UWB-SAR抑制RFI技术的参数化方法

抑制射频干扰(RFI)技术是超宽带合成孔径雷达(UWB—SAR)的关键技术之一。本文首先分析了RFI信号的来源和特性。基于RFI信号的窄带性质,简要综述了抑制RFI技术的参数化方法。然后,针对RFI信号的调制特性和非平稳性,采用基函数展开形式,分别提出了其调制模型和时变AR模型。此外,还探讨了RFI抑制的自适应滤波算法。     

基于 RELAX 的 UWB-SAR 抑制 RFI 算法

在首先给出超宽带合成孔径雷达 ( UWB-SAR)抑制射频干扰 ( RFI)问题的参数化模型基础上 ,从信号参数估计出发 ,具体推导了实信号下 RELAX算法的计算公式。针对 RFI的复杂性 ,提出了一种逐级RELAX算法 ( GRELAX)。基于仿真和实测数据的实验结果表明 :GRELAX算法能够有效地抑制 RFI,并具有较快的运算速度     

UWB-SAR抑制RFI算法性能评估与测试

参数化方法是实现UWB -SAR抑制RFI的重要手段。为评估抑制RFI算法的实际性能 ,利用UWB -SAR实验系统的实测数据 ,从干扰抑制能力和脉冲压缩性能改善两个方面对几种主要算法进行了比较分析。结果表明 ,在干扰能量抑制比和脉冲压缩指标度量下 ,几种典型的参数化算法都能显著提高接收信号的信干比 ,而基于正弦波模型的算法略优于基于AR模型的算法。     

基于MSE准则抑制SPR射频干扰的方法

针对冲激体制的超宽带表层穿透雷达在时域接收中存在的射频干扰的问题,分析了射频干扰的性质与特征,并在此基础上,以MSE为准则,提出了A Scan的波形平均算法和B Scan方位向的中值滤波算法,并对实测的表层穿透雷达数据进行了处理。结果表明这两种算法都能较好地抑制SPR的RFI,最后对这两种算法的性能进行了比较和评估。     

面向多样性与随机性的无人集群合作演化建模及仿真

针对无人集群协同作战中个体策略选择的多样性,以及外部环境扰动带来的策略更新随机性问题,提出了一种基于公共物品博弈的无人集群合作演化机制。分析无人集群自主协同中的多样性与随机性需求,引入公共物品博弈构建基于Moran规则的无人集群合作演化模型;理论推导与解析分析多样性与随机性对集群稳态频率和合作水平的影响;最后,仿真验证理论推导的正确性,并分析参数变化对集群合作行为的影响,据此给出无人集群作战中有效应对多样性与随机性的合理建议。相关成果为揭示无人集群作战中的多样性与随机性机理,实现相关理论向现实应用的转化提供了理论支撑与仿真依据。     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。     

雷达维修保障系统效能的云重心评估

在雷达维修保障系统效能实际评估中,各项指标的参数通常以定性描述的形式来获得,模糊性和随机性较强。为了合理地处理模糊性、随机性以及定性描述与定量描述的关系,引入云重心评价法,提出一种基于多级云重心评价的雷达维修保障系统效能多级评估方法,得到了评估结果。该方法可以对各项指标进行优劣排序,评估结果较好地显示了当前系统效能的状态。     

DSSS时变窄带干扰抑制算法研究

在传统非线性最小二乘(NLS)算法的基础上,提出一种基于线谱估计的直接序列扩频(DSSS)系统抑制窄带干扰(NBI)的方法。该算法首先通过对基于正弦波叠加模型的NBI进行频率估计,再利用最小二乘准则进行自适应滤波,恢复出干扰信号包络,从而利用干扰对消器将其从观测数据中消除。仿真验证表明,本算法相对于传统的最小均方误差(LMS)算法、自适应频域陷波法,能较好地抑制时变音频NBI模型的干扰,且信息量损失较小。     

粘弹性谱随机有限元

发展了一种粘弹性谱随机有限元法(VSSFEM),并将其用于固体火箭发动机装药结构随机分析。基于不可压或近似不可压粘弹性增量有限元方法和正交展开理论,考虑固体推进剂泊松比的随机性,推导了粘弹性谱随机有限元列式,最后对弹性约束的圆柱形中孔药柱进行了随机分析。算例分析表明该方法能够正确有效地进行粘弹性体随机分析。     

基于背景建模和前景建模的红外运动检测

为抑制了红外图像信噪比低、非静止背景等引起的虚警产生,将基于背景建模和前景建模运动检测(BM-FM)算法引入红外面目标检测中;为抑制因目标与背景对比度低引起的部分目标区域漏检,提出了基于空间邻域信息的前景建模方法(SNFM),利用前一帧图像在像素点邻域内的前景目标点为样本,用核密度估计进行前景建模.试验表明了基于该前景建模方法的BM-FM算法的有效性.     

