光纤入侵信号识别的嵌入式实现方法

本文提出了一种光纤入侵信号的嵌入式平台实现方法.算法主要分为2个部分:训练模块和识别模块.训练模块包括模板训练和阈值训练.识别模块主要是基于训练部分的结果进行模板匹配和判别.通过分析所提出算法的处理时间及运算特点,将算法处理时间分解映射在FPGA+DSP的嵌入式处理器上进行实现.本文提出的实现方法已移植到嵌入式处理板,并在光纤预警系统平台进行了搭载试验,可以满足光纤预警系统对识别信号类型的实时性能要求.     

一种基于改进型SVM算法的光纤入侵信号识别研究

目前,大多数的光纤入侵预警系统采用BP神经网络作为识别环节的分类器,然而,它难以解决网络规模和实例规模间的矛盾,而且过拟合现象严重,使得BP算法低效,为了避免以上问题,本文采用具有全局最优、推广能力强、选择参数少等优势的支持向量机(SVM)来进行光纤入侵信号的识别.针对实际应用背景中入侵危害程度和发生概率的不同,本文提出了一种基于样本先验信息调整超平面阈值的改进型支持向量机.     

基于光纤振动信号过零检测的序贯概率比振源检测算法

在光纤振动信号检测系统中,使用相干光时域反射COTDR技术,可检测长距离的光缆振动信号,但反射回的光信号都有大量的振动杂波和噪声.已有的振源检测技术都是采用单级振源检测机制,这将导致系统的虚警率不稳定和检测性能下降.由于微弱振源信号变化不明显,已有的振源检测技术对微弱振源的检测显得无能为力.为此,本文通过分析振动信号的过零检测模型和序贯概率比检测的关系,提出了一种多级振源检测算法,使虚警率稳定在一个可控范围内,同时提高了对微弱振源的检测能力.最后,用现场实验数据验证了该算法的有效性和可行性.     

基于小波变换的光纤振动信号特征提取与识别

本文主要研究光纤安全预警系统振动信号特征提取及振源识别问题.采用小波多分辨分析技术,从多尺度分解的角度出发,依据小波变换的分层分解关系和时频特性提取振动信号的细节信息,用来反应不同频带上振动信号的能量分布特征,在此基础上采用支持向量机对振动信号进行分类识别.测试结果表明,与现有方法对比,本方法具有准确率高的优点,为光纤振动信号的识别提供一种高性能的实用方法.     

基于排列熵算法的电力系统故障信号分析

电网故障的快速准确诊断对加快事故处理和系统恢复进程、保证电力系统的安全运行具有至关重要的作用。分析了目前应用于电力系统故障诊断的数据来源,提出采用广域量测的电气量信息进行电力系统的快速诊断方法。首先将广域量测系统采集的数据进行小波变换,通过相关系数法滤噪处理,以此来重构信号,采用排列熵算法对重构的信号进行排列熵分析。由于排列熵反映了一维时间序列的复杂度,对信号变化具有较高的敏感性,可以应用于电力系统故障信号分析方面。相比传统的小波分析方法,该方法不存在选取小波基问题,且算法简单,编程易实现,能够满足在线故障诊断条件。通过对IEEE10机39节点标准测试系统的故障仿真分析,结果表明了该方法的有效性和实用性。     

基于WVD时频分析的雷达信号抗识别效果验证

从雷达侦察技术的角度，选择WVD时频分析作为雷达信号反侦察抗识别效果分析工具，通过对几种复杂雷达信号识别效果的仿真，分析雷达辐射源信号波形和参数变化对识别效果的影响，探寻具有优良抗识别效果的雷达信号的变化规律，为雷达反侦察研究提供新的思路．     

基于小波变换的跳频信号分析仿真

信号分析识别是通令对抗的重要工作,能有效地检测和识别跳频信号,是对跳频信号实施跟踪式干扰的重要前提,在简述和比较了时变信号的分析方法的基础上,选择小波变换对跳频信号进行分析,详细地介绍了采用Morlet小提取跳频信号的基本特征,从而检测和知识出跳频信号的基本原理、方法和步骤,并给出了计算机仿真结果,验证了其可行性和有效性。     

基于样本的棉花异性纤维识别算法

异性纤维在棉花中虽然占得比重很小,但危害很大,直接影响着纺织品的质量.传统的异纤检测识别算法多采取固定阈值法,但是由于检测对象是高速运动的棉花流,光照易产生波动,采集的图像也会相应变化,因此误识别率就会增加.而有样本识别算法采集适量的分类样本库,识别结果稳定,可以消除这一缺陷.分析棉花中异性纤维的图像特征,对重要图像特征进行增强,提取异纤的特征,识别算法引入欧几里德距离,采用K近邻分类,从而识别出异纤,并进行仿真实验,实验结果表明该识别算法识别效果好、速度快.     

基于免疫数值归约方法的车牌颜色识别算法

为了解决K近邻算法(KNN)在训练样本较大时计算开销很高的问题,提出了一种新颖的基于免疫原理的数值归约方法,并将之应用于车牌颜色的识别.给出了抗原决定基、免疫细胞等的定义和亲和力计算方法;采用克隆选择与变异、免疫耐受和免疫记忆等机制实现对训练抗原集的多种群并行免疫学习,达到数值归约的目的;利用免疫归约所得检测器结合KNN方法完成免疫应答阶段的车牌颜色识别.在两个数据集上与利用直方图进行数值归约的方法进行了对比实验,结果表明,本文算法能有效进行数值归约,归约率分别达到98.87%和 95.48%;并取得了较好的分类效果,正确率分别为97.45%和94.73%.     

