个较大特征值对应的特征向量作为新累积量矩阵;利用总体最小二乘方法估计最小化新累积量矩阵与目标正交矩阵的误差函数,最大程度地联合近似对角化新累积量矩阵,实现多故障信号的分离估计;为进一步评估该方法的有效性,选用时域相关系数及时频域双谱估计两种评价方法对分离结果进行验证。结果表明,该方法分离出来的信号与源信号相关系数高,并且时频域双谱估计相似,是一种有效分离多重故障的方法。 相似文献
13.
强背景噪声中引信信号的检测,是引信信号处理中的一个重要课题.传统信号检测理论和方法主要采用似然比检测,已得到广泛的应用,但是存在明显的缺点.提出了在强背景噪声中,采用双谱技术来检测引信信号,获得了较好的效果. 相似文献
14.
15.
16.
D-S证据理论在目标识别中的应用 总被引:10,自引:0,他引:10
根据地面目标运动引起的地震动信号的特征信息,应用多传感器信息融合的方法将目标正确分类。首先根据地震动信号在频域和时频域的多种特征,应用BP神经网络模式识别法,将地面车辆目标分为轮式车、轻型履带式车和重型履带式车。设计了一种以神经网络正确识别率作为基本概率赋值的方法,并应用D-S证据理论进行识别信息融合,训练样本和识别样本分别取自外场实验所获得真实有效的数据,通过对识别信息融合,以较高的可信度得到与识别样本相一致的识别结果,这表明所设计的获取基本概率赋值的方法及信息融合算法是有效的,该方法可以推广应用于其他多传感器或多信息源的探测识别系统中。 相似文献