基于广义S变换的时频滤波技术研究

针对S变换的滤波方法受到窗函数固定的限制,对信号的滤波不能达到良好效果,广义S变换时频滤波克服了传统S变换滤波因子不能随时间、频率变化而变化的缺陷。将信号用广义S变换方法变换到时频域,对不同时间内不同频率的噪声部分冲零,再将去噪后的信号利用广义S反变换到时间域,获得所需要的有效信号。通过理论计算和信号模型仿真表明,广义S变换时频滤波方法能够较为精确的分析数据的时间和频率特征,有效滤除不同时段不同频率的噪声,可以最大化的保留原始信息。该方法具有较高的实用性和灵活性。     

基于能量归一化窗的S变换及应用

为了克服标准S变换对时频谱能量的"加权效应",构造了一种归一化窗S变换.它的窗函数满足能量归一化条件,减少了对高频分量的加权效应,而且可通过参数调整窗函数时宽.文中推导了归一化窗S正反变换的运算实现.模型信号的分析表明,归一化窗S变换在不损失时频分辨率的前提下,更能客观地反映非平稳信号中不同频率成分的能量分布特征,并可通过参数调整其时频分辨率.对实际地震信号的分析发现,它能更加真实地描迷实际地震信号的高频衰减现象.     

基于能量归一化窗S变换的跳频信号参数盲估计

提出一种基于能量归一化窗的S变换的跳频信号参数盲估计方法。详细阐述了能量归一化窗S变换的基本原理,应用能量归一化窗S变换对跳频信号进行了分析并与其它时频分析方法作了比较,最后给出了跳频信号参数盲估计的具体算法步骤,并进行了仿真实验及性能分析。仿真结果表明该方法切实有效。     

基于时频分析的雷达信号滤波方法

深空目标的雷达回波信号较弱而且受噪声干扰严重,给检测识别工作带来很大的困难;提出了一种时频滤波方法,将基于广义S变换的时频滤波引入到雷达回波信号去噪当中;采用广义S变换对回波信号进行时频分析,利用变换结果求解信号的瞬时频率,并构造了一种时频滤波器.对雷达回波信号进行时频滤波处理并对滤波效果进行分析;仿真结果表明,经滤波后信噪比有较大提高,且很好保留了信号特征。     

基于广义S变换的声发射信号去噪研究*

为了有效消除声发射信号中的噪声,将广义S变换滤波方法应用于声发射信号去噪,分别采用广义S变换中的充零法、基于带通滤波器设计滤波算子法以及时频滤波法进行滤波比较,针对信号的不同时频特性设计了相应的时频滤波算子.结果表明,基于S变换的三种时频滤波法对声发射信号的去噪均有较好的效果,克服了传统滤波方法滤波因子不能随时间、频率变化而变化的缺陷.其中时频滤波法在高信噪比和低信噪比情况下都能更好地去除噪声,可以满足信号处理的要求.     

基于S变换的雷达脉内调制特征提取方法

针对利用常规参数进行复杂体制雷达辐射源信号分类识别存在的问题,提出一种基于S变换的雷达脉内调制特征提取方法。将S变换引入雷达脉内信号分析中,首先提取信号S变换时频图像的不变矩特征;然后针对其在BPSK和QPSK信号分类上的不足,提出了基于S变换峰值包络特征提取方法;最后用支持向量机作为分类器进行分类实验。仿真结果表明,在一定信噪比范围内,提取的特征具有较好的聚集性和可分性,对6种雷达脉内调制信号取得了较好的分类正确率。     

基于生命特征信号检测方法的研究

生命探测雷达是一种用途广泛的主动式生命探测设备.通过分析生命信号探测雷达实测数据,本文提出高斯色噪声杂波模型和谐波生命信号模型,根据生命信号频率极低、准周期、低信噪比、其极容易淹没在强杂波背景下的特征,本文分别用传统FIR滤波方法和小渡变换滤波方法进行杂渡抑制和信号检测,实验结果表明:小波变换滤波方法比传统FIR滤波方法的群延迟小,信噪比约提高4.525dB,并且计算量很小,具有较高的稳定性和有效性.     

广义S变换地震频谱分解计算方法及应用

广义S变换依据地震信号的特征,用振幅、能量衰减率、能量延迟时间及视频率四类参数构造基本小波,克服了S变换中基本小波固定不变的缺点,是一种高分辨率的时频变换。论文研究将广义S变换用于地震频谱分解,形成了广义S变换地震频谱分解算法和流程。广义S变换频谱分解技术不受时窗长度的限制,大大提高了抗噪性、稳定性和分辨率。实际算例证明,广义S变换地震频谱分解对河道等地质现象的刻画精度要大大高于傅氏变换频谱分解方法,是石油地震勘探中薄层储集体预测的有效手段。     

改进的S变换及在地震信号处理中的应用

首先论述了S变换的原理和运算实现.为了提高S变换对不同类型非平稳信号的分析能力,通过一个时窗调节因子改造S变换的可变高斯窗函数,从而改变时窗宽度随频率呈反比变化的速度,得到了时频分辨率可调的广义S变换,提高了S变换在具体应用中的实用性和灵活性.通过对几种合成信号模型仿真,阐述了时窗调节因子对时频分辨率的影响.并对一维人工合成复杂地震信号进行分析,获得了高质量的时频表示,证明了广义S变换在地震信号处理中应用的有效性.     

