一种短波波段跳频信号的检澳和识别新方法

在介绍了盲源分离算法的基本理论和经典算法的基础上,给出了通过阵列天线接收混合通信信号并经过能量检测等预处理后,采用FASTICA盲分离算法分离出原始信号,然后对分离出的各个信号进行识别,以进行跳频侦察的系统模型及其仿真结果。     

一种基于时频分析的语音卷积信号盲分离算法

本文根据语音信号在实际环境下传播存在多径效应而造成反射信号之间产生时延差异的特点,提出了一种新的基于卷积混合矩阵模型的盲分离算法.该算法利用语音信号频谱中普遍存在的稀疏特性,通过对两路接收信号语谱图的对比分析估计出模型中时延参数和幅度系数的待定值;更进一步,从极大似然估计的思想出发,构造了一种基于时延参数和幅度系数的可信度函数,提出了通过寻找上述可信度函数的峰值以准确确定混合矩阵参数的方法.与现有的基于独立性假设的盲分离算法不同,本算法利用了语音信号频谱中普遍存在的稀疏特性,适用于求解大多数场合下的盲源分离问题.由于本算法本质上是一种非迭代的算法,且不存在发散的问题,故具有快速、稳定的特点.仿真实验和实际环境下所得到的实验结果表明,该算法能在各种信噪比的条件下准确地估计出由环境所确定的时延和幅度参数,并据此成功地分离出源语音信号,是一种面向真实环境下语音盲分离应用的有效算法.     

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

基于时频特征的跳频信号调制识别

跳频信号在抗干扰方面具有良好的性能。准确识别跳频信号的调制方式,能够为判断敌我目标属性、干扰敌方信号等军事信息战提供有力支撑,但国内外对于跳频信号的调制识别仍存在很大空缺。本文提出一种基于时频特征的跳频信号调制识别方法,通过平滑伪魏格纳-维利分布(SPWVD)时频变换获取不同调制类型的跳频信号时频图像,将时频图像送入卷积神经网络(CNN)中进行特征提取及分类识别。仿真实验证明,本文CNN在低信噪比下取得了较好的识别效果。     

基于时频分布盲辨识算法的电磁干扰信号分析

提出一种可用于分离不同时频分布的非平稳信号的盲信号辨识算法。采用Wigner－Ville分布（WVD）进行盲源分离时,合成信号有交叉项存在,其分离性能不理想。而Cohen 类时频分布可以抑制交叉项,并且保持时频聚集性。因此,在TFBSS 中,Cohen 类时频分布可以取得更好的分离性能。分析了Cohen 类时频分布对交叉项的抑制性能,以及对盲源分离性能的影响,结果表明：采用盲辨识算法进行电磁干扰信号分离,其效果明显优于采用WVD进行分离的效果。     

基于时频分析的跳频信号的参数盲估计方法

采用平滑伪Wigner—Ville分布（SPWVD）来估计跳频信号载波频率,提取频率脊线,对频率脊线进行一次小波变换来估计未知跳频信号的参数,该方法可以在不需要知道跳频信号任何先验参数的情况下,估计出信号的码元速率,载波频率改变时刻。对频率编码信号的WVD,PWVD和SPWVD结果作了比较,指出了SPWVD的优点,给出了基于时频分析跳频信号参数估计的具体算法步骤．计算机仿真表明该方法是行之有效的。     

通信信号数字调制方式盲识别研究

0引言 随着当代通信的飞速发展,通信体制的变化也日新月异：一些旧的通信方式或者被改进完善,或者被淘汰,适合当代通信体制的新通信方式不断涌现并且日趋完善。目前数字通信的调制方式非常多,如ASK,FSK,MSK,PSK,QAM等。1969年4月,C．S．Wave等4名作者在斯坦福大学技术报告上发表了第1篇研究调制方式自动识别的论文《采用模式识别技术实现调制类型的自动分类》,     

