基于高阶谱净化的水声目标宽带调制信号检测

针对水声目标解调谱轴频提取中低信噪比和低频信号干扰严重的问题,给出了一种检测水声目标辐射噪声宽带调制信号的方法。首先利用希尔波特变换解调出信号包络,进而计算出解调谱;根据螺旋桨桨叶旋转产生的调制线谱存在明显的谐波关系,利用高阶累计量对角切片对解调谱进行净化;根据线谱波形特征进行线谱检测识别得到比较干净的线谱成分。通过实际舰船噪声检验分析,该调制信号检测方法能够较好的检测出水下目标辐射噪声中调制线谱的基频以及谐波成分。     

小波变换在过零调制信号检测中的应用研究

将小波分析理论应用于配电网络过零调制信号的检测中,解决了在强噪声、低信噪比的配电网络中通信误码率高的难题,提高了系统的信噪比。给出了小波变换Mallat算法的分解和重构公式。信号仿真表明,应用该方法可以很好地从复杂环境下提取有用信号的特征。     

基于改进希尔伯特-黄变换的进动目标周期估计

针对进动目标的微多普勒周期估计问题,提出了一种基于改进希尔伯特-黄变换的提取算法。该算法通过将希尔伯特-黄变换中的经验模态分解（EMD）替换为完备总体经验模态分解（CEEMDAN）,对目标回波信号进行分解得到各本征模态函数（IMF）后,再对IMF进行希尔伯特谱分析,从该希尔伯特谱中提取出目标信号中的微多普勒周期。仿真表明,所采用的方法能有效地克服EMD算法噪声环境中性能较差的缺陷,在低信噪比条件下具备较好的性能。     

时频图像二维EMD分解在LPI信号识别中的应用

针对LPI信号分类识别问题中,时频图像受噪声干扰严重的问题,提出了一种基于二维快速经验模式分解(FBEMD)的图像降噪算法,并利用该算法实现对LPI信号的分类。首先利用时频分析方法,获得待分类信号的时频分布图像;使用二维EMD分解算法对图像降噪;截取包含时频信息的图像部分,通过主分量分析法提取特征矢量;最后采用RBF神经网络完成信号的分类识别任务。对常见的LPI雷达信号进行仿真,结果表明较低信噪比情况下,该方法仍能获得较好的分类结果。当信噪比为-2 d B时,采用二维EMD降噪算法,平均正确识别率能够达到93%。     

一种改进的分数低阶矩协作频谱感知算法

为了提高脉冲噪声下基于分数低阶矩频谱感知算法性能,提出了一种改进算法。针对中值滤波能有效抑制脉冲噪声的特点,该方法先对接收信号进行中值滤波,再进行分数低阶矩频谱感知。仿真分析了在不同广义信噪比、特征指数以及协作用户对感知性能的影响,并与能量检测和分数低阶矩频谱感知方法对比。仿真结果表明,改进的分数低阶矩方法在脉冲噪声下感知性能明显优于能量检测和分数低阶矩检测。并且对不同调制信号均具有良好的适用性。     

基于改进经验AM-FM解调的复杂信号瞬时特征分析方法

分析了Hilbert变换在计算复杂单分量信号瞬时特征时存在的不足,研究了一种称为经验AM-FM解调的信号瞬时特征计算方法,并对算法进行了改进.针对其在计算瞬时频率时易受噪声影响的不足,提出将该算法与加权平滑相位差分法相结合来抑制噪声的影响.结合经验模式分解和改进的经验AM-FM解调算法,提出了一种适合复杂多分量信号解调...     