基于广义S变换的水下目标特征提取

针对水下目标识别中特征矢量难以准确提取的问题,提出了基于广义S变换模时频矩阵奇异值的水下目标特征提取方法。首先对目标信号进行广义S变换,然后提取广义S变换模时频矩阵奇异值作为目标识别特征矢量,最后利用概率神经网络实现目标识别。广义S变换在S变换的基础上,通过改变窗宽因子可提高信号分析的频率分辨率或时间分辨率,从而可根据信号分析需求实现水下目标非平稳非线性信号的时频分析。实验结果表明提取广义S变换模时频矩阵的奇异值作为目标识别特征矢量能够有效区分各类目标,且选取不同的窗宽因子具有不同的识别结果。     

一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

同步挤压小波变换对随机噪声抑制的研究

针对低信噪比信号在噪声去除中存在的问题,提出了利用同步挤压小波变换对随机噪声的处理研究。该变换是一种新的小波变换方法,可将时域信号转化成高分辨率的时频谱,再结合时频谱重排的思想,通过挤压任一中心频率附近区间值,从而得到同步挤压小波变换量值。研究发现,同步挤压小波变换可将随机噪声压缩为点状噪声或者颗粒噪声,并聚集分布,基于噪声这一分布特点,从而选用中值滤波,可达到很好地抑制噪声的目的;而传统小波变换后,随机噪声在大小尺度上均有分布,比较分散,用中值滤波不能达到好的滤波效果。对比结果表明：该方法具有较好的抑制随机噪声的能力。     

基于MUSIC谱估计的探地雷达回波处理方法

为了克服现有信号处理算法对探地雷达噪声及杂波滤除的不足,提出了一种基于MUSIC谱估计时域与频域联合滤波方法。利用常用的去直流波和均值滤波抑制方法进行雷达信号预处理,在此基础上,引入谱分析中信号子空间与噪声子空间的概念,将MUSIC算法与最小二乘法相结合来进行探地雷达杂波及噪声处理。仿真及实验结果表明,提出的回波处理方法可以有效地抑制雷达信号中的噪声和杂波,能提高测量数据的精度,具有较高的实用性和可用性。     

基于有限频段的Markov跳变系统有限时间H∞滤波

传统Markov跳变系统H∞滤波方法要求所有子系统对全频域的噪声具有同样的干扰抑制水平,由于没有充分利用噪声的频率信息,导致传统滤波方法可能含有较大的保守性.本文针对特定频段的干扰信号,提出基于有限短时间的H∞滤波器设计方法.在引入有限频段的同时,结合有限短时间稳定理论,提出有限频段以及有限时间两尺度滤波方案,为降低滤波理论的工程保守性提供了思路.仿真结果表明本文所提滤波方法与现有滤波方法相比,具有一定的优越性.     

一种改进的DVB-T信道估计算法

针对传统DVB-T系统信道估计算法估计精度低或复杂度高的问题,为了提高信道估计算法整体性能,提出了一种改进的DVB-T信道估计算法;该算法首先采用最小二乘法估计离散导频处频率响应估计值;进而,利用连续导频对信噪比进行估计;最后,将得到的信噪比估计值与预先设定的信噪比阈值进行比较,若估计值小于阈值,则先经过卡尔曼滤波处理,再在时频二维方向上用高斯插值得到全部子载波的频率响应值,否则直接在时域和频域上进行插值;此方法在信道条件较好时关闭卡尔曼滤波过程,从而有效减少滤波次数,提高算法整体运行速度;仿真结果表明,该方法能有效提高系统整体性能,减少在噪声影响较大时的干扰,同时也兼顾了算法整体运行速度。     

A method of time–time analysis: The TT-transform

A novel technique of analysis of an arbitrary primary time series into a set of secondary, time-limited, local, constituent time series, the TT-transform, is presented. The time–time representation is derived from the S-transform, a method of representation of a real time series as a set of complex, time-localized spectra. When integrated over time, the S-transform becomes the Fourier transform of the primary time series. Similarly, when summed over the primary time variable, the TT-transform reverts to the primary time series. The invertibility of the TT-transform points to the possibility of filtering and signal to noise improvements in the time domain, and some insight into the localized spectra of the S-transform.     

高斯噪声下伪码-线性调频复合信号参数提取方法

针对目前雷达信号参数估计算法在某种环境中性能急剧下降,甚至失效的问题,提出一种基于多相滤波器组和高阶累积量联合处理的伪码-线性调频复合信号参数估计算法.该算法首先利用多相滤波器组实现信号在频域上快速均匀划分,然后对输出的每个子带信号进行三阶累积量对角切片的短时估计,有效抑制高斯噪声的干扰,并经过包络检波后得到复合信号完整的时频矩阵,最后通过时频图像的Radon变换和频率曲线的提取实现信号伪码数目、码元宽度、调频斜率、信号载频、带宽以及起止频率的提取.仿真结果表明,该方法在信噪比大于-11 dB时的估计精度较高.