基于镜像延拓和神经网络的EMD端点效应改进方法

经验模态分解(Empirical Mode Decomposition,EMD)在机械故障诊断中存在一个比较严重的问题,即端点效应。镜像延拓是克服端点效应的有效方法,采用镜像延拓处理端点效应时,要求将镜面放置在局部极值点处,针对这一问题,提出了一种基于镜像延拓和神经网络相结合的数据延拓方法。采用神经网络预测原信号序列,将信号向前向后各延拓一个极值点,再采用镜像延拓有效地减小EMD分解中的端点效应。通过对仿真信号的分析,验证了该方法能有效抑制EMD方法中的端点效应问题。     

基于固有时间尺度分解的能量算子解调法及故障诊断应用

针对Teager能量算子包络解调方法主要用于对单分量的调幅调频信号进行解调,而真实机械故障信号多为多分量的调幅调频信号的问题,提出了能量算子与固有时间尺度分解相结合的解调方法.首先,利用固有时间尺度分解法将原始振动信号分解为若干个固有旋转分量和一个单调趋势项,并基于波形匹配算法实现原始数据的自适应端点延拓以解决分解过程中的端点效应;然后再选取合适的固有旋转分量,利用能量算子方法实现调制信号的包络解调;最后,将该方法应用于仿真信号和故障模拟信号.结果表明:该方法能有效地提取机械振动信号的故障特征.     

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．     

经验模态分解中包络线算法

经验模态分解(EMD)是一种先进的信号处理方法,对非线性、非平稳信号具有独特的分析能力.它的包络线算法存在着过冲/欠冲和端点问题,影响信号分解质量.分析了过冲/欠冲和端点问题产生的原因,提出了采用保形分段3次插值方法作为EMD分解过程中的包络算法,解决了拟合包络线的过冲/欠冲问题;采用端点处包络线位置预测,对端点处的包络线位置加以约束,与极值点对称延拓的方法结合使用,充分利用信号本身信息,一定程度上抑制了端点问题.最后,用一个仿真实验验证了该方法的有效性.     

EEMD联合AOK-TFR提取车辆微多普勒特征

利用连续波雷达探测运动车辆时,非线性、非平稳的多分量回波信号不易解析提取,基于此,提出了联合总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和自适应最优核时频分布(Adaptive Optimal Kernel Time-Frequency Distribution,AOK-TFR)的方法提取运动车辆的微多普勒(micro-Doppler)特征。建立了车体振动和车轮转动对雷达回波信号产生的复合调制效应数学模型,并对多分量回波信号进行了EEMD,通过联合AOKTFR解析回波信号的固有模态分量,得到了较清晰的微多普勒时频像,较好地克服了地杂波带来的EMD模态混叠。仿真分析表明该方法提取到的微多普勒特征参数与仿真参数吻合,证明了该方法的有效性。     

基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。     

雷达信号调制类型自动识别的一种新方法

雷达辐射源信号调制类型的自动识别是电子战系统的关键技术之一.深入分析了小波变换法提取信号脉内特征的基本原理,提出一种基于小波变换法提取的脉内特征自动判别信号调制类型的新方法.仿真结果表明,在满足一定的信噪比条件下,新方法能准确识别给定信号的调制类型.     

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。     

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%。     

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。     

雷达调频编码脉冲信号的设计与处理

现代雷达为获得较高的距离分辨力通常采用编码频率脉冲串信号和步进频率脉冲串信号,但都存在数据率低和较为严重的距离-多普勒耦合问题。在研究这两种信号特点的基础上,提出了调频编码脉冲信号形式并给出了相应的信号处理方法。经仿真对比可见,该信号形式及其处理方法能同时解决步进调频信号高距离-多普勒耦合、低数据率两大问题,具有较好的联合分辨力。     

雷达定时脉冲近距离传输的分析与电路设计

通过分析比较多种时间同步技术,对与雷达距离上百米的系统,采用有线传输雷达定时脉冲信号的方式来实现快速的时间同步。针对雷达脉冲信号边沿跳变迅速,在传输过程中存在延时、反射和畸变等问题,借助Cadence仿真软件对信号传输过程进行了仿真分析,设计了合理的传输电路。实验证明本方案结构简单,抗干扰能力强,同步时间可以达到亚微秒级,在雷达信号检测模拟器、雷达诱饵和雷达组网中都有着重要应用。     

基于速度矢量的双基地雷达模糊函数分析

通过研究双基地雷达系统模糊函数数学模型和当发射信号为高斯单脉冲且目标相对接收机的距离和速度变化时双基地雷达系统模糊函数的特性,分析了目标的速度大小与方向对模糊函数的影响。该模型可有效考核任意发射脉冲信号的双基地雷达系统的分辨力及距离和速度模糊等问题,对研究双基地雷达系统性能有着重要的理论参考价值。     