基于光纤光栅选频的近单频输出环形腔光纤激光器设计与仿真

近单频光纤激光在相干合成、光通信、激光测量及光谱分析等领域具有独特的优势。目前，采用环形腔光纤激光器实现近单频输出被科研工作者们广泛关注。环形腔光纤激光器中主要使用可调谐光纤光栅滤波器、可调谐带通滤波器、可调谐法布里-珀罗（F-P）滤波器以及可饱和吸收体等实现更好的近单频输出，输出激光的光谱受到滤波器带宽以及环形腔数量的影响。因此，基于光纤光栅选频，使用Optisystem软件进行仿真，通过改变环形腔数量和光纤光栅的3 dB带宽，得到了边模抑制比为88.20 dBm的近单频激光输出。     

基于基音特征分析的光纤振动信号识别算法

在光纤预警安全系统中,由于光纤穿过复杂的场景区域,其信号极易受外界环境干扰,信号特征提取困难,因此需要进行有针对性的特征提取研究并设计相应的识别算法.本文提出了一种基于基音特征分析的光纤振动信号识别算法,该算法通过分析振动信号与语音信号的相似性,运用基音特征分析的方法,首先对时域上的短时能量进行端点检测确定振动信号所在的时域范围;其次求解振动信号的自相关系数,根据自相关系数得到基音;最后对基音进行分析识别振动信号的类型.通过实测典型光纤振动信号数据的实验验证,本文算法具有较高的区分度,且易于实现.     

一种基于时频分析的自适应积累成像算法

为改善基于时频分析的逆合成孔径雷达（ISAR）瞬时成像算法的性能，提出了一种基于时频分析的ISAR积累成像算法．该算法利用回波相关系数门限自适应调整积累范围，并结合图像熵法对积累范围内由时频分析得到的距离-瞬时多普勒像进行叠加成像．该算法可适用于机动目标和平稳目标的ISAR成像，其成像清晰度优于传统距离-多普勒算法．     

基于最优FRWT的非平稳信号去噪新方法

研究非平稳信号的去噪,提出一种基于最优分数阶小波变换（FRWT）的信号去噪方法.该方法根据输出信号信噪比采用遗传算法寻找FRWT的最优分数阶值,实现非平稳信号的去噪.以带噪语音信号为例的去噪实验结果表明,采用新方法的去噪效果明显提高.     

通用雷达信号数字光纤传输系统

采用光纤作为传输媒介,利用先进的光电子技术和ispLSI技术,设计并实现了一种通用雷达数字信号光纤传输系统,使雷达信号的传输质量得到了较大的提高。     

基于时频分析的LFM信号检测与参数估计

基于Radon Wigner变换、分数阶Fourier变换与时频分布的关系,利用其对线性调频(linearityfrquencymodulation,LFM)信号良好的时频聚集性,通过计算Radon Wigner变换或分数阶Fourier变换,对线性调频信号LFM信号进行检测和参数估计。理论分析和计算机仿真证明:2种方法对于LFM信号的分析好于Wigner Ville变换等常用的时频变换。     

基于拉曼放大和半导体光放大的BOTDA

从理论上分析了基于拉曼放大的布里渊光时域分析系统(BOTDA),通过建立与拉曼放大有关的泵浦光和信号光的耦合方程,对信号光波形进行了数值仿真。仿真结果表明,双端拉曼放大技术可有效地补偿传感信号的传输损耗,提高系统测量精度。搭建了基于拉曼放大和半导体光放大(SOA)相结合的BOTDA分布式光纤传感系统,实验结果与仿真结果吻合较好,针对49.6 km的传感距离,空间分辨率达到40 m,温度分辨率1℃。     

基于Rogowski线圈的电流信号采集与光纤传输系统的研究

介绍了使用Rogowski线圈采集电力系统中的电流信号及通过光纤传输系统把采集的信号传送到低压侧的设计方案,利用MSP430单片机实现信号的测量和显示,对采用Rogowski线圈的测量方案以及系统设计软硬件的实现方法进行了分析．     

基于码元分布特性的FSK信号识别算法

FSK信号在短波通信中大量应用,将其与PSK、QAM、并行多路传输信号区分开来具有重要的意义。而短波信号识别的关键是如何减小噪声与多径传输引起的频率选择性衰落的影响。提出一种基于码元分布特性的FSK信号大类识别算法,采用带通滤波后子载波信号的短时谱能量方差作为识别特征,具有优良的抗频率选择性衰落与噪声干扰性能。仿真实验与实际信号测试结果表明,算法具有较高的识别正确率,能直接对中频信号进行处理,可用于实际工程。     

基于AL-RVM分类的主用户信号调制类型识别算法

提出了一种基于循环自相关估计和主动学习相关向量机(AL-RVM)分类的主用户信号调制类型识别算法。首先通过循环自相关估计算法提取接收信号特征参数;再采用主动学习算法通过多次迭代抽样实现对RVM分类器的构建;最后利用所构建的RVM分类器实现对各主用户信号的分类识别。仿真实验表明,与基于支持向量机(SVM)和传统相关向量机(RVM)算法相比较,所提算法在各低信噪比情况下,整体分类识别率在92%以上,明显高于对比算法。该算法能有效地实现对不同主用户信号调制类型的识别,保证了电力监测信号的有效传输。