一种无人机辐射源调制样式识别算法

针对小型无人机威胁低空领域且在复杂电磁环境下难识别的问题,提出了一种基于卷积神经网络的信号识别算法。首先,分析了无人机应用背景下直接序列扩频信号的特性,并采用短时傅里叶变换获取信号时频特征;然后,利用提出的能量阈值降噪法降低时频特征中噪声成分;最后,设计了卷积神经网络用于分类识别。仿真结果表明,该算法在信噪比为-6 dB时可达到0.97的识别率,具备较强的鲁棒性和低信噪比环境适应性,其性能显著优于传统算法。     

EMD降噪与小波变换在轴承故障诊断中的应用

在轴承故障诊断中,为降低噪声对小波变换的干扰,提出了先用经验模态分解、再用小波变换对信号进行分析的综合处理法.在用经验模态分解方法的自适应性对信号进行分解的基础上,选用峭度值优选贡献率高的固有模态函数重构信号,计算其自相关函数,然后进行小波变换,得到分解后细节信号的级联谱,对效果最好的分量进行Hilbert解调.该方法解决了噪声对弱故障信号干扰导致诊断效果不明显的问题,提高了小波变换的故障识别率和效率.轴承滚动体点蚀故障试验结果表明:该方法能有效提取轴承滚动体故障特征,与传统包络解调相比具有更好的效果.     

依据时频聚集性准则的GST-Hough变换信号检测

针对传统雷达信号检测算法不准确以及计算量大、速度慢等的缺点,提出一种基于时频聚集性准则的GST-Hough变换信号检测算法。该算法依据提出的滑动窗口的标准偏差的聚集性准则,将改进的S变换和Hough变换相融合,同时结合基于奈曼-皮尔逊准则设计的门限,完成信号检测。仿真结果表明该算法在-14 dB下依然有很好的检测效果,同时在与其他算法的对比实验中得出,该算法在低信噪比条件下具有较好的检测能力,不依赖先验信息,适用性强。     

基于LMD频域近似熵频谱感知算法研究

针对现有频域近似熵频谱感知技术在低信噪比条件下抗噪声性能和检测性能有待提升的问题,提出了一种基于LMD频域近似熵的频谱感知算法。(1)算法筛选出3个PF分量累加求和,使得算法提取局部调频包络特征信息得到最优,进一步排除噪声不确定度的影响。(2)算法对累加PF分量进行频域变换后求其近似熵,增强算法对频域信息的嗅探能力,提升算法检测性能。Monte Carlo仿真结果表明,在噪声不确定度为0dB,采样点数为8 000的情况下,当信噪比大于-19 d B时,可以对2ASK信号达到100%的检测概率,与现有频域近似熵算法相比,检测性能约有17 d B的提升。     

一种低信噪比下二相编码信号脉内特征提取方法

为改善小波脊线法在低信噪比下提取二相编码信号脉内特征的性能,提出了一种改进的小波脊线脉内特征提取方法。该方法将魏格纳-威利变换与小波脊线法相结合,利用魏格纳-威利变换对噪声的抑制来改善信噪比,通过分析二相编码信号的小波脊线特征来得到脉内特征参数。仿真结果表明,该方法在低信噪比下仍能准确提取二相编码信号的脉内特征,具有明显优越性。     

间歇采样干扰识别的抗欺骗干扰波形设计

针对间歇采样干扰,设计了一种发射信号,该信号调频斜率在一个脉宽内周期性正负交替变化。对目标回波和间歇采样干扰进行短时傅里叶变换后,提取频谱的正、负频率能量分布特征,与发射信号匹配分析,进行干扰鉴别。干扰不存在时,进行脉冲压缩;干扰存在时,可通过一种时域滤波器对匹配滤波结果中的干扰成分进行滤除。计算机仿真结果表明:该算法能在合理的信噪比及干信比条件下,保持较高的识别率并能对间歇采样干扰进行有效抑制。     

基于多级信道化的调相信号检测与识别技术

在现代电子战中,日益复杂的电磁环境对侦察系统的灵敏度提出了更高要求。针对低信噪比情况下调相信号检测困难与调制类型识别正确率低的问题,设计了一种两级宽带均匀数字信道化接收机。该接收机采用幅度自相关累加技术提高检测概率,同时采用相位累加瞬时自相关技术提高调相信号的调制类型识别正确率。仿真结果表明,该两级信道化高效结构信噪比增益约17 dB,能适应-6 dB的低信噪比环境,信号调制类型的识别正确率不低于90%。     