基于小波变换模极大值恢复的信号消噪方法

大多数的信号常具有某种奇异性 ,并携带有随机噪声 .首先回顾了信号奇异性与小波变换模极大值之间的关系 ,然后利用信号与噪声的Lipschitz指数的符号不同 ,在S .Mallat等人工作的基础上 ,给出了从信号中去除噪声的具体算法     

A Squared-Chebyshev wavelet thresholding based 1D signal compression

In this paper a square wavelet thresholding method is proposed and evaluated as compared to the other classical wavelet thresholding methods (like soft and hard). The main advantage of this work is to design and implement a new wavelet thresholding method and evaluate it against other classical wavelet thresholding methods and hence search for the optimal wavelet mother function among the wide families with a suitable level of decomposition and followed by a novel thresholding method among the existing methods. This optimized method will be used to shrink the wavelet coefficients and yield an adequate compressed pressure signal prior to transmit it. While a comparison evaluation analysis is established, A new proposed procedure is used to compress a synthetic signal and obtain the optimal results through minimization the signal memory size and its transmission bandwidth. There are different performance indices to establish the comparison and evaluation process for signal compression; but the most well-known measuring scores are: NMSE, ESNR, and PDR. The obtained results showed the dominant of the square wavelet thresholding method against other methods using different measuring scores and hence the conclusion by the way for adopting this proposed novel wavelet thresholding method for 1D signal compression in future researches.     

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．     

强背景噪声下电晕放电辐射信号小波阈值去噪和分析

分析电晕放电信号小波阈值去噪中小波基函数的最优选取、分解层数及阈值的确定,并对实测电晕放电信号进行小波阈值去噪。结果表明,选取db8小波作为最优小波基函数,选取双变量阈值函数作为小波阈值函数对电晕放电信号进行小波阈值去噪,放电辐射信号与背景噪声可以得到有效分离,具有很好的去噪效果。     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性,提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性,试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态,以箱体振动信号作为分析信号,首先对信号应用小波阈值法降噪减少干扰,接着将小波分解系数单子带重构得到不同频带的信号分量,提取各频带能量作为特征向量输人神经网络进行状态识别,结果表明该方法能有效识别变速箱的3种状态。     

Moving horizon based wavelet de-noising method of dual-observed geomagnetic signal for nonlinear high spin projectile roll positioning

Phase-frequency characteristics of approximate sinusoidal geomagnetic signals can be used for projectile roll positioning and other high-precision trajectory correction applications. The sinusoidal geomagnetic signal deforms in the exposed and magnetically contaminated environment. In order to preciously recognize the roll information and effectively separate the noise component from the original geomagnetic sequence, based on the error source analysis, we propose a moving horizon based wavelet de-noising method for the dual-observed geomagnetic signal filtering where the captured rough roll frequency value provides reasonable wavelet decomposition and reconstruction level selection basis for sampled sequence; a moving horizon window guarantees real-time performance and non-cumulative calculation amount. The complete geomagnetic data in full ballistic range and three intercepted paragraphs are used for performance assessment. The positioning performance of the moving horizon wavelet de-noising method is compared with the band-pass filter. The results show that both noise reduction techniques improve the positioning accuracy while the wavelet de-noising method is always better than the band-pass filter. These results suggest that the proposed moving horizon based wavelet de-noising method of the dual-observed geomagnetic signal is more applicable for various launch conditions with better positioning performance.     

基于自适应阈值的提升小波包漏磁信号去噪研究

为了更好地实现对原始漏磁信号噪声的抑制,针对硬阈值函数和软阈值函数中存在的问题,提出一种自适应阈值选择方法,研究了基于该方法的提升小波包降噪算法。采用小波包和提升小波包,分别在硬阈值、软阈值和自适应阈值处理函数下,对含噪信号进行降噪效果的分析和比较,并给出了漏磁信号在自适应提升小波包算法下的降噪效果。仿真结果表明：该方法具有更高的分辨率和近似优化能力,在保留原始漏磁信号有效成分的同时,能更好地去除噪声。     

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。