基于FRFT窄带滤波的LFM信号研究

随着分数阶傅里叶变换域窄带滤波技术的不断应用与发展,对分数阶域窄带滤波带宽的研究将变得尤为重要。研究了分数阶傅里叶变换域窄带滤波带宽与滤波后信号之间的关系,并以信号的失真度为准则,分析了分数阶域窄带滤波带宽的临界值。理论分析和仿真结果表明:线性调频信号经过分数阶域窄带滤波后信号的相位没有发生改变,信号的幅度为辛克函数积分的形式。为保证LFM信号频率信息不丢失,分数阶域窄带滤波的带宽必须不小于LFM信号在分数阶域幅度谱的主瓣宽度。为分数阶域滤波带宽的选取提供了参考标准。     

FRFT与时域联合处理的欺骗干扰抑制方法

针对斜率抖动线性调频(SVLFM)脉冲压缩雷达受假目标欺骗信号干扰的问题,提出一种分数阶傅里叶变换(FRFT)滤波和时域联合处理的欺骗干扰抑制方法。通过分数阶傅里叶变换将欺骗干扰信号中与回波信号调频率相差较大的干扰分量进行滤波处理,对滤波后信号进行分数阶傅里叶反变换到时域后,利用相同调频率的LFM信号经加窗脉冲压缩后,最大幅值与窗函数宽度成线性关系,而不同调频率的最大幅值不随窗函数宽度变化的特点,进一步将与回波信号调频率相近的干扰分量进行区分。最后通过仿真验证了低信干比条件下,该方法能够有效滤除多分量假目标欺骗干扰信号,正确检测目标回波信号。     

FRFT与时域联合处理的欺骗干扰抑制方法北大核心

针对斜率抖动线性调频(SVLFM)脉冲压缩雷达受假目标欺骗信号干扰的问题,提出一种分数阶傅里叶变换(FRFT)滤波和时域联合处理的欺骗干扰抑制方法。通过分数阶傅里叶变换将欺骗干扰信号中与回波信号调频率相差较大的干扰分量进行滤波处理,对滤波后信号进行分数阶傅里叶反变换到时域后,利用相同调频率的LFM信号经加窗脉冲压缩后,最大幅值与窗函数宽度成线性关系,而不同调频率的最大幅值不随窗函数宽度变化的特点,进一步将与回波信号调频率相近的干扰分量进行区分。最后通过仿真验证了低信干比条件下,该方法能够有效滤除多分量假目标欺骗干扰信号,正确检测目标回波信号。     

一种基于变换域的自适应滤波算法

针对传统时域自适应滤波在较低信噪比下检测估计信号波形的局限性,提出一种基于变换域的自适应滤波的算法。该方法利用分数阶傅里叶变换在分析线性调频信号时的优良特性,在分数阶变换域上进行自适应滤波处理,提高信号检测估计效果。仿真实验证明,该算法在较低信噪比条件下能较好地检测估计出回波信号,滤波效果胜过时域滤波。     

DS/FH中窄带干扰的变换域处理方法研究

分别给出了DS/FH混合扩频系统中窄带干扰的两种变换域处理方法。具体分析了基于频域FFT和时频域M_PWD分析的被干扰谱线检测与抑制算法 ,为避免谱泄漏 ,在变换处理之前加窗处理。给出了不同处理算法情况下系统误码率的数字仿真结果     

基于FFT的数字回波信号时域波形优化研究

对数字信号的波形优化进行了研究,提出基于快速傅立叶变换的数字信号时域波形优化算法,对信号的时域波形数据进行分类.通过建模研究,可以解决实际问题中未知波形优化函数的问题;利用快速傅立叶变换对环境信号和目标信号进行域变换处理,将信号投影至频域进行优化处理,对频域信号特性进行分析发现,利用该信号频谱特征可以对信号进行分类,从而准确地得到目标信号数量.通过仿真实验在一定程度上验证了所提算法的可行性与优越性,进行归类后可以对未知信号准确分类.     

基于整数小波变换的多光谱遥感图像压缩技术

在分析多光谱图像小波变换后系数特点的基础上,提出了一种基于整数小波变换的3维集合分裂嵌入块编码(3D SPECK)压缩方法。该方法将小波变换压缩技术中的零树编码推广到多光谱图像压缩中,采用整数小波变换去除空间冗余,对单波段图像,采用2D SPECK编码,对多波段图像,谱域上构成的小波矢量采用离散余弦变换(DCT)进行变换,对变换后的系数进行3D SPECK编码。实验结果表明,该方法硬件实现简单,编码解码时间快,对内存要求低。     

Z域与S域的直接变换方法

Ｚ域分析和Ｓ域分析都是线性信号与系统分析处理中的重要方法。本文给出Ｚ域与Ｓ域直接变换公式,以满足实陆应用的需要。     

数-频变换

导弹发射后,为了在捕获目标时,立即能对目标进行速度跟踪,必须将与发射瞬间的距离变化率(R)成比例的多普勒信号频率送到导引头的速度跟踪电路,以使速度跟踪电路在导弹发射后不需要搜索就进入对所选定的目标进行跟踪。本文所讨论的就是将由计算机算出的数字量形式表示的目标现在点距离变化率(R)变换成与之成比例的多普勒信号频率(f_a)。我们称这一数一频变换装置为多普勒信号通道。     

基于小波域隐Markov模型的SAR图像滤波方法

在小波域隐Markov模型(HMM)的基础上提出一种新的合成孔径雷达(SAR)图像的滤波方法。首先根据小波变换的内在特征,建立小波域的隐Markov树(HMT)模型,通过EM算法可以获得该HMT模型的参数估计。然后根据SAR图像的统计性质,将SAR图像的乘法斑点杂噪声在局部范围内近似为加性白高斯噪声,通过最小均方差(MMSE)估计可以获得信号的小波变换值。通过对真实SAR图像的应用,结果说明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。     

