共查询到20条相似文献,搜索用时 46 毫秒
1.
针对能量检测法在低信噪比下对非合作水声探测信号的检测性能显著下降的问题,提出了一种组合变分模态分解和小波变换降噪重构的信号检测方法。以信号分解出的各个本征模态函数的近似熵与互相关系数比值作为分量分类参数,将所得分量分为信号分量、含噪信号分量与噪声分量,然后利用第二代小波变换对含噪信号分量降噪后与信号分量组成重构信号,最后对重构信号进行检测。数值仿真结果表明该方法可以在无先验信息的情况下对CW和LFM信号自适应降噪,信噪比0 dB以下时CW信号重构后信噪比提升约12 dB,宽带LFM信号信噪比提升约8~9 dB,有效提升了低虚警概率下信号的检测概率。湖试结果表明,虚警概率为0.1时检测概率可提升至0.9以上,验证了该方法的有效性。 相似文献
2.
由于混沌时间序列和随机过程具有很多类似的性质, 因而在实际中很难将两者区分开来. 混沌信号检测与识别是混沌时间序列分析中一个重要的课题. 混沌信号是由确定性的混沌映射或混沌系统产生的, 相比于高斯白噪声序列, 其在非完整的二维相空间中表现出更加丰富的结构特性. 本文通过研究混沌时间序列和高斯白噪声序列在非完整二维相空间中的分布特性, 利用混沌信号的非线性动力学特性, 提出了一种基于非完整二维相空间分量置换的混沌信号检测方法. 该方法首先由接收序列得到非完整的二维相空间, 基于第一维分量大小关系实现对第二维分量的置换与分组, 进一步求得F检验统计量. 然后利用混沌系统的局部特性, 获取非完整二维相空间的动力学结构信息, 实现对混沌序列的有效检测. 在高斯白噪声条件下对多种混沌信号进行了信号检测的数值仿真. 仿真结果表明: 相比置换熵检测, 本文所提算法所需数据量小、计算简单以及具有更低的时间复杂度, 同时对噪声具有更好的鲁棒性. 相似文献
3.
4.
5.
研究了乘性非高斯噪声和加性高斯白噪声共同激励下FitzHugh-Nagumo(FHN) 神经元系统的随机共振问题. 利用路径积分法和两态模型理论, 推导出系统信噪比的表达式. 研究结果表明: 系统参数在不同的取值条件下, FHN神经元模型出现了随机共振和双重随机共振现象. 此外, 非高斯参数q在不同的取值条件下, 乘性噪声强度和加性噪声强度对信噪比的影响是不同的. 非高斯噪声的加入有利于增强FHN神经元系统的信号响应. 相似文献
6.
为了快速和实时地从具有强噪声的较低信噪比的原始信号中检测出有用信息,设计了一种混沌相空间重构理论和ELMAN神经网络的信号检测方法;首先,描述了采用混沌相空间重构理论对原始信号进行重构的原理和方法,在获取重构的时间序列的基础上,采用ELMAN网络来近似表示用于检测信号的函数型,然后,设计了ELMAN网络中各层之间连接权值的计算方式,并提出了采用ELMAN网络进行信号检测的具体过程,最后给出了采用混沌相空间重构理论和ELMAN网络的信号检测模型;对Lorenz混沌系统模型进行仿真实验,结果证明了文章方法能有效地对瞬时信号和周期性信息进行检测,在具有高斯白噪声的情况下,仍然具有降噪效果好的优点,是一种用于信号检测的可行性方法。 相似文献
7.
Radon-Ambiguity变换是一种检测低信噪比下线性调频信号的有力工具。但在多信号环境下,强线性调频信号分量的Radon-Ambiguity变换对弱线性调频信号分量的Radon-Ambiguity变换有较强的抑制作用。同时Radon-Ambiguity变换对具有相同调频斜率和不同初始频率的线性调频信号分量不能实现识别与区分。提出了一种基于逐次滤波Radon-Ambiguity变换的时频表示方法可以有效地检测出多种情况下的多个线性调频信号。仿真试验证明了此方法可以有效地去除噪声、多信号之间交叉项的影响,在低信噪比下也十分有效。 相似文献
8.
耦合Duffing振子在检测强噪声中的微弱脉冲信号时具有可检测信噪比低等优点,但目前检测模型还存在系统性能与初始状态有关、只能工作在倍周期分岔状态等缺陷.为此本文构建了一种能克服上述缺点的新的微弱脉冲信号检测模型,通过对两个Duffing振子同时施加较大的恢复力和阻尼力耦合,可使振子间产生广义的"阱内失同步"现象,基于这种现象可实现微弱脉冲信号的检测与恢复.以信噪比改善和波形相似度为衡量指标,研究了周期策动力幅值与周期、耦合系数、计算步长、阻尼系数等参量对模型信号检测与波形恢复效果的影响.对方波、双指数脉冲和高斯导数脉冲进行检测和恢复的实验结果表明,本文所构建的模型能够在较低信噪比条件下有效地检测并恢复出高斯白噪声背景中的微弱脉冲信号,进而改善了现有的Duffing振子对非周期脉冲信号的检测能力并扩展了其应用领域. 相似文献
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.