一种强干扰下超弱水声信号自适应盲分离的快速算法

许多盲源分离算法对超弱信号收敛速度变慢甚至失效。文章提出一种算法 ,用FASTICA算法所得的分离矩阵作为一种基于输出去相关自适应盲分离算法的初始值 ,算法的收敛速度得到明显改善。算法的学习速率通过一种自适应算法选取 ,从而降低了算法收敛速度对学习步长的依赖。仿真结果表明 ,文中提出的算法对超弱信号特别有效 ,算法收敛速度大大增强。该算法可以用于分离强干扰下的弱水声信号     

一种强噪声背景下的微弱信号检测的新方法

基于自适应滤波算法对小波滤波器的构造方法进行了研究,重点在于解决对强噪声环境下微弱信号提取所需要的小波变换的子带自适应滤波器的构造,把小波变换技术和自适应滤波技术应用于微弱信号的检测。提出基于自适应小波变换的心电信号的检测,利用小波变换的子带编码理论,通过在多个子带权值的自适应匹配,回复后拟合微弱信号。仿真结果表明,该方法可进一步改善信号的检测能力,在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

基于白化滤波器和频段加权的微弱信号检测方法

针对平台振动噪声影响下的舷侧阵声呐弱信号检测问题,充分利用振动噪声和目标信号的频谱先验信息,给出了两种能够有效提高系统弱信号检测能力的处理方法,一种是利用白化滤波技术对阵列输出信号进行预白化处理,另外一种是利用频段加权对普通宽带自适应波束形成输出结果进行后置处理,设计了两种有效获取参考噪声的方法,从阵列输入信噪比改善角度重点讨论了白化滤波技术对提高系统弱信号检测能力的贡献,并简单说明它与频段加权后置处理方法的等效性。仿真和实际数据分析结果验证了两种处理方法的有效性。     

基于GSO算法的自适应随机共振轴承故障诊断

针对强噪声下轴承故障弱信号较难检测和传统仅靠单参数优化随机共振系统问题,提出一种基于萤火虫优化算法(GSO)的自适应随机共振轴承故障信号检测方法。首先按固定频率压缩比压缩频率;然后以传统随机共振系统输出信噪比作为GSO算法的初始荧光素,利用GSO算法选取随机共振系统的结构参数a、b;最后通过双稳随机共振系统的输出信噪比检测轴承故障弱信号是否增强,通过系统的输出时域图分析信号的周期性,通过功率谱分析轴承故障弱信号的特征频率。仿真验证与试验验证结果分析表明,该方法可检测出轴承故障弱信号,实现弱信号的增强和降噪。     

基于 GSO算法的自适应随机共振轴承故障诊断

摘 要:针对强噪声下轴承故障弱信号较难检测和传统仅靠单参数优化随机共振系统问题,提出一种基于萤火虫优化算法(GSO）的自适应随机共振轴承故障信号检测方法。首先按固定频率压缩比压缩频率;然后以传统随机共振系统输出信噪比作为GSO算法的初始荧光素,利用GSO算法选取随机共振系统的结构参数a,b;最后通过双稳随机共振系统的输出信噪比检测轴承故障弱信号是否增强,通过系统的输出时域图分析信号的周期性,通过功率谱分析轴承故障弱信号的特征频率。仿真验证与试验验证结果分析表明,该方法可检测出轴承故障弱信号,实现弱信号的增强和降噪。     

被动声呐信号检测技术发展

水声信号检测是被动声呐系统进行目标探测所需的重要支撑技术,信号检测的性能直接影响到被动声呐系统对目标探测的能力。对被动声呐信号检测技术的研究情况进行了梳理,将其归纳为基于时域信息的信号检测技术和基于空域信息的信号检测技术两大类。在分析现有技术不足和应用需求的基础上,指出弱信号、低虚警率和有效利用水声传播信息等是被动声呐信号检测技术可能的发展方向。     

数字微波通信中自适应均衡器的应用

在移动通信及高速无线数据通信中,由于多径效应和信道带宽的有限性以及信道特性的不完善性而产生的码问干扰（ISI）成为影响通信质量的重要因素,信道的均衡技术是克服码间干扰的主要手段,而自适应均衡器能够跟踪信道变化而获得广泛应用。本文围绕自适应均衡技术进行了深入的探讨,重点研究了自适应均衡算法、信道模型等问题,并针对几种盲均衡算法应用于数字微波无线信道的均衡性能进行了仿真和比较,其结果对于开发具有更高频谱利用率的数字微波通信链路有着重要的指导意义。本文讨论的重点是计算复杂度低、易于在数字微波系统中实现的自适应均衡器。     

