高灵敏度GPS软件接收机捕获算法

针对传统方法难以实现室内环境下GPS信号的捕获以及传统弱信号捕获算法的一系列弊端,介绍了一种新的捕获算法。由于数据段通过“先累加后相关”的方式进行相干积分可以减少运算量,以此方法改进的半位捕获法进行数据段选择可以避免导航数据位翻转,并且改进后的差分相干积分能够减小非相干积分造成的“平方损失”和改善信噪比,融合上述优点,提出了一种新的算法,为高灵敏度GPS软件接收机的实现提供了保证。仿真结果表明,此算法极大的提高了接收机的捕获性能,并且能够快速捕获到载噪比低至25dB/Hz的微弱信号。     

基于多尺度小波分解FDR的激光预警系统信息数据校正

为了使激光预警系统可以实时、精确地捕获来袭激光的特征信息,降低虚警与漏警的发生,提高系统的信噪比成为研究的重点。为了准确判断来袭激光的光谱信息,针对不合作激光信号而言,提高信噪比的方法就集中的体现在采用信息技术对各种噪声、干扰的抑制和消除等方法上。设计了基于多尺度小波分解及错误假设检验算法的信噪比优化模型。根据小波降噪原理,对来袭激光信号做多尺度分解,再采用错误假设检验算法完成了小波降噪系数的阈值选取。实验结果显示,采用该种技术降噪后系统信噪比提高到64.22 dB,其相应的波长分辨率为2 nm,相比没有滤波和仅用传统滤波算法的实验数据,有了明显的改观,系统抗干扰能力显著增强。     

改进的GPS弱信号差分捕获方法研究

捕获是GPS接收机信号处理中的关键部分,在微弱信号情况下,传统的弱信号捕获方法不能很好地捕获到卫星信号,采用一种改进的GPS弱信号差分捕获方法来进行捕获研究.并对一组GPS的数据信息,分别采用以上2种方法对其进行捕获仿真.结果显示,新方法可以捕获到较微弱的GPS信号,提高了接收机的灵敏度.     

GPS软件接收机信号快速捕获新方法

针对微弱信号条件下GPS软件接收机的C/A码捕获问题,提出一种新的并行快速捕获算法。采用平均相关技术降低C/A码的自相关损耗,基于载频误差补偿技术减小C/A码累积误差;利用叠加相关方法降低相干累积运算的复杂度,通过循环移位减小频率步进搜索的时间消耗。实验结果表明该算法能够有效实现GPS信号捕获。对比仿真实验表明,该算法能够完成弱GPS信号捕获,且运算量适中,适合高灵敏度软件接收机使用。     

基于EMD的改进小波阈值降噪法在超声信号处理中的应用

针对超声检测回波信号中的大量噪声,分析了超声检测回波信号的特性,考虑经验模式分解（EMD）和小波哗噪的优点,在改进阈值函数基础上提出一种基于EMD的小波阈值降噪方法．该方法利用EMD对超声信号进行分解,对高频分量用改进小波阈值函数方法进行处理,再结合低频分量重构得到降噪信号．仿真实验结果表明,该方法降噪效果优于小波软、硬阂值降噪,进一步提高了重建信号的信噪比,降低了其均方根误差,是一种可行的超声信号降噪方法．     

GPS信号捕获跟踪的仿真分析与研究

GPS天线信号到射频前端变换后的中频信号,再经模拟数字转换,便可得捕获与跟踪的原始信号.采用专用集成电路设计的GPS接收机极大地限制了用户对这原始信号的性能分析和新算法的自由开发.先对GPS信号的形成和接收机的结构作扼要介绍,再对GPS信号的捕获与跟踪进行算法研究与仿真实现.结论表明通过仿真技术能有效地复现出捕获和跟踪的GPS信号.     

增强小波系数的飞行数据奇异值阈值降噪

针对飞行数据降噪问题,提出了增强小波系数的飞行数据奇异值阈值降噪算法.结合小波系数噪声自相关函数进行飞行数据的最佳分解层小波分解,对高频小波系数先进行增强预处理再进行SVD分解,运用奇异熵理论确定奇异值重构阶次,采用奇异值阈值对小波系数进行处理并重构,得到降噪数据.仿真实验表明,本文算法能获得较高的信噪比,改善了数据质量.     

基于EMD与Hilbert变换的舰艇空化调制信号检测方法

针对舰艇推进器空化噪声检测中调制特征弱、背景干扰强等问题,提出了一种基于时延相关降噪、经验模态分解(EMD)和希尔波特(Hilbert)变换相结合的解调算法。该算法通过引入时延相关算法有效抑制了背景噪声,并利用EMD技术的自适应频带划分功能完成调制特征频带定位,实现了低信噪比条件下调制信号的有效检测。仿真试验证明:该方法在信噪比为-12dB、-15dB、-18dB条件下的检测效果明显优于传统的Hilbert变换等5种方法,且背景噪声干扰成分得到了有效抑制,调制信号检测效果显著提升。最后,通过推进器空化信号检测台架试验验证表明:该方法能够有效捕捉舰艇空化噪声信号中与转速、叶片数密切相关的调制特征。     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。     

自适应LMS和相关算法在GMI磁传感器信号检测中的应用

在GMI磁传感器的研制中,微弱磁场信号经常淹没于电路固有噪声中。当非晶丝GMI(GiantMagneto-Impedance)磁传感器的输出信噪比小于0dB时,常规的峰值检波方法无法检出传感器信号。针对此问题,提出了一种新的微弱信号(信噪比小于0dB)检测方法,利用LMS自适应滤波算法提取非晶丝GMI磁传感器输出信号的特征参数,将该特征参数与理想参数进行相关运算,并根据相关值的大小来确定信号大小,从而实现对微弱磁信号的测量。仿真结果表明,采用LMS自适应滤波算法和相关分析相结合的方法,对于传感器输出信噪比等于-10dB的微弱信号,根据相关值与外磁场大小的对应关系,仍然可以确定外磁场大小。     