基于指数分布假设的直接序列扩频系统抗窄带干扰技术研究

在扩频信号加信道噪声近似服从高斯分布条件下,利用均匀DFT滤波器组性质,得到变换域谱线幅度平方服从指数分布的结论。通过假设检验方法,可对直接序列扩频系统接收信号中的窄带干扰进行检测和抑制。理论分析和数值仿真结果表明,算法能有效抑制常见的单音、多音干扰以及窄带高斯干扰。     

利用时频稀疏性的跳频信号盲检测和参数盲估计

针对在低信噪比的稳定分布噪声和定频干扰背景中,跳频信号检测和参数估计性能不佳的问题,利用分数低阶短时傅里叶变换得到时频矩阵;对时频矩阵按频率行去均值,抑制定频干扰;通过时频峰值优化、时频矩阵清洗和强化处理,降低频谱泄漏和噪声对跳频信号时频稀疏性的影响;利用此稀疏性进行检测和估计,即根据跳频信号在驻留时间内的连续性检测跳频信号,估计跳频频率;根据驻留时间起点及间隔,估计跳变时刻和跳周期.仿真结果表明,在低信噪比下,该算法的检测和参数估计性能均有较大提高,且优于现有算法.     

低可观测条件下的一种信号检测方法

针对在低信噪比条件下,检测机载合成孔径雷达(SAR)信号比较困难的情况,综合谱图-Hough变换法可以进行能量积累和小波变换具有比较有效抑制杂波的特点,提出了一种检测SAR信号的方法,即基于谱图-Hough变换和小波变换的检测方法。运用该方法首先对SAR信号进行谱图-Hough变换,谱图-Hough变换能对SAR信号进行能量积累,降低虚警概率,然后使用小波变换排除Hough空间中的虚假峰值。仿真结果表明了该算法能够有效地抑制杂波,达到检测的目的。     

基于分形滤波的能量检测方法

能量检测是认知无线电频谱感知的有效方法,但在低信噪比情况下检测概率明显下降。提出了基于分形滤波的频谱感知能量检测方法。基于分形滤波可以有效抑制噪声的特点,该方法先对接收信号进行分形滤波,以其能量值作为检测统计量,进行能量检测。仿真结果表明,通过基于分形滤波的能量检测和直接进行能量检测方法对比,滤波后信噪比在下降7 d B时仍然满足90%以上的检测概率。此外,该方法对不同调制信号均具有较好的适用性,在噪声不确定情况下仍然具有较高的检测概率。     

一种基于多径消除的自适应时延估计算法

多径信号和背景噪声严重影响自适应时延估计算法性能,为克服此问题,提出了一种基于多径消除的自适应时延估计算法。该算法先通过2个FIR滤波器消除多径信号的影响,再利用自适应时延估计器来准确地进行时间延迟估计。与现有算法相比,新算法的收敛速度较快,不需要真实时延的先验信息,且在有背景噪声的影响下也能得到准确的时延估计。计算机仿真验证了新算法的有效性。     

时频域综合分析的雷达信号识别方法

针对现有雷达信号分选与识别方法对噪声敏感、适用信号类型有限等问题,提出一种综合应用STFT变换、Hough变换与相位检测的新方法,实现了低信噪比下未知复杂雷达信号的高准确率识别与信号频率及频率调制率的估计。对接收到的信号首先通过短时傅里叶变换(STFT)提取时频信息,并利用霍夫(Hough)变换进行信号的粗分类,再通过相位检测实现信号细分类。仿真实验验证了该方法在低信噪比下依然保证了较高的识别准确率与参数估计准确率。     

一种基于LMS的时域相干累积算法研究

为了克服低信噪比条件下传统的自适应滤波算法抑制高斯噪声效果差的缺点,提出了基于最小均方(LMS)的时域相干累积新算法。计算机仿真结果表明,该算法具有良好的抑制高斯噪声的性能,对于低信噪比下信号的增强效果明显优于传统的自适应滤波算法。