宽带信号检测中自适应门限设定方法

在水声定位中,常常需要估计声波从发射端到接收端的传输时间。但由于传输距离的影响,接收到的声波信号强度变化范围很大,给检测带来不便。基于线性调频脉冲信号相关检测,提出了一种自适应门限设定方法,可以在一定的条件下替代自动增益控制电路。这一方法根据发射信号、传输信道、发射系统和接收系统的参数,依据声信号到达接收端的时刻,自动调整相关峰检测时的门限值,简便易行。仿真和湖上试验结果表明,这一方法可以有效地保证计算信号到达时刻的准确性。     

水下单边带语音多通道增强技术

船舶噪声是影响水下语音通信质量的主要因素。为了提高单边带语音信号的信噪比和语音质量,采用多通道自适应增强算法对语音信号进行研究。该算法运用自适应信号增强技术,具有运算量小、易实时实现、消噪效果显著等优点,并且能够有效利用不同换能器接收到的信息。从理论上对该算法进行了分析,并结合海试数据进行验证。结果表明,低信噪比、非平稳噪声环境下,该算法有效抑制了接收信号中的尖锐噪声,并且当系统收敛时,使其趋于白化,明显提高了系统的输出信噪比,显著改善了语音质量,在性能上明显优于传统的信号相干叠加算法。     

基于自适应VMD-MPE算法的矿山爆破地震波信号降噪方法研究

实测矿山爆破地震波信号含有大量高频噪声,一定程度上掩盖了真实信号特征,不利于爆破有害效应分析。为了有效降低实测信号的噪声成分,提出了基于自适应VMD-MPE算法的矿山爆破地震波信号降噪方法。将原信号进行变分模态分解(intrinsic mode function, VMD)获得本征模态函数(variational mode decomposition, IMF),利用能量差参数ξ自适应确定模态数K,对IMF分量进行多尺度排列熵(multi-scale permutation entropy, MPE)的随机性检测,准确区分出真实IMF和噪声IMF,去除原信号中的噪声IMF以达到降噪目的。对3组实测矿山爆破地震波信号进行降噪处理,结果表明该模型能够较好地去除高频噪声,保留了信号真实成分;其降噪效果均优于EEMD-MPE、CEEMDAN-MPE算法,验证了自适应VMD-MPE降噪方法的有效性。     

光电图像序列运动弱目标实时检测算法

针对光电探测图像序列中的运动弱小目标实时检测问题,提出了一种基于时空域融合滤波的弱目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标,在时域上通过改进的帧间差分方法增强运动目标,两者融合后经自适应门限分割与航迹关联确认目标。实际录取数据分析结果表明,算法全面考虑运动弱小目标在时域与空域方面的特性,能更有效地从复杂背景中检测低信噪比运动弱小目标,减小了虚警率,抗噪声干扰能力强。     

基于信号分离技术的波束形成算法研究

波束形成算法具有计算效率高,计算结果稳定等优点,被广泛应用于噪声源定位。因此,对波束形成算法的深入研究及扩展具有重要的意义。特征值分解、相干输出谱分析等技术能够对被测信号进行分解,常用于信号分离和贡献量分析,具有广泛的研究与工程应用价值。结合上述信号分离技术,将特征值分解和相干输出谱分析应用于波束形成算法的前处理,提出基于特征值分解和相干输出谱的两种“衍生”波束形成算法。在此基础上,采用圆形二维传声器阵列对三个人工白噪声声源进行声源定位测试,数据分析结果验证基于特征值分解和相干输出谱的波束形成算法对声源识别和声源云图分离的有效性。两种算法均能够对声源云图进行有效分离,进而将各个声源云图与其激励源相关联。     

简化因子图均衡的参数估计算法

为了有效解决符号间干扰对通信系统的影响,研究了系统接收端的信号均衡,尤其是基于因子图的迭代均衡。考虑到基于因子图的迭代均衡算法的复杂度较高,而且信道的冲击响应是未知的,需要对因子图模型的参数进行估计,基于置信度传播算法提出了一种简化因子图均衡的参数自适应估计算法。仿真结果表明,该参数估计算法能够有效降低因子图均衡算法的复杂度,在典型线性失真的复杂多径信道下,简化因子图均衡算法的性能与传统的因子图迭代均衡性能相当。     

