分数阶Fourier变换的多相码雷达信号分离算法

利用多相码雷达信号在某个分数阶域内呈现多个间隔相等的冲击这一特性,提出了一种基于分数阶Fourier变换的多相码雷达信号分离算法,首先将混合信号以特定的旋转角作分数阶Fourier变换,然后通过窄带通滤波器抽取多相码雷达信号,去除大量噪声和其他干扰信号,最后再经过分数阶Fourier反变换,恢复出时域的多相码雷达信号。理论分析和仿真实验表明,该算法计算量小,分离效果好,可实现较低信噪比下的多相码雷达信号分离。     

一种基于LMS的时域相干累积算法研究

为了克服低信噪比条件下传统的自适应滤波算法抑制高斯噪声效果差的缺点,提出了基于最小均方(LMS)的时域相干累积新算法。计算机仿真结果表明,该算法具有良好的抑制高斯噪声的性能,对于低信噪比下信号的增强效果明显优于传统的自适应滤波算法。     

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。     

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。     

基于FrFT的LFM间歇采样转发干扰对抗方法

针对间歇采样转发干扰对线性调频雷达产生相关干扰的问题,提出基于分数阶傅里叶变换(FrFT)进行干扰抑制的方法:将混合有干扰的信号以特定的阶数作FrFT,然后通过窄带滤波抽取目标信号,抑制掉干扰信号,从而实现对目标的检测。研究了间歇采样直接转发、重复转发、循环转发干扰模型,介绍了基于FrFT的抗干扰原理并进行了仿真,结果表明,该方法算法复杂度较低、运算时间短,可实现较低信噪比或较高干信比条件下的干扰抑制。     

一种低信噪比下的LFM脉冲信号起始频率校正方法

采用分数阶傅里叶变换(Fractional Fourier Transform,FRFT)实现LFM脉冲信号检测与参数估计时,针对处理数据与LFM脉冲信号起始点不一致时,LFM脉冲信号起始频率存在一定偏差问题.依据分数阶傅里叶变换中信号能量峰固有特性,提出一种适用于低信噪比条件下的LFM脉冲信号起始频率校正方法.该方法首先通过FRFT变换和chirp相乘对数据进行变换处理,消除LFM脉冲信号中调频斜率;然后对变换后结果进行滑动、累积处理,得到一组能量峰数据;最后通过搜索该组能量峰拐点实现对LFM脉冲信号起始点检测,并利用检测起始点对LFM脉冲信号起始频率实现校正.数值仿真结果表明,该方法在事先无法获取处理数据中LFM脉冲信号起始点情况时,可有效校正分数阶傅里叶变换对LFM脉冲信号起始频率估计存在的偏差.     

利用时频稀疏性的跳频信号盲检测和参数盲估计

针对在低信噪比的稳定分布噪声和定频干扰背景中,跳频信号检测和参数估计性能不佳的问题,利用分数低阶短时傅里叶变换得到时频矩阵;对时频矩阵按频率行去均值,抑制定频干扰;通过时频峰值优化、时频矩阵清洗和强化处理,降低频谱泄漏和噪声对跳频信号时频稀疏性的影响;利用此稀疏性进行检测和估计,即根据跳频信号在驻留时间内的连续性检测跳频信号,估计跳频频率;根据驻留时间起点及间隔,估计跳变时刻和跳周期.仿真结果表明,在低信噪比下,该算法的检测和参数估计性能均有较大提高,且优于现有算法.     

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。     

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。     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

基于分数阶傅立叶变换的ARM检测技术

分数阶傅立叶变换(FRFT)是傅立叶变换的广义形式,对线性调频(LFM)信号具有很好的能量积累作用.针对反辐射导弹(ARM)雷达回波信号的线性调频特性,提出了一种基于FRFT的反辐射导弹检测方法,并根据ARM信号的调频特性将FRFF局域化,缩小了峰值搜索区域,提高了检测效率.仿真实验表明该方法能够在高斯、非高斯分布杂波环境下有效地检测ARM信号.     

增量元学习IDBD算法在轴频电场信号检测中的应用

为了提高海洋环境电场背景中微弱舰船轴频电场的检测能力,针对传统的最小均方误差算法进行了改进,提出了一种基于增量元学习IDBD算法的自适应线谱增强器。利用所提算法对舰船缩比模型产生的实测轴频电场信号数据进行处理,结果表明该算法在低信噪比的情况下能够有效地将微弱轴频电场信号从宽带背景噪声中分离出来。所提算法相比于普通的自适应线谱算法,在改善信号的信噪比方面效果更加显著,且具有更快的收敛速度和更小的稳态误差,极大提高了舰船轴频电场的检测能力。     

基于激光雷达的高炉回旋区深度探测研究

炼铁高炉回旋区深度的直接探测存在较大困难,提出了一种基于激光雷达的回旋区边缘探测方法。探测得到的回波信号存在较大噪声干扰,为提取边缘回波信号,首先对噪声特点进行分析,判明噪声包括白噪声和1/fγ非平稳随机噪声;由此采用多小波平移不变算法进行滤波处理;采用H ilbert-Huang变换对滤波后的信号进行处理,对其瞬时能量进行分析。由于回旋区边缘表现出较为强烈的局部能量,从能量谱中可较好地提取回旋区边缘信号。试验表明,采用激光雷达探测回旋区的深度,能较为真实地反映高炉回旋区的真实状态,其值较计算建模方法更可靠。进一步的研究可望得到回旋区的二维或三维形貌。     

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。     

新的IFF系统及其信号检测方法

介绍了一种新型敌我识别系统Mode 5 IFF,并分析了该系统的特点及信号产生流程。通过分析Mode 5 IFF系统询问及应答信号格式,提出了基于同步脉冲相关的Mode 5 IFF信号检测方法,该方法根据Mode 5 IFF信号同步脉冲数据一致性的特点,利用同步脉冲信号与所接收到的中频信号进行相关,取相关峰值达到Mode 5 IFF信号检测的目的。最后分析了该方法在"混扰"和低信噪比条件下的信号检测效果,验证了该方法的有效性。     

用于目标跟踪的自适应广义调频波形设计算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法。该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是使预测的目标跟踪均方误差最小化,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性。利用与某一波形相对应的克拉美-罗下限(CRLB)以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计。仿真结果表明:在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差。     

基于滤波与BP神经网络的水下探测信号检测算法

针对水下探测系统探测船舶磁场信号时信噪比较低的问题,首先根据磁异常信号的频域特征,设计了约束最小二乘FIR滤波器,通过对含噪信号进行带通滤波,滤除高频噪声;再采用BP神经网络对低频分量进行学习,提取船舶目标特征信号。将该算法应用于船模实测实验,结果表明:该算法可以显著提高信噪比,增强对船舶磁场信号的检测能力。     

基于分形滤波的能量检测方法

能量检测是认知无线电频谱感知的有效方法,但在低信噪比情况下检测概率明显下降。提出了基于分形滤波的频谱感知能量检测方法。基于分形滤波可以有效抑制噪声的特点,该方法先对接收信号进行分形滤波,以其能量值作为检测统计量,进行能量检测。仿真结果表明,通过基于分形滤波的能量检测和直接进行能量检测方法对比,滤波后信噪比在下降7 d B时仍然满足90%以上的检测概率。此外,该方法对不同调制信号均具有较好的适用性,在噪声不确定情况下仍然具有较高的检测概率。