基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点,在大尺度下设置阈值,去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上,采用自适应阈值的方法,克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明,与单一阈值去噪方法相比,该方法不仅可以保留图像边缘信息,而且能提高去噪后图像的峰值信噪比2~5 dB。     

强干扰下LFM信号的检测与参数估计

强干扰下ＬＦＭ信号的检测与参数估计在雷达信号处理领域具有重要的应用。本文首先分析了强干扰下ＬＦＭ信号的特点,对ＬＦＭ信号的检测与参数估计方法进行了总结和比较;随后研究了ＷＨＴ法的检测性能,绘制了ＷＨＴ检测器的接收机性能曲线（ＲＯＣ）。最后,提出一种基于ＷＨＴ的抑制强干扰和进行ＬＦＭ信号检测与参数估计的方法,并给出了实验结果。     

DJ去噪法在语音信号处理中的应用

对被污染的语音信号的去噪进行了讨论与分析,应用异于DJ硬、软门限的新门限法对语音信号进行了去噪的仿真计算,结果确实优于DJ软、硬门限的去噪法     

对DJ小波VisuShrink去噪法中j0取值的分析

ＤＪ小波ＶｉｓｕＳｈｒｉｎｋ去噪法在数字信号处理方面的应用已十分广泛,但是去噪后恢复信号质量的优劣与低分辨率截断参数ｊ０的选取是密切相关的,而ｊ０的选取又与被污染信号的噪声指数σ以及采样率有关。这篇文章对这些关系进行了分析,并给出了仿真计算的结果,分析与计算的结论对如何选取最佳低分辨率截断参数ｊ０具有一定的指导意义。     

二次群CPFSK信号的位同步提取与实现

本文讨论了几种常用的位同步提取方法及衡量位同步的性能指标,分析了ＣＰＦＳＫ基带信号的特点,提出了一种获取ＣＰＦＳＫ信号的位同步方法,并设计了相应的具体电路。     

载频带宽同步倍频的高频大带宽线性调频信号光产生方法

针对高载频、大带宽线性调频信号产生需求,提出一种基于级联马赫-曾德尔调制器(Mach-Zehnder Modulator, MZM)的载频带宽同步倍频的高载频、大带宽线性调频信号光产生方法。理论分析表明,通过合理设置级联MZM的直流偏置点和线性调频信号幅度等参数,可产生载频和带宽同步倍频且倍频系数可调的线性调频信号。在此基础上利用光学系统软件进行相应的仿真验证,利用载频和带宽分别为5 GHz和2 GHz的线性调频信号产生了载频和带宽分别为40 GHz、15.07 GHz和58.25 GHz、19.5 GHz的线性调频信号。仿真结果验证了该方法的可行性,也验证了产生的信号具有较好的压缩性。     

PWPF的直接力脉冲自抗扰姿态控制方法

为应对来自临近空间高超声速飞行器的威胁,对作战空域在35 km以上高空的反临近空间拦截弹的需求越来越迫切。姿态控制系统的执行机构为6台常值推力发动机,为弹体稳定的跟踪目标提供可多次开启的常值推力,而使用PWPF调制技术可以将常值推力等效为连续推力;拦截器姿态控制系统需要克服轨控开启时带来的较大干扰,因此基于自抗扰方法设计了控制器,控制信号经PWPF调制后得到脉冲开关信号实现拦截器的姿态控制。仿真结果表明,自抗扰控制器具有更好的快速性与稳定性,且更方便与PWPF调制器串联使用。     

系统频率偏差对同时全极化测量的影响及其校准

目标极化散射矩阵的精确测量是全极化雷达极化信息处理的前提和基础。基于正负线性调频信号,针对采用数字解线性调频处理的同时全极化测量体制雷达,分别推导了雷达中频频率偏差和采样频率偏差对同时全极化测量影响的数学模型,提出一种雷达中频频偏和采样频偏的联合估计与校准方法。仿真和实测数据表明：雷达系统频率稳定度会引起不同通道极化测量结果峰值位置和相对相位的变化,采用所提方法能够有效校正峰值偏移,补偿相位误差,提高目标极化散射矩阵测量的精度。     

平稳小波去噪算法中的参数选择

为研究平稳小波变换去噪算法在工程应用时如何选择小波基、小波系数处理方法和阈值计算方法的参数以取得最优去噪效果,通过仿真实验,对比不同小波基、不同小波系数处理方法及不同阈值计算方法对平稳小波变换去噪算法去噪效果的影响,对算法的参数选择问题进行研究。实验结果表明：相比其他滤波器组,大部分情况下Daubechies 小波基对应的滤波器组去噪效果更好;信号信噪比较低时选用软阈值法,信噪比较高时选用硬阈值法;使用阈值法处理小波系数,信号信噪比不高的情况下应采取固定阈值法来确定阈值,信号信噪比较高时应采取无偏风险估计法。     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。