基于时频分析的水声目标被动检测模型研究

为了获取复杂环境中瞬态或非平稳水声信号的特征和高检测概率,提出了一种基于时频分析和统计模型的水声目标被动检测方法,建立了基于短时傅里叶变换、Wigner-Ville分布和小波变换这3种时频分析方法的被动检测模型。结合实测的舰船辐射噪声数据进行目标检测与分析,结果表明,尽管这3种时频分析方法都能有效地将目标检测出来,但是基于小波变换的被动检测模型的检测性能最好。     

基于分数阶Fourier变换累积量的目标检测算法

传统的信号检测和噪声分离方法只限于在时域或是频域进行,如果信号和背景噪声有很强的时频耦合,就难以在时频域得到好的检测结果。对此提出了分数阶Fourier变换累积量算法,该算法具有解除时频耦合和抑制噪声的特性,当选择合适的旋转角度使之与处理信号相匹配,就可以在分数阶Fourier域获得较好的检测结果。仿真结果表明,分数阶Fourier累积量算法的检测性能优于分数阶Fourier变换和4阶累积量算法,展现了分数阶Fourier变换累积量算法有优越的信号处理性能。     

基于拉东变换的对空无线电引信目标检测

针对对空无线电引信在低信噪比情况下采用短时傅里叶变换脊线进行目标检测时性能较差的问题,提出了基于拉东(Radon)变换的对空无线电引信小目标检测方法。该方法通过拉东变换处理目标信号经短时傅里叶变换得到的二维时频分布矩阵,将连续的目标信号轨迹能量进行累积,提高目标信号与噪声的区分度。仿真表明,低信噪比情形下,基于拉东变换检测目标信号的性能优于基于短时傅里叶变换的性能。     

一种基于时频分布的信号检测的新方法

针对在低信噪比的情况下检测接收信号中是否含有目标信号,提出了结合数学形态学滤波的新方法.首先将接收到的信号变换到时频域,然后设阈值将时频图转化为二值图像,再经过形态学滤波提取有用的几何目标,接着统计目标点的总能量,最后与蒙特卡洛实验所得的门限进行比较,从而检测出是否含有目标信号.仿真结果表明,对于在时频平面具有比较规则的图像特征的信号,该方法能够有效的检测出低信噪比条件下接收信号中是否存在目标信号.     

基于广义解调和广义S变换的时频域去噪方法

毫米波干涉仪回波信号的信噪比对膛内高速运动目标参数的测试精度有重要影响,传统的时域或频域去噪方法经常受到使用条件的限制,为此提出一种基于广义解调和广义S变换的时频域去噪方法。首先估计信号的相位函数对其进行广义解调和广义S变换,在时频域构造有效的滤波器进行降噪处理,随后对去噪信号进行广义S逆变换和逆广义解调并在此基础之上得到目标的运动曲线。基于此方法的二维滤波器参数完全与时间无关,极大地降低了时频滤波器的构造难度。仿真和实测数据分析结果表明:该算法与希尔伯特黄等方法相比能够有效提高信噪比并改善测试精度。     

基于S变换的悬停直升机旋翼回波检测

为准确、快速地检测悬停直升机的旋翼回波信号,针对旋翼回波信号持续时间短、突变快的特点,提出一种基于S变换的悬停直升机旋翼回波检测方法。仿真和实测数据处理结果表明,S变换能够以较高的时频分辨率表示直升机旋翼回波的非平稳特征,能反映出信号时频谱真实的物理意义。与传统的STFT、PWVD和SPWVD等时频分析方法相比,这种方法时频分辨率高,且不受交叉项干扰,具有更强的抗噪声能力。     

基于多普勒频差曲线特征识别的炸点控制方法

针对短时傅里叶变换在分析对空无线电引信目标多普勒信号频谱特征时频率分辨率不足的问题,提出基于多普勒频差曲线特征识别的炸点控制方法。该方法对多普勒信号进行短时傅里叶变换与离散时间傅里叶变换结合的时频分析,提取出多普勒频差曲线,并识别出曲线跳变点作为特征信号进行炸点精确控制。实测信号的仿真表明,该算法比短时傅里叶变换算法提取的频率更加精确,反应出更丰富的弹目交会信息,可有效提高引信精确炸点控制性能,有一定实用价值。     

Wigner-Hough变换在水下目标信号检测中的应用

研究利用Wigner-Hough变换对水下目标信号的检测问题。当信号的时频分布具有线条成分时,可以显著提高检测信噪比,同时对多分量信号时频分布的交叉项具有明显的抑制作用。仿真结果表明：对于多分量线性调频信号,当信噪比为-5 dB时;对于单分量信号,当信噪比为 7dB时,Wigner-Hough变换仍然具有很好的检测性能。将它应用于实际的湖试水声信号,仍然具有较好的检测结果。     

基于S-Hough变换的多分量线性调频信号时频检测

针对多分量线性调频（LFM）信号,提出一种新的变换即S-Hough变换,该方法首先对多分量LFM信号进行S 变换,然后在时频平面内利用Hough变换检测出各个信号分量.实验结果证明该方法可以很好地对多分量LFM信号进行检测.     