一种调制信号分类识别方法

为解决通信盲侦察中的信号分类识别问题,借助于小波分析和神经网络理论,提出了一种基于小波神经网络的调制信号分类识别新方法。计算机仿真结果表明,在无噪声情况下,平均识别率在86%以上,某些信号识别率甚至高达99%;在有噪声的情况下,如果信噪比较高,则信号的平均识别率也能达到85%左右。以上结果证明了该分类方法的可行性。     

一种时频域上的盲信号分离方法

滑动傅立叶变换是一种时频分析方法,本文详细推导了滑动傅立叶变换一个频率芯值与原信号的关系,提出了一个频率芯上信号盲分离算法,本算法实现容易,计算量少,计算机仿真结果证实所提出方法的正确性和有效性。     

基于小波神经网络的掌纹识别方法的研究

为提高掌纹图像识别率,首先利用手掌的几何轮廓对所采集到的掌纹图像进行预处理,进行分割得到感兴趣的区域.再利用小波变换对掌纹图像分别进行多层分解,进而提取小波特征.最后利用BP神经网络进行分类.通过仿真实验表明,与单一的神经网络方法进行掌纹识别相比,这种将小波分析与神经网络相结合的方法收敛步数少、用时短、具有较高的识别率.     

基于前馈神经网络的非合作PCMA信号盲分离算法

针对非合作接收PCMA混合信号盲分离中高复杂度束缚,提出一种基于前馈神经网络的分离算法,通过搭建神经网络分离平台,规避传统的发送符号遍历思想,实现PCMA混合信号低复杂度高性能盲分离.仿真实验表明,神经网络能够极大挖掘信号内在信息,针对QPSK调制PCMA混合信号,在信噪比7dB时误比特率达到10^-3数量级,并伴随着较PSP分离算法算术平方根级别的复杂度降低.     

一种基于人工神经网络的人脸识别方法

提出了一种基于BP人工神经网络的人脸识别新算法。采用积分投影与几何特征提取相结合的方法进行人脸图像特征提取,构建特征向量,利用BP神经网络分类识别。仿真结果表明,该算法应用于ORL人脸库的分类识别,仅用13个特征即可达到平均识别率99%,识别能力显著增强,同时有效地降低了所需特征维数和计算复杂度。     

基于时频分析的相位编码信号检测及识别方法研究

低信噪比条件下（0dB）对相位编码信号的检测及识别是当前脉内特征分析中的重点和难点,基于这种原因,提出了一种基于时频分析（短时傅里叶变换）方法对信号脉冲进行检测,然后,重点论述了低信噪比条件下（0dB）对相位编码信号的调制类型识别及参数估计,根据对信号时频特征的分析,建立对信号进行检测及识别的算法模型,并给出了算法的理...     

一种改进的频移键控调制信号盲识别方法研究

频移键控信号在民用和军事通信领域得到了广泛应用,因此对频移键控调制信号识别分析也具有重要意义。针对过去一些方法存在的问题,提出了一种改进的频移键控调制信号盲识别方法。新方法采用基于循环平稳特性的核心思想,能更好地适用于低信噪比下的复杂电磁环境。它可在无先验信息的情况下实现对频移键控信号特征的提取,是一种高效的识别方法,具有良好的稳健性和工程实用性。计算机仿真表明,新改进算法在较低信噪比条件下能达到较高的正确识别率,相比过去的方法性能更优。     

一种信号源盲分离的神经网络算法

本文提出了一种新的盲信号分离的神经网络算法。神经网络的第一层使用奇异值分解(SVD)方法对观测信号进行预白化处理。在传感器的数目不少于源信号的情况下,预白化处理能够估计出源信号的数目,同时压缩掉冗余信息。神经网络的第二层是分离层。分离层的权值矩阵应该是正交矩阵。本文应用一个正交严格受限(SOC)算法调整分离网络的权值。其中,用恢复信号的四阶互累积量的平方构造代价函数。仿真实验验证了算法的有效性。     

主成分分析与BP神经网络的人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化。主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求。BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,提高识别的正确率,减少了训练时间,同时简化了网络结构,减少很大的计算量。