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。     

基于希尔伯特-黄变换的海杂波特性分析

在雷达探测区域内,海杂波是影响雷达探测性能的主要因素.对于高分辨雷达而言,海杂波具有明显的非线性、非平稳性,针对这一特性,小波变换被广泛应用,但不可避免地具有窗函数的局限性.希尔伯特-黄变换作为一种新兴的自适应信号处理方法,应用简便,妥善避免了W.Heisenberg不确定性原理的限制,对于处理非线性,非平稳信号有着清晰的物理意义与应用前景.把上述两种方法应用于海杂波特性分析,比较两者的优缺点.结果表明,希尔伯特-黄变换具有更好的时频聚集性.     

目标进动的雷达特征分析

在采用刚体姿态动力学对锥体目标进动进行理论分析的基础上,针对锥体目标上存在和不存在随目标旋转的散射结构的情况,对锥体目标进动时的雷达目标特征的周期性进行了讨论,建立了锥体目标进动时的雷达回波模型,通过仿真数据提取目标空间进动和自旋参数,验证了模型的正确性。     

基于EEMD方法的混合信号分离识别

针对宽开通信侦察系统中的多信号分离问题,提出了一种总体平均经验模式分解(EEMD)方法。首先对混合信号进行去噪,进行功率谱估计,然后利用EEMD方法对混合信号进行分解得到一簇本征模态函数IMF(Intrinsic Mode Function),对代表单个信号的IMF进行Hlibert变换,得到与各阶IMF相对应的瞬时频率,确定信号的个数,估计出其载波频率,设计出相应的带通滤波器,分离出单个信号。最后设计决策树对分离出的单个信号进行调制识别,确定信号的种类。文中以三个信号组合ASK、BPSK、2FSK为例,通过仿真验证了方法的有效性。     

锥体空间目标基于进动特性识别

为了研究基于空间锥体目标进动特性的识别方法,通过对空间锥体目标的弹道建模,分析了进动锥体目标姿态角变化,引入平均视线角变化对回波RCS的影响,推导了空间锥体目标相对雷达波的姿态角计算公式,分析RCS随时间变化关系,通过回波RCS序列估计进动周期及进动角参数,以惯量比为特征,提出弹头和诱饵的识别方法,仿真试验证明了算法的有效性.     

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。     

基于LMS自适应滤波和希尔伯特差值的二次相关时延估计算法

针对卫星干扰源定位系统中时延估计的问题,在研究经典的广义互相关和二次相关时延估计算法的基础上,为避免不同加权系数的选取对广义互相关时延估计精度影响差异很大这一缺点,提出了一种基于LMS自适应滤波和希尔伯特差值的二次相关时延估计算法,该算法利用自适应滤波器对信号和噪声的先验知识需求较少、具有自动调节自身参数的能力,首先对信号进行前端滤波处理,再将处理后的信号进行二次相关,最后利用希尔伯特差值法对相关峰值进行锐化,以获得较为精确的时延估计结果。     

基于改进Radon-wigner变换的微弱目标加速度估计算法

针对已有Radon-Wigner变换（RWT）对线性调频连续波（linear frequency modulated continuous wave,LFMCW）雷达目标加速度估计计算复杂高、精度低的问题,提出了一种改进的RWT算法。该算法通过熵值法得到加速度的粗估计,对RWT结果求二阶原点矩减小搜索计算量,并且提出了RWT插值方法,将其应用到迭代RWT中用于提高加速度估计精度。实验结果表明,该算法在低信噪比的情况下可以准确检测出匀加速微弱目标,计算量较小且精度较高。     

基于HHT的雷达杂波抑制

传统时频分析方法不适于分析非平稳信号,Hilbert-Huang变换(HHT)是近年兴起的一种自适应、高效处理非线性、非平稳信号的时频分析方法.针对传统时频分析对雷达杂波抑制的局限性,采用HHT方法抑制雷达杂波.HHT方法对雷达回波信号的时频特性具有较高的分辨能力,能够清晰地突出目标弹性成分.仿真结果表明使用EMD结合阈值去噪、尺度滤波方法对抑制雷达回波中的杂波有一定效果.     