双站协同侦察雷达信号分选新方法

针对复杂信号环境下雷达对抗情报侦察面临的信号分选问题,提出一种基于双站协同侦察的雷达信号分选新方法。根据不同位置雷达的脉冲信号到达两个侦察接收站的时间差不同进行信号分选。在满足误差的要求下,求解该方法的分选模糊区域,分析分选性能。调整布站,优化分选性能,提高分选准确性。理论分析和计算机仿真表明,该方法可以较好地解决制约雷达对抗情报获取中的信号分选瓶颈难题。     

辐射时间和能量限制下雷达最优脉冲积累研究

为了限制雷达辐射,提高雷达的隐蔽性,研究了给定雷达辐射时间和能量限制下的雷达最优脉冲积累检测问题,提出了一种最优脉冲积累数的选择模型,分别得出了确知脉冲串相参积累、随机相位脉冲串积累、随机振幅相位脉冲串积累情况下单脉冲信噪比与最优脉冲积累数的对应关系。研究结果对给定辐射时间和能量限制下提高雷达目标检测数目及跟踪精度有一定的理论和实际意义。     

X波段雷达线性调频脉冲压缩信号仿真研究

对雷达线性调频脉冲压缩信号进行分析以及仿真,在雷达信号模拟领域中是非常重要的.给出了常规调频脉冲压缩信号以及匹配滤波器模型及仿真结果,并在对某X波段雷达调频脉冲压缩信号处理特点研究的基础上,分析了距离分辨率对不同距离目标分辨的影响,并进行了仿真验证.     

对高重频PD雷达的舍脉冲干扰

高重频PD雷达是为解决测速模糊而在机载雷达中广泛采用的一种PD雷达工作模式,从PD雷达的特性来讲,由于带宽比较窄使得噪声干扰能量利用效率不是很高。采用DRFM精确获取雷达信号实施干扰是当前干扰的发展方向,但是对占空比接近50%的高重频PD雷达,采用对低重频PD及中重频PD可行的距离拖引,速度拖引等一系列在雷达信号脉冲串间隔内产生复杂调制的干扰方法是不合适的。主要针对高重频PD雷达重频高、占空比大的特点,提出了一种舍脉冲干扰方法,对DRFM截获的雷达信号进行快速部分转发,间隔一定脉冲数舍弃一个脉冲,改变原雷达信号的脉冲重复周期,使得在频域上产生多个速度欺骗性干扰信号,并通过仿真验证了干扰的有效性。     

ARUAV前沿判别法抗多点源诱偏性能研究

基于反辐射无人机的时域鉴别技术,提出了一种以小波分析为手段的前沿判别法。将被动雷达导引头使用固定波门对脉冲前沿进行采样所得的信号作小波分析,对分析结果进行判定,当判定采样信号内为单辐射源信号时对其进行测向、测频、跟踪和打击。针对两点源诱偏系统分析表明,在大部分空域中,反辐射无人机总是能首先跟踪诱饵信号。通过建模与仿真,验证了前沿判别法能够有效对抗两点源诱偏系统,并由固定波门得到了有效的判别空域。     

一种BPSK相参脉冲信号多普勒频率变化率测量方法

BPSK信号广泛应用于新体制雷达中,测量BPSK信号中包含的多普勒频率变化率信息是单站无源定位与跟踪的关键技术.通过对BPSK信号平方消除了相位调制对参数估计的影响,并利用离散傅立叶变换进行脉冲间相参积累,算法具有计算量小、多普勒频率变化率估计精度高的优点.计算机仿真结果表明参数估计的精度能达到单站无源定位与跟踪系统的精度要求.     

DSets-DBSCAN无参数聚类的雷达信号分选算法

针对现有的很多高效分选算法的性能严重依赖于外界输入的参数问题,例如聚类数目、聚类容差等,将无参数聚类算法DSets-DBSCAN应用于雷达信号分选,提出了一种无参数的雷达信号脉冲聚类算法。该算法无须依赖于任何参数的设置,就能自适应地完成聚类。算法输入直方图均衡化处理过的成对相似性矩阵,使得Dsets(dominant sets)算法不依赖于任何参数;根据得到的超小簇自适应给出DBSCAN的输入参数;利用DBSCAN扩展集群。仿真实验证明,该算法对雷达脉冲描述字特征进行无参数分选的有效性。同时,在虚假脉冲比例(虚假脉冲数/雷达脉冲数)不高于80%的情况下,对雷达信号的聚类准确率在97.56%以上。