基于MATLAB的微弱信号检测方法仿真分析

为了实现低信噪比下微弱信号的检测,介绍了自相关和小波变换2种检测方法,并通过MATLAB进行了仿真验证。仿真结果表明:多重自相关法能够有效地抑制高斯白噪声带来的干扰,相比之下,小波变换法在非高斯噪声中的微弱信号检测具有一定的优势,依然能够有效地提取微弱信号的特征。根据实际情况,将2种方法结合使用将有利于达到较好的去噪效果。     

非高斯噪声环境中基于梯度范数的自适应滤波算法

针对传统最小均方类算法在非高斯噪声中自适应滤波性能下降的问题,提出了一种基于梯度范数的变步长归一化最小平均P范数算法.算法将α稳定分布作为非高斯噪声分布模型,依靠梯度范数与均方权值偏差(MSD)的关系自适应调整步长,加快收敛速度的同时减小稳态误差,理论推导证明了算法的有效性.仿真结果表明,在非高斯噪声条件下,该算法具有更好的收敛性能和抗突变能力以及更小的稳定误差.     

一种核主分量分析重构的雷达目标识别方法

针对雷达目标高分辨距离像(High-Resolution Range Profile,HRRP)识别中等角域划分造成的目标散射特性失配问题,提出一种基于核主分量分析重构的雷达目标识别方法。该方法在等角域划分下利用核主分量分析提取每个角域内HRRP的特征子空间,再将测试样本投影到各角域特征子空间中进行重构,最后通过计算最小重构误差来判别测试样本的类别。基于5种飞机目标的仿真实验表明,核主分量分析重构方法可以松弛角域划分范围,降低角域划分的精度要求,相比主分量分析重构方法和最大相关系数模板匹配法有效提高了识别性能。     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

基于核PCA的智能图像分析算法

提出了一种基于核PCA的智能图像分析算法，该算法将非线性数据映射到高维特征空间，能自动创建新的聚类并且连续调整聚类以适应于新目标，从而提高目标识别系统的性能。重点研究了基于核PCA算法在径向基神经网络中的应用，提出一种核PCA—RBF网络模型，并进行了目标检测、分割和无人监督目标分类的仿真实验。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

一种基于4阶累积量的信号检测方法

针对高斯噪声中对称分布的非高斯信号及正弦信号的检测问题，提出了以匹配滤波器输出的4阶累积量零延迟的绝对值为检验统计量的检测器算法，详细分析了算法的检测性能，给出了检测概率和虚警概率表达式。理论分析和仿真结果均表明，该算法可以在高斯色噪声中有效检测对称分布的非高斯信号，其性能优于高斯色噪声下的匹配滤波器。     

高斯背景中一类新的自适应阵列检测器

针对现有文献对自适应阵列检测问题的研究相对比较少的问题,构建高斯背景中一类新的自适应阵列检测器。从新的视角理解高斯背景中自适应阵列检测器的原理,分析了信号子空间建模目的,以及结构化与无结构化检测器、解耦与不解耦检测器之间的性能差异,并提出了调节因子的概念,构造并分析了一类新的结构化检测器。仿真结果表明：从计算负担和检测能力2方面考虑,Hyung Soo Kim的解耦结构化Kelly检测器,Yow-Ling Gau的降秩检测器,以及构造的解耦结构化Kalson检测器都具有比其他检测器更好的综合性能。该研究可为寻找非高斯背景中自适应阵列检测器的构造方法提供参考。     

基于多目标不确定性改进的GM-PHD滤波器

基于随机有限集的高斯混合概率假设密度（GM-PHD）滤波是处理多目标跟踪问题的一种有效方法。GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性。为此,提出在考虑高斯分量权重的情况下,通过分量值改变协方差更新式,并通过引入标签,采用自适应阈值对高斯分量进行合并。理论分析和仿真结果表明：该方法在杂波环境下,目标最优次模式分配距离小,跟踪精度更高;目标数量的估计结果受杂波的影响更小,其估计值更接近真实的目标数量;通过具有不同杂波以及检测概率条件的跟踪场景,证明了该方法的目标数量估计精度和滤波性能明显好于传统算法。     

非高斯水下噪声中微弱线谱信号的符号函数型随机共振检测

采用符号函数作为随机共振模型,对非高斯水下噪声环境中的信号检测进行研究,分析了其检测性能。与Langevin型的随机共振相比,该模型具有更高的局部信噪比增益和更宽的频率适应范围。数值仿真表明,噪声的非高斯性越明显,符号函数型随机共振系统的性能表现越优异。由实测数据对所采用的随机共振的有效性进行了验证。     

结合EEMD 的噪声对消方法在遥测振动信号降噪中的应用

针对传统降噪方法难以兼顾飞行器遥测振动信号中细节信息损失和降噪性能之间的矛盾,提出一种集合 经验模态分解(ensemble empirical mode decomposition,EEMD)和噪声对消相结合的降噪方法。信号经EEMD 处理得 到本征模态函数(intrinsic mode function,IMF),将第1 阶IMF 分量和其余IMF 分量的累加和分别作为参考噪声和 待降噪信号;利用核方法将信号映射到高维特征空间,利用映射到高维空间中的参考噪声和待降噪信号进行噪声对 消。计算机仿真结果表明：该方法在避免信号细节信息损失的前提下具有良好的降噪性能,某次飞行器试验中实测 数据处理结果证明方法有效和实用。     