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征,重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器,对实测的四类舰船目标的辐射噪声信号进行测试,取得了较好的识别效果。     

基于LPC残差用频域法来实现基音周期变换

基音周期变换是文—语转换和语音转换的重要内容。在语音转换中有很多作者主张基于LPC分析来实现语音转换,通过直接或间接调整LPC系数来实现频谱包络的转换,而基音周期的转换则通过对LPC激励谱或LPC残差的处理来实现。提出对LPC残差用频域法来进行处理,得到改变了基音周期的LPC残差,从而实现语音的基音周期的变换。这种方法也可以用于文—语转换的基音周期改变中。     

雷达部署对进动目标微多普勒频率的可测性分析

以导弹攻防对抗中防御雷达对空间目标的微多普勒频率检测为背景,分析了雷达部署位置对进动目标微多普勒测量值的影响.理论上可证明,当目标的外形尺寸和进动参数确定后,微多普勒频率由进动轴和雷达视线的夹角(平均视线角)唯一决定.从雷达部署在弹道平面内不同区域以及雷达距弹道平面不同距离两方面出发,分析了微多普勒调制带宽随雷达位置的...     

基于时间反转变换的动目标相参积累算法

高速动目标回波能量的相参积累一直是国内外学者的研究热点。针对时间反转变换-二阶Keystone变换-吕分布（TRT-SKT-LVD）算法在积累过程中丢失速度信息的问题,提出时间反转变换-一阶Keystone变换-Radon变换（TRT-KTR）算法实现动目标速度的分离与相参积累。通过时间反转分离出目标的速度信息,采用低通滤波器和线性平滑法消除噪声引起的突变点的影响。用一阶Keystone变换校正目标速度引起的距离走动。利用Radon变换估计速度模糊数并进行补偿实现相参积累。仿真证明,该算法可以有效分离并积累目标的速度分量,且拥有较低的运算量。结合TRT-SKT-LVD后的联合算法可积累出目标距离、速度、加速度三维信息,实现多目标检测。     

一种精确的基于周期序列的信噪比估计算法

文中针对多径信道,提出了一种基于周期序列的信噪比估计算法,利用周期序列良好的自相关特性,精确地估计了接收信号幅度和噪声方差,分析并推导了两径信道下信噪比估计的通用表达式,给出了算法实现的具体过程。仿真结果表明该算法整体估计性能较好,特别适合于低信噪比条件下。与现有的二阶矩四阶矩(M2M4)和频域估计算法相比,在信噪比为-5dB时,估计偏差在1dB范围内的概率分别提高了21%和55.5%。     

基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法

叶簇环境下,当动杂波比较复杂时,常规的目标检测算法CFAR和DPCA不能有效地滤除杂波。提出了一种基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法(HD),该算法在叶簇杂波比较复杂的情况下能够有效滤除动杂波,提取出动目标。首先,介绍了叶簇扰动环境下的场景建模,并且给出了建模分析和建模场景仿真;其次,给出了HD算法推导过程;最后,在建模基础上对该算法和常规算法进行了对比仿真实验。实验结果表明,该算法在较低信噪比情况下也能保持较高的检测概率。     

基于二进小波变换的噪声图像自适应增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,提出了一种基于二进小波变换的图像增强新算法。该算法充分利用了二进小波变换的平移不变性和各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大和边缘失真问题。此外,算法具有高度的自适应能力,适用性更强。实验结果表明,与目前已有的各类多尺度图像增强算法相比,该算法在抑制噪声和凸显图像特征两方面均有明显改进。     

基于α-β滤波算法的目标运动信息滤波与估计

针对目标运动量测信息的特点,通过分析α-β滤波算法,指出该算法常增益的特点影响其对机动目标的跟踪效果.为了克服这个缺点,给出了一种新的目标运动信息滤波和估计的自适应算法,该算法可直接利用构造的函数关系自适应调整α,β的值.仿真结果表明,该自适应α-β滤波算法对目标运动信息的滤波和估计具有较好的性能.     

基于HHT的旋转机械故障机理仿真分析研究

为解决预测和健康管理（prognostic and health management, PHM）系统对关键部件故障机理研究不足的问题,提出一种基于希尔伯特-黄变换（Hilbert-Huang transform, HHT）的旋转机械故障机理仿真分析方法。首先对战车转塔轴承的工况和故障机理进行分析计算,然后对振动数据进行去噪和仿真,最后将仿真结果与理论计算结果进行对比分析。通过故障仿真分析验证了故障机理分析方法的有效性,可为实现武器装备故障的精准诊断奠定基础,提高故障诊断预测的准确性和稳定性。     

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。