基于相关算法的脉冲信号检测性能分析

低信噪比信号检测一直都是侦察领域关注的课题。为此,提出了基于相关算法的脉冲信号检测方法,介绍了相关算法检测原理,用统计分析方法确定了理论最佳检测门限,并对相关检测性能进行了仿真分析,在低信噪比条件下完成了信号到达时刻和脉冲宽度的估计。     

基于平滑伪维格纳分布和最小熵的BPSK信号参数估计

针对低信噪比环境下二相编码（Binary phase shift keying,BPSK）信号的参数估计性能差问题提出了一种新方法。该方法首先对信号进行平滑伪维格纳分布（Smooth pseudo Wigner-Ville distribution,SPWVD）变换得到时频矩阵S_SPWVD（t_m,f_n）,再利用最小熵法对得到的时频矩阵进行处理得到BPSK信号载频的较高精度估计。SPWVD变换将BPSK信号相位突变信息转换为时频域内信号载频处的幅度突变信息,通过搜索相邻负尖峰并进一步处理得到BPSK信号的码宽、码率、码数以及编码序列的估计。仿真结果验证了方法的有效性。     

基于最大特征值和能量之差的频谱感知方法

针对认知无线电频谱感知问题,利用随机矩阵理论的相关研究成果,提出一种新型频谱感知方法.该方法以最大特征值和平均能量之差构建判决统计量,以采样协方差矩阵最大特征值的极限值近似代替最大特征值,结合噪声平均能量的分布特性推导判决门限.仿真结果表明,该方法在低信噪比环境下能够克服噪声不确定度的影响,获得相较于ED更好的检测性能.     

基于自适应柔性形态学边缘检测算法研究

在深入研究柔性形态学边缘检测算法的基础上,提出自适应柔性形态学边缘检测算法,该算法是柔性形态学和自适应技术的结合.通过多方向结构元素的使用,取得其梯度的最大值,从而达到边缘检测较好的效果.通过比较移动结构元素窗口的信噪比和整个图像的信噪比,来实现该算法中自适应的特点.实验结果表明,该算法在边缘检测和抑制噪声方面,要比传统边缘检测算法有较好的效果,同时有较好的鲁棒性.     

基于自适应阈值的脑电信号去噪方法

脑电采集后得到的脑电信号(Electroencephalogram,EEG)中含有噪声信号,为了有效去除噪声并保留有用信息,本文在软阈值去噪的基础上,提出一种改进阈值去除EEG噪声的算法。利用小波变换对EEG信号分解,得到多层的高频系数和低频系数;根据分解层次不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪后的EEG信号。以信噪比、均方根误差作为去噪效果的定量指标,将改进算法与硬阈值法、软阈值法、Garrote阈值法进行比较,结果表明,改进阈值法优于其他3种阈值法。     

一种新的强噪声环境下的语音增强算法

针对强噪声环境下语音增强中噪声估计和先验信噪比估计算法导致的语音失真和音乐噪声的问题,利用语音和噪声的统计模型的对称性得到一种噪声幅度的估计值为参考,提出了一种噪声估计算法,改进了先验信噪比估计算法,形成了一种新的增强算法,适用于强噪声环境下的语音增强。由仿真实验给出的客观评分看出,在0 dB乃至－5 dB条件下,给出信噪比估计算法能够有效减小信号失真,基本上没有残留音乐噪声。     

阈值阵列模型下的超阈值随机共振信噪比增益

研究了阈值阵列模型和超阈值随机共振现象.对该模型进行剖析,认为阈值阵列系统可以分解为单个阈值系统与集总平均器的级联.为了研究周期输入下的超阈值随机共振现象,理论分析了周期输入下的阈值阵列模型输出随机过程的统计特性,以输出信噪比增益作为随机共振的测度,固定输入信噪比,观测输出信噪比增益相对于阈值噪声方差的变化规律.证实当输入噪声为高斯噪声时,在阈值阵列系统中加入统计独立的高斯白噪声可使输出信噪比增益大于1,当输入噪声为非高斯噪声时,可获得更高的输出信噪比增益.     

一种多用户的双向中继系统预编码方案

为提高多对用户双向中继系统的性能,提出一种新的预编码方案。设计具有2K个用户和一个中继节点的系统,每个节点通过中继节点交换信息,节点间的信道相互独立且服从瑞利慢衰落,给出用于信息传输的2个时隙,分析中继节点的信噪比和系统的互信息。仿真结果表明,当中继节点的信噪比为25 dB时,该方案的互信息相比传统方案提高1.2 bit/s/Hz。     

混沌振子实现微弱周期小信号的检测

通过对混沌振子Duffing方程及其检测原理的介绍,发现混沌振子对周期小信号具有敏感特性,能够在强噪声环境下实现对微弱周期小信号的检测。Matlab实验仿真和分析证明了采用混沌振子Duffing检测微弱周期小信号的可行性。     

基于LabVIEW的光拍频噪声的特性分析

为了提高低相干干涉技术(LCI)的测量精度,满足实际中高精度测量的要求,本文对LCI中的光拍频噪声进行了详细的理论研究、推导出拍频噪声的基本公式,并通过LabVIEW对噪声的性质进行仿真分析。结果表明:拍频噪声大小与光源功率的平方成正比,信噪比随光源功率线性增加并达到饱和值。