信号采样及频谱分析在线信道测试中的应用

用AD采集卡对指控系统有线信道中的连续时间信号进行采样,得到离散的时间信号,再运用一种离散傅立叶变换——CZT进行频谱分析。详细介绍了在给定测量范围和精度的要求下,采集卡工作参数的配置方法,以及CZT变换实现频域细化的原理和计算参数的选定,还提出了一种快速算法,以增强测试系统的实时性。     

多窗口谱图分析的低截获概率雷达信号识别

在当前复杂的战场环境中,低截获概率雷达信号因其具有大时宽带宽积、强干扰性能、高分辨率和低截获性特点得到了广泛应用,传统的雷达侦察手段很难对其进行有效识别.在低截获概率雷达典型调制分析的基础之上,研究基于人工智能的雷达信号分类识别方法.从低截获概率雷达信号时频特征入手,提出基于多窗口时频谱图分析方法.该算法采用Hermi...     

基于小波变换与FFT算法的电能质量信号分析

提出了一种基于小波变换和FFT相结合分析电能质量信号的方法.用小波变换检测电能质量信号的间断点,对由间断点分段得到的信号用FFT进行频谱分析,并进行了计算机仿真,取得了较满意的结果.     

美军几种有效提高频谱利用率的技术

文中简要介绍了美军的几种可有效提高频谱利用率的技术,如基于信号传播控制的频谱复用技术:定向天线和组网;利用信号问差异的频谱复用技术:扩展频谱、信号极化和智能天线等。文中对这些技术的特征以及应用于频谱复用时的特点作了简要阐述。     

基于最大比合并的循环平稳频谱协作检测

多天线空间分集和多用户协作检测是提高认知无线电频谱检测性能的2种关键技术,由此提出了基于循环平稳特征的多天线多用户频谱协作检测方法.首先接收器在频域按照最大比合并的方法合并各天线接收信号,对合并信号进行初步频谱判决.然后在多用户中按照K/N融合准则进一步做频谱协作检测.仿真分析表明,综合利用信号循环平稳特征和协作检测技术可有效改善认知无线电系统检测性能.     

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。     

用频谱修正方法准确确定包络解调信号的幅值谱

首先,分析了机械设备振动信号包络解调的原理,并针对解调信号频谱分析存在的误差及影响因素,提出了采用三点卷积修正解调信号的幅值的方法;然后,进行了仿真计算;最后,对6010滚动轴承内圈故障的振动信号进行了包络解调分析和三点卷积频谱修正。试验结果表明:该方法能准确得到频谱幅值,为定量确定故障大小提供了理论依据。     

基于CZT算法的水声扩频多普勒匹配方法

阐述了基于DS/SS(直接序列扩频)的高分辨率扩频自导声纳系统的一种多普勒匹配方法。通过理论分析和仿真计算,证明基于CZT多普勒频偏匹配算法可以在极低信噪比条件下有效估计多普勒频偏和目标速度。     

一种面向频域的通信信号盲干扰检测算法

针对低干信比和复杂动态情况下传统的干扰检测算法效率不高的问题,提出一种基于盲通信信号频域处理的未知干扰自动检测算法。该方法首先借助快速独立成份分析(FICA)从频谱差分数据中分离干扰和通信信号成份分量,然后利用各分量的峰度作为干扰与通信信号的识别特征检测干扰。实验结果表明,此算法能有效地在干信比小于5 dB的情况下从盲通信信号背景中自动提取未知干扰的信息,实现高精度地盲干扰检测。     

一种新的动态信道化接收机设计方法

针对复杂电磁环境中存在多个非均匀分布的、不同带宽的信号的情况,提出一种新的动态信道化接收机设计方法。设计一个半带滤波器,并通过内插运算压缩它的频率响应,形成周期频谱;对输入信号进行滤波,同时使原信号经过一定延迟后减去滤波后的信号,形成两路在频谱上互补的信号;用均匀分析滤波器组对得到的两路信号分别进行滤波分解处理,实现监视频段的均匀信道化;根据能量检测结果将属于同一信号的相邻子信道信号作为下一步重构处理的输入,并设计出相应的综合滤波器组提取信号。理论分析和仿真结果验证了新方法的有效性。     

一种基于Mellin变换的水声宽带相关模糊函数的快速算法

提出了一种基于Mellin 变换的快速算法,其特点是在给定的某一时刻得到不同尺度下的变换结果,算法的运算量与待分析的时延成正比,而在固定时刻下的运算量为两个2M点的FFT和一次2M点复数乘法(M为待分析的尺度的个数).该算法的优点是实时性好,且适合于水声信号领域尺度跨度小、尺度分析较细的特点,并给出了与直接法、CZT法的比较结果.     