一种混响中高速运动目标检测方法

水下主动探测不可避免的受到混响的干扰,运动目标在匀加速运动时,单频发射脉冲的回波信号经过距离压缩后可视为一个线性调频(LFM)信号,根据这些特点,利用分数阶傅立叶变换(FRFT)对LFM信号进行能量聚集性,并将4阶累积量作为后置处理算子抑制混响,研究了基于分数阶傅立叶变换的4阶累积量切片算法(FRFT-FOMCS),检测了混响中的高速运动目标,对实测混响数据和LFM信号进行了仿真,结果表明,该算法能够在混响背景中有效地检测和识别运动目标回波.     

步长参数对电液伺服振动台加速度谐波抑制的影响

电液伺服振动台存在非线性现象,导致系统作正弦振动时,其加速度响应信号中出现高次谐波,使加速度波形失真。利用LMS自适应滤波算法,提出自适应谐波抑制算法。通过对参考信号的自适应滤波作用,得到谐波抑制信号,并加入到系统输入信号中,从而抑制加速度响应信号中的谐波。从谐波抑制试验结果上看,自适应滤波器的步长参数对谐波抑制算法的收敛速率影响较大。从LMS自适应滤波算法本身出发,分析了导致这种影响的原因。     

基于联合Wigner-Ville分布—随机Hough变换改进算法的线性调频信号参数快速估计

为了解决传统Hough变换(HT)庞大的计算量和存储量的问题,提高对线性调频( LFM)信号参数估计的实时性和准确性,根据Wigner-Ville分布(WVD),得到含噪单分量LFM信号的时频特性,利用最大值法进一步估计出瞬时频率;截取一段频率估计值,利用随机Hough变换(RHT)实现LFM信号的参数估计。仿真分析表明,与传统WVD-HT相比,该算法的运算量明显减少,约为WVD-Hough的1/3,并且参数估计精度高于WVD-Hough算法,具有校强的实用性。     

一种新的基于霍夫变换的信号源个数估计方法

确定信源个数是许多阵列信号处理算法的基础。提出了一种利用霍夫（Hough）变换估计信源个数的新方法。该方法通过Hough变换将观测数据的采样协方差矩阵的排序特征值点投影到Hough参数空间，通过检测Hough参数空间中积累的峰值来估计噪声特征值的数目，从而确定信源的个数。仿真结果证明了新方法的检测性能要优于著名的AIC和MDL准则，并且新方法在低信噪比下也能获得较高的检测概率，为低可观测目标的检测提供了一条有效的途径。     

基于抛物线随机Hough变换的机载脉冲多普勒雷达机动弱目标检测前跟踪方法

为解决机载脉冲多普勒（PD）雷达对机动弱目标进行检测与跟踪的问题,构造了一种基于抛物线随机Hough变换（RPHT）的检测前跟踪（TBD）算法。该算法通过模糊区间对目标的模糊量测进行距离多假设扩展,从而提取量测中的时空相关信息。利用RPHT方法将目标扩展量测转换到参数空间,并在参数空间对目标的机动航迹进行积累。在算法实现过程中,通过方位变换的方式对传统的RPHT方法进行了改进,以降低算法计算复杂度。该方法将机动弱目标解距离模糊问题转换为TBD框架下基于RPHT的航迹检测问题,避免了微弱目标的低信噪比造成的航迹漏检。仿真结果验证了该算法的有效性。     

基于卷积网络和对抗式学习的雷达信号识别算法

针对雷达信号识别中因新信号数据与训练数据的样本差异,导致卷积网络模型识别率下降的问题,提出一种基于卷积网络和对抗学习的雷达信号识别算法,提升模型对新样本的识别率.首先,依据时频变换理论,变换得到雷达信号时域-频域能量分布图像,以表征信号脉内调制特征;然后,结合深度可分离卷积的结构,构建卷积网络模型,并利用样本数据对模型...     

融合卷积特征与判别字典学习的低截获概率雷达信号识别

针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法。该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中。网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2～6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征。使用判别字典学习方法进行识别。仿真结果表明：通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献［4］、文献［24］、文献［25］、文献［26］中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率。     

基于红外图像的海上船舶分割算法研究

根据海面红外图像的特点,提出了一种基于红外图像的海上船舶分割算法。采用均值移动算法和霍夫变换检测海天线,以海天线为基准确定船舶出现的区域,采用区域分割算法分割船舶目标,根据区域生长法得到不同的目标区域,最后根据实验验证的本算法的有效性。     

基于谐波小波的舰船辐射噪声线谱提取方法

针对传统方法在低信噪比情况下难以准确提取舰船辐射噪声线谱成分的问题,提出一种基于谐波小波变换的高分辨线谱提取方法。通过对舰船辐射噪声信号进行谐波小波变换,将其正交、无泄漏地分解到相互独立的频段上,提取线谱所在频段的谐波小波系数且将其它频段置零,进而在时域重构出线谱信号,实现信号与其它成分的分离。实验分析结果表明:该方法对背景噪声有较好的抑制作用,提取微弱线谱信号的能力和精度优于FFT分析方法,比传统FIR滤波器方法性能提高了约5dB,有利于辐射噪声特征线谱的提取。     

直升机与树林复合测试目标识别算法研究

针对直升机目标与树林背景复合信号开展了目标识别算法研究。通过各算法对实测数据识别概率的比较，基于小波包的识别算法对于小尺度的识别距离其识别性能较好，采用小波包频谱法截取频谱较低的前两阶频谱，选择频谱宽度、峰值位置等参数可获得较高的目标识别概率。