基于时空主分量反演的抗混响弱信号检测

采用时空主分量反演（STPCI）方法对目标回波子空间与混响噪声子空间进行分离,可以改善强混响背景下的弱目标回波信号检测。通过实际海试数据的仿真实验,表明相比时域PCI算法,STPCI处理具有更优的性能。     

基于压缩感知的高动态范围混合信号采样方法研究

为能够有效获取高动态范围混合信号的弱信号,提出一种基于压缩感知的信号采样方法。通过弱信号与预估值之间的最小均方差得到一种新的感知矩阵,该感知矩阵可以在抑制强信号的同时保留弱信号;利用相干分析法验证该矩阵满足约束等距性条件,并对噪声误差进行分析。实验结果表明:该方法可实现高动态范围混合信号的弱信号的采样与重构。     

自适应串扰噪声消除技术在小孔径钻孔超声波检测中的应用

介绍了一种基于自适应滤波的噪声消除技术,分析了超声波用于小孔径钻孔检测中存在的同频串扰噪声的生成原因以及它对测量的影响,并对串扰噪声信号和待测信号进行建模;介绍了自适应噪声对消的原理,并针对应用给出了定步长自适应噪声的消除算法以及改进后的变步长自适应噪声消除算法,对两种算法在自适应学习速率上进行了比较,并给出经自适应去噪后的信号和原始信号的对比结果。     

分形噪声中谐波信号的提取

本文提出一种分形噪声中谐波信号的提取算法。它利用小波变换对1／f噪声的白化作用,结合自适应自调谐滤波器组,在小波域实现了分形噪声与谐波信号的分离。仿真结果表明,该算法能够有效地抑制分形噪声,显著地提高信噪比。     

5种新混沌弱信号检测系统设计

为了进一步改进混沌弱信号检测系统的性能,设计了5种新的高灵敏度复合混沌弱信号检测系统,并选择其中一种与目前广泛使用的Duffing混沌弱信号检测系统进行了对比分析,结果显示新复合混沌系统可以克服Duffing混沌弱信号检测系统出现的3个难题:被检测信号消失后混沌状态无法快速自动回复、大周期状态不稳定以及混沌状态和大周期状态难以区分。通过使用Jacobian矩阵和特征方程的分析,显示了新复合混沌系统比Duffing混沌系统更为有效。与传统弱信号检测方法相比,新复合混沌系统电路简单、具有更低的信噪比和检测信号门限。理论分析和实验显示了新复合混沌系统的特性。     

LMS方法的改进及联合EEMD在振动信号去噪中的应用

针对机械振动信号特征提取中的去噪问题,本文联合集合经验模式分解(EEMD)和最小均方算法(LMS)发展了一种自适应去噪方法。首先研究了LMS的固定步长固定阶数、变步长(VS)和变阶数(VT)的算法性能,提出在迭代过程中以比较阶数和步长变化时的最小均方误差期望为收敛方向,发展了一种联合变步长变阶数最小均方算法(VSVT-LMS)的去噪方法;通过对原信号的EEMD分解,使各模式分量窄带化,进而通过VSVT-LMS对每个IMF分量进行去噪,有效避免LMS算法对宽频信号的不稳定性,同时也避免了EMD分解的不唯一性和去噪中阈值的选择问题。最后通过对仿真和实际车辆振动信号去噪,验证了方法在工程上的可行性。     

基于多普勒特征恢复的声矢量阵鲁棒自适应波束形成方法

在短快拍、信号导向矢量失配环境下,传统的自适应波束形成方法性能受到影响,对角加载技术是提高算法在复杂环境下性能鲁棒性的重要技术之一。针对水声环境和水声信号特点,提出一种基于声矢量阵的自适应波束形成方法。该方法利用水声信号的多普勒频率信息,在不同环境下自适应地选择最优对角加载因子,确定波束形成的权矢量,从而实现提取期望目标信号、抑制干扰和噪声的目的。无需任何用户参数,鲁棒性强、估计精度高。最后基于声矢量阵进行仿真实验,仿真结果证明了所提出的方法能够有效地获取目标信号,具有较好的抗干扰能力。