形态滤波和自相关降噪的Hilbert边际谱在轴承故障诊断中的应用

Hilbert边际谱是Hilbert-Huang变换在频域的一种表示形式,适合分析机械故障诊断中广泛存在的非平稳信号,但是噪声会影响Hilbert边际谱的分析精度。针对从装甲车辆机械系统采集的振动信号中噪声的特点,将形态滤波和自相关相结合,对振动信号进行降噪,提高了Hilbert边际谱对振动信号的分析精度,并在某型坦克变速箱主轴7216轴承滚动体点蚀故障诊断中得到了应用。     

基于倒谱分析的低信噪比瞬态声信号检测方法

低信噪比条件下,瞬态信号能量被噪声信号能量淹没,造成传统信号检测器性能下降甚至失效。为了解决该问题,首先根据信号能量在倒谱域的衰减特点,提出了一种低信噪比条件下的瞬态声信号检测新方法;然后,分别对接收信号进行倒谱计算,将倒谱序列用EMD分解为IMF,第一阶分量中幅值最大的脉冲尖峰即对应瞬态信号到达时刻;最后,选用美国海军水下战中心给出的典型瞬态信号模型进行理论推导,并通过数值仿真及系泊实验进行了效果验证。实验结果表明,与传统瞬态信号检测方法相比,倒谱域检测方法在低信噪比条件下能取得良好的检测效果。     

直接序列扩频系统中抑制窄带干扰的变换域技术

本文主要介绍了三种抑制DSSS中窄带干扰的变换域方法。与离散傅立叶变换（DFT）相比，基于重叠变换（LT）的处理方法能更有效地将窄带干扰限制在有限的子带内，这两种方法共同的缺点是：时频分辨率固定，带内频谱泄漏水平较高。基于自适应子带变换（ST）／小波包变换（WPT）的变换域技术，其时频分辨率可随输入信号灵活调整，而且对应的正交镜像滤波器具有良好的幅频特性，因而能更有效地抑制窄带干扰。     

希尔伯特-黄变换在脉冲涡流信号消噪与识别中的应用

针对传统方法无法有效识别不同尺寸细小裂纹所产生的脉冲涡流信号,提出一种基于希尔伯特-黄变换的脉冲涡流信号消噪与识别算法。对脉冲涡流信号进行集成经验模态分解并通过归一化自相关函数及其方差特性分选出含有噪声的本征模态函数;对含噪声的本征模态函数进行阈值消噪并与未做处理的本征模态函数重构成无噪声信号;对无噪声信号进行希尔伯特-黄变换并计算出希尔伯特边际谱;根据希尔伯特边际谱的差异识别出不同细小尺寸的表面与下表面裂纹。实验结果表明了所提方法的有效性,经过集成经验模态分解消噪,消除了噪声对脉冲涡流信号的干扰;而基于希尔伯特-黄变换的方法则能够有效识别出不同尺寸的裂纹。     

基于联合时频滤波的多目标回波信号分离算法

针对弹道中段多目标回波信号分离的问题,提出了基于联合时频滤波的多目标信号分离算法。该算法先对多目标回波信号进行自相关处理和峰值提取,得到目标信号的周期,接着用该周期对回波信号的Gabor变换和PWVD变换结果进行分段,然后将各段时频图相乘,获得新的时频支撑域,最后用新的时频支撑域对回波信号进行时频滤波,克服了交叉项的干扰和时频聚集性不高的缺点,分离出了不同周期的目标信号。仿真结果证明了该方法的有效性和先进性。     

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。     

基于奇异谱修正香农熵的雷达信号识别方法

针对当前雷达辐射源识别在低信噪比下识别率准确率不高,信号处理过程中难以很好保留有用信息的问题,提出了一种基于奇异谱修正香农熵(Singular Spectrum Modified Shannon Entropy,SSSE)的雷达调制信号识别方法.通过符号化聚合近似和奇异谱分析对雷达信号进行处理,求出信号的分类特征SSSE,通过分类器将处理后的信号进行分类.仿真结果显示,该方法在低信噪比范围下,仍有较高总体识别率,并且优于符号化聚合近似和奇异谱分析法.     

长码直扩信号的符号速率盲估计方法

针对长码直接序列扩频(DSSS)信号的符号速率估计的难题,提出了基于相关处理的方法。该方法首先估计长码直扩信号的相关函数二阶矩,然后将相关函数二阶矩的估计作为输入信号进行预处理,以去除扩频码周期处的峰值。对预处理后的信号再次进行自相关处理,则所得的信号的频谱中含有符号速率谱线。理论分析和计算机仿真证明了所提出的算法的有效性。     

基于DPCA和Radon变换的多通道SAR微动目标检测

为实现强杂波噪声条件下SAR微动目标检测,在DPCA信号的距离压缩域提出基于Radon变换和基于时频分析—逆Radon变换的2种微动目标检测方法。在距离压缩域,微动目标回波表现为沿方位向直线,利用Radon变换对直线的聚焦性实现微动目标检测;对DPCA信号作时频分析,微动目标引起的微多普勒频率表现为正弦形式,利用逆Radon变换对正弦曲线的聚焦性实现微动目标检测。通过对比,基于Radon变换的检测方法参数估计性能更好,而基于时频分析—逆Radon变换的检测方法具有更高的检测概率。最后,通过实验仿真验证了所提方法的有效性。     

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法.为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰.针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法.相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理.