基于优化小波阈值的轴承振动信号降噪算法北大核心

滚动轴承振动信号能够及时准确地提供机电设备状态特征信息,且可实现在线或离线监测,广泛用于滚动轴承故障诊断。由于滚动轴承工作环境复杂多变,往往掺杂较多噪声,噪声会淹没机电设备状态的有用特征信息。针对传统小波阈值函数对轴承信号降噪不明显的问题,提出了一种用于轴承振动信号降噪的差分进化优化小波软阈值算法,对含噪信号进行小波分解,利用广义交叉验证GCV函数作为新的阈值函数对分解后的小波系数进行处理,结合差分进化算法进行寻优获取最优阈值。实验采用美国凯斯西储大学的轴承数据进行仿真分析,通过与常用降噪方法相比,该方法在较好地保留特征信号的前提下,较大程度地去除了噪声,有效地提高了降噪效果。     

GPS微弱信号捕获算法

捕获是GPS接收机信号处理中的关键部分,在微弱信号情况下,FFT快速捕获等传统方法不能很好地捕获到卫星信号,将采用一种改进的方法--相关积分与批式捕获相结合的方法进行捕获研究.并对一组GPS实测数据信息,分别采用以上两种方法对其进行捕获仿真.结果显示,采用改进的方法捕获到了较微弱的GPS 信号,提高了接收机的灵敏度,并能有效避免由导航数据位翻转造成的误捕获.     

含噪混合盲扰信分离中联合降噪技术研究

针对盲扰信分离技术在含噪混合条件下分离效果差的问题,文章采用经验模态分解和小波变换联合的降噪技术进行分离前的消噪预处理,研究了联合降噪的三种模式,分别对其降噪效果进行了仿真分析,得到了一种较好的联合降噪模式。将该模式与无噪环境下的盲分离算法相结合,弥补了经典盲源分离算法处理含噪混合盲扰信分离的不足。仿真结果表明该算法在一定范围的低信噪比条件下,能够从含噪的混合信号中恢复出通信信号源。     

基于EEMD降噪和模糊函数奇异值向量的雷达辐射源信号识别算法

针对目前基于模糊函数提取的几何学特征,在低信噪比时表征能力弱,导致识别准确率不高的问题,提出了一种基于EEMD降噪和模糊函数奇异值向量的识别方法.选取合适的EEMD参数,对时域信号进行降噪,提取模糊函数矩阵奇异值向量,求解其交叉熵作为特征,实现雷达辐射源信号识别.仿真实验表明,信噪比大于-5 dB时,所提方法对于BPS...     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

窄带干扰下GPS接收机捕获性能的研究

针对GPS接收机抗干扰能力强的特点,分析了窄带干扰对接收机的捕获性能的影响.在扩频理论的基础上,给出了GPS C/A码接收机信号捕获的数学模型,计算得出平均捕获时间与捕获时间方差,给出窄带干扰下的接收机信号捕获的仿真结果.结果表明,当窄带干扰功率超过一定的值时,会导致GPS接收机捕获性能的严重恶化.     

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%。     

一种改进的数字GPS接收机基带环路设计

针对GPS接收机设计中,接收机信号跟踪精度同信号处理的实时性不能兼顾的特点,设计了一种基于DSP+FPGA的数字GPS接收机实时高精度基带环路.阐述了基带信号处理原理及原有方法的不足,提出了一种改进的GPS信号快速、高精度捕获、跟踪方法.利用信号粗捕后先进行精捕,在提高了信号的捕获精度后再结合二阶锁频环路辅助,最终利用三阶载波科斯塔斯锁相环完成GPS载波信号的高精度稳定闭环跟踪,同时使用载波来实时的辅助码环跟踪,从而完成整个GPS信号的实时高精度跟踪.实验结果表明该基带环路能够实现对GPS信号的快速捕获、实时稳定的高精度跟踪,并具有良好的动态性能.     

基于改进EMD的信号降噪方法

经验模态分解(Empirical Mode Decomposition,EMD)算法作为新型时频分析方法受到广泛关注,它基于信号的极值特性处理信号,具有自适应强、无需预先确定基函数的优点。但EMD算法本身仍存在模态混叠及EMD强制降噪法易导致信号失真等一系列问题。针对EMD算法的缺陷,提出基于自相关函数的集合经验模态分解方法(Ensemble Empirical Mode Decomposition,EEMD)与小波阈值降噪相结合的改进算法。首先利用自相关函数对高频固有模态函数(Intrinsic Mode Function,IMF)进行选择,然后利用小波阈值降噪法为EEMD设定阈值,最后将改进算法用于信号降噪,并与快速傅里叶变换(FFT)算法、小波阈值算法以及EMD强制降噪算法进行比较。该方法的优点是克服了EMD算法的不足,避免了模态混叠现象,有效地保留了高频信号中分量,降噪效果更好。     

离散小波改进算法在机动车辆换挡信号降噪中的应用

针对机动车辆换挡信号中存在大量强电磁及环境振动噪声的问题,同时考虑到实时性和硬件实现性能的需求,基于最小带宽离散小波算法,提出了简化的、适用于工程实现的小波分解层数确定方法;然后利用初始阈值对各层小波系数进行分类,利用各层中各类系数均值差的模及均方差为依据,设计了各层阈值的自适应迭代确定算法,同时改进了阈值的量化函数。仿真对比试验和应用测试结果表明,该算法具有较好的降噪效果,适用于机动车辆的相关信号检测与降噪。