声自导鱼雷空时自适应处理

介绍了全维和降维空时自适应处理（STAP）的基本原理,通过分析鱼雷工作环境、工作方式以及数据组织方式,讨论了采用STAP方法提高声自导鱼雷混响背景下目标检测性能的可能性,给出了关键步骤的解决方案和STAP抗混响的基本流程。分析结果表明,采用STAP进行混响抑制难度要大于对机载预警（AEW）雷达杂波的抑制,然而在实现上却是可能的。仿真结果表明,采用STAP方法能够获得比常规方法更好的检测性能。STAP方法能够充分利用声自导鱼雷混响空时分布特性,是一种有前途的抑制鱼雷混响的新方法。     

基于非线性最小二乘的双基地声纳定位优化算法

双基地声纳定位是一种重要的定位方法,采用优化算法来提高定位精度是其重要的研究内容。本文采用了将双基地声纳定位方程转化为非线性最小二乘(NLS)问题的技术方法,并后置最优化方法LMF算法,研究了基于多基地接收源的目标定位性能和定位精度的几何稀释(GDOP),给出了定位误差分布。通过数值仿真,研究了不同基线长度时双基地声纳的定位精度,并将NLS拟和算法的多接收源定位性能与纯时间估计定位性能进行了比较。研究表明,本文的基于多基地接收源的目标定位方法相对于纯时间估计定位方法提高了定位精度,特别是在相对短的基线(7.4 km基线长度)情况下,可提高30%的精度。该研究为最优化方法在水声定位中的应用提供了依据。     

基于视觉的四旋翼飞行器路径跟踪

针对四旋翼飞行器在室内环境下识别地面线状结构的问题,提出了一种改进的基于单目摄像头,提取线段并跟踪的方法;首先在图像中设置感兴趣的区域（Region Of Interest,ROI）,基于HSV颜色空间,根据颜色阈值提取出线段颜色;然后对ROI进行高斯滤波处理过滤图像的噪声,通过Canny边缘检测算法提取出线段的边缘;最后用概率霍夫变换（Probabilistic Hough Transform,PHT）从预处理图像中拟合出直线,计算直线的方向向量实现四旋翼的路径跟踪;实验结果表明：该方法有效地提高了路径识别的效率,使四旋翼能够精确跟踪室内路径。     

水中高速小目标被动检测模型及其应用

针对水中高速小目标难以准确检测的问题,结合3D超波束形成(3D-HBF)方法具有灵活控制窄波束和低旁瓣的特性,以及模糊支持向量数据描述(FSVDD)检测器具有优良的目标检测性能这两者的优势,构建了水中高速小目标被动检测模型和具体实施方法。在该方法中,高速小目标的辐射噪声信号经过3D-HBF后,将获得的波束响应输出向量输入到FSVDD检测器中,从而实现目标的自动检测和测向。将该方法应用于水下高速小目标检测的实航试验中,结果表明,同基于常规波束形成的检测器相比,其具有更好的检测性能、目标检测准确率和较高的方位估计精度。     

基于TMS320C28346的高性能永磁同步电机调速系统设计

基于TI公司C2000系列最新型号TMS320C28346,采用矢量脉宽调制(SVPWM)技术,进行高性能永磁同步电机(PMSM)伺服调速系统设计。试验结果表明,该伺服系统运算速度大大高于目前SVPWM控制器的速度,且具有更高的控制精度、更平滑的调速性能和更低的噪声。     

一种改进的高光谱RX异常检测方法

针对异常噪声的干扰使得RX异常检测方法效果不佳的问题,提出了一种改进的RX异常检测方法;首先,借助图像插值的思想,建立邻域像元与目标像元之间的定量关系;然后,采用正交子空间投影法（OSP）将目标像元的光谱向量正交投影到由邻域像元加权得到的光谱向量的正交子空间当中,从而实现对异常噪声的估计;最后,将目标像元的光谱向量减去噪声向量,以达到降低噪声提高检测效果的目的;以ROC曲线作为评价检测方法性能的指标,实验结果表明：改进后的RX检测方法在检测性能上明显优于原始的RX检测方法,在检测时间和检测效果上都要优于基于最大噪声分离的RX法（MNF-RX）。     

基于时空LBP特征的自适应运动目标提取算法

传统的运动目标检测算法主要基于像素值的统计模型,对于光照突变和噪声极为敏感。为此,提出了一种基于时空LBP建模的自适应运动目标检测算法。通过使用结合了时序信息的LBP描述视频图像序列中像素特征,通过经典的高斯混合模型对像素特征进行建模,提取出运动目标。实验结果表明,该算法能够适应光照变化,具有良好的检测性能。     

基于速率检测的GNSS/INS快速完好性监测方法

卫星导航系统存在许多类型的故障模型,其中最难检测的是慢变斜坡故障(SGE)。针对卫星导航/捷联惯导(GNSS/SINS)组合导航系统中存在的慢变斜坡故障,本文给出了一种新的算法——速率检测算法。该算法是基于对传统检测量增长速率的检测,通过在自主完好性外推法(AIME)的基础上增加一个卡尔曼滤波器,检测滤波器观测量速率变化来实现故障检测。仿真实验表明,本文的速率检测算法比AIME算法具有更好的检测效果,幅值越小的斜坡故障节省的时间越多。