基于小波变换的声阵列定位技术

为了确定空中目标的位置,在传统的四元十字阵定位方法的基础上进行了改进,并用小波变换的方法把信号分成不同的频段,然后对分解信号进行重构,利用互相关技术计算时延,进而进行声定位.仿真结果表明该方法能有效提高定位精度.     

基于汉明编码和提升小波变换的数字水印算法

通过对水印图像混沌加密和汉明编码,以及对原始图像进行提升小波变换,并结合人类视觉系统特性值计算,提高了水印算法的鲁棒性。     

基于齐次坐标的微动建模与微多普勒特征分析

针对目标微动数学模型表达不统一的问题,引入计算机图形学中的齐次坐标表示方法,给出了三维坐标系和旋转变换的齐次变换矩阵描述,推导了自旋、锥旋、进动和章动目标微动模型的通用矩阵表达.并分析了目标回波频移的组成,得到了微多普勒的理论表达式.微动回波Gabor变换时频图与微多普勒理论值的仿真结果表明,通用的矩阵表达可以简明且准确地描述目标的微动.     

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.     

一种新的形态中值小波图像去噪方法

图像去噪是图像预处理中一项重要环节.针对线性小波分析在图像去噪中会丢失一些细节信息这一缺点,利用数学形态学算子的非线性特征,构建了一种非线性的可用于灰度图像处理的形态中值小波,并应用于图像去噪.对比实验结果表明,该方法比线性小波去噪方法具有更好的去噪性能,图像细节信息损失更小.     

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。     

基于双谱切片小波包的雷达体制识别技术

根据机械扫描雷达、一维相控阵雷达和二维相控阵雷达扫描方式的差异,通过对3种体制雷达进行双谱分析、切片化处理以及小波包分解,提出了双谱切片小波包的概念,并根据此特征用支持向量机对不同体制的雷达进行识别.仿真结果表明:该方法在噪声占比为0～20％时,可分性好,并且在噪声占比增大时,通过该特征仍能对不同体制的雷达进行有效识别.     

线性时频分析及其在弱信号检测中的应用

介绍了时频分析理论及常用的线性时频分析方法;将短时Fourier和小波变换用于弱信号的检测并分析了其性能,最后给出了计算机仿真结果。     

Hilbert-Huang变换能量谱在轴承故障诊断中的应用

H ilbert-Huang变换是先把时间序列信号用经验模态分解方法分解成不同特征时间尺度的固有模态函数,然后经过H ilbert变换获得频谱的信号处理新方法。介绍了该方法的基本原理,并将H ilbert-Huang变换的能量谱应用于轴承故障诊断,轴承故障实验信号的研究结果表明:H ilbert-Huang变换的能量谱分析方法,能有效地诊断轴承的故障。     

基于小波包变换和BP网络的齿轮箱故障诊断

利用小波包分析提取出齿轮箱在各种工况下振动信号的有效成分,根据时频域特点提取比较典型的特征参量,利用改进的BP网络进行训练,根据训练结果判别齿轮箱的故障状态。