采用向量内积的并行相关算法

针对软件接收机相关器计算的实时性问题,通过分析扩频信号的接收过程,建立一种基于向量内积的并行相关信号接收模型。利用图形处理单元中大量的浮点运算单元进行矩阵与向量运算,并行计算各通道相关值,提高了信号相关运算的实时性。仿真验证结果表明,利用基于GPU的向量内积软件并行相关算法计算25 MHz采样率时长1 ms的信号相关值,25个通道共150个相关运算耗时967μs,与CPU上基于数学核心函数库的实现相比速度约提高了61.4倍,能够实现宽带扩频信号软件实时相关接收。     

软件化雷达的多路超高速ADC数字谱分析

用于软件雷达硬件平台的并行多路等效时间超高速ADC系统中,客观地存在着诸多不可避免的工作非均匀性,如:时基抖动、通道直流偏置不均衡及通道增益不一致等等,而造成取样输出信号的频谱发生畸变,影响雷达系统性能.综合讨论了由于采样非均匀和通道偏置及增益不一致对取样信号数字谱的影响,在矩形抽样和理想抽样情况下,建立了该信号数字频谱的完整数学模型,并以理想抽样的正弦信号为例进行详细分析,得到了采样系统输出信噪比的计算公式,为系统的后续补偿校正,及对软件雷达系统指标的确定与分配提供了参考和依据.     

基于高阶谱分析的机械故障特征识别

在分析高阶累积量与高阶谱的理论基础上，利用高阶谱可以抑制加性高斯噪声的性质，研究了基于高阶谱分析的机械故障特征提取方法，提出了基于双谱估计的齿轮故障诊断的方法。通过对齿轮信号的双谱特征图谱进行分析比较，成功地对齿轮的正常稳态振动信号、正常瞬态振动信号以及磨损瞬态信号进行了识别，效果十分显著。     

电火工品发火信号波形采样研究

针对采样频率选取不当使采集的电火工品发火信号波形失真问题,研究了在实际采样过程中采样频率的取值方法。首先根据发火信号的特征,设计了采样方案;然后利用虚拟仪器软件对发火信号进行频谱分析,确定合适的采样频率和采样点数,进而采集完整的信号波形;最后结合试验数据对采样频率的选取进行了分析,得出了在实际采样过程中采样频率的取值规律。     

基于奇异谱分析的盲源分离单通道语音增强算法研究

针对盲源分离算法无法直接对单路含噪语音信号进行分离的问题,提出一种基于奇异谱分析的盲源分离单通道语音增强算法.通过对单路含噪语音信号进行奇异谱分析,将其低频分量作为第二路观测信号,利用改进的最大信噪比盲源分离算法进行处理,从而实现语音信号和噪声的分离.实验结果表明,该算法能够有效抑制噪声,提高信噪比,起到良好的语音增强效果.     

基于模态分析的挠性接头角刚度测量研究

挠性接头是动力调谐陀螺的关键元件,刚度是其重要指标。针对挠性接头角刚度的测量,提出了一种基于模态分析的动态角刚度测量方法。该方法采用阶跃激励,利用高精度传感器和数据采集卡测量挠性接头的振动并采集数据,然后对采集数据进行数字滤波、FFT变换和频谱细化,计算出挠性接头的动态角刚度,同时相应地求出了角阻尼比系数。该方法解决了长期以来采用静态测试法测量挠性接头角刚度所带来的问题,具有测量精度高、操作方便、测试效率高、重复性好等特点。     

A novel signal feature extraction technology based on empirical wavelet transform and reverse dispersion entropy

Feature extraction is an important part of signal processing, which is significant for signal detection, classification, and recognition. The nonlinear dynamic analysis method can extract the nonlinear characteristics of signals and is widely used in different fields. Reverse dispersion entropy (RDE) proposed by us recently, as a nonlinear dynamic analysis method, has the advantages of fast computing speed and strong anti-noise ability, which is more suitable for measuring the complexity of signal than traditional permutation entropy (PE) and dispersion entropy (DE). Empirical wavelet transform (EWT), based on the theory of wavelet analysis, can decompose a complex non-stationary signal into a number of empirical wavelet functions (EWFs) with compact support set spectrum, which has better decomposition performance than empirical mode decomposition (EMD) and its improved algorithms. Considering the advantages of RDE and EWT, on the one hand, we introduce EWT into the field of underwater acoustic signal processing and fault diagnosis to improve the signal decomposition accuracy; on the other hand, we use RDE as the features of EWFs to improve the signal separability and stability. Finally, we propose a novel signal feature extraction technology based on EWT and RDE in this paper. Experimental results show that the proposed feature extraction technology can effectively extract the complexity features of actual signals. Moreover, it also has higher distinguishing ability for different types of signals than five latest feature extraction technologies.