一种基于频率方差加权的线谱目标检测方法

在复杂的多目标声场中,常规波束形成（CBF）检测器性能显著下降。本文提出一种基于频率方差加权的线谱目标检测方法——CBF频率方差检测器,利用被动目标辐射噪声中含有高强度的稳定线谱这一特征,用每个方位频率域的峰值频率方差对CBF输出的方位谱进行加权。该检测器可在多目标强干扰和同波束强相干干扰背景中检测到弱线谱目标,且只须三维显示,避开了传统的线谱检测四维显示的难点。仿真和海试结果表明,在多目标、强干扰的环境下,可以探测到弱线谱目标。     

DFT用于检测未知线谱信号的应用研究

本文介绍了DFT谱估计线谱检测器的原理和C25－DSP系统的硬件、软件构成，分析了该系统的性能，并给出了部分实验室测试结果和湖上试验结果．     

基于Duffing振子的微弱周期信号混沌检测性能研究

不同的混沌振子具有不同的混沌检测性能. 本文围绕Duffing振子的混沌检测方法, 从混沌系统临界点相图的突变性、混沌区间保持性以及混沌临界点的容噪性等三个方面的检测性能做了进一步研究, 并分别分析了影响这些性能的因素, 最后围绕这三个方面对两个不同混沌振子的混沌检测性能做了分析和比较. 关键词： 混沌检测 微弱信号检测 Duffing方程 检测性能     

基于Hilbert变换及间歇混沌的水声微弱信号检测方法研究

利用Duffing振 子从混沌到间歇混沌的相变及其对策动力和待检测信号频差较小的周期信号的敏感性, 研究了强海洋背景噪声下微弱周期信号的检测. 通过构造混沌振子列的方法对频率未知信号进行扫频, 从而提取待检测信号的频率范围, 最后利用希尔伯特变换, 实现对间歇混沌的包络检测, 并计算出待检测信号的频率. 计算机仿真与实测水声信号处理结果表明, 利用基于希尔伯特变换的间歇混沌振子对水声微弱信号检测, 其检测信噪比比一般的间歇混沌振子提高了至少4.4 dB, 验证了所提方法的有效性.     

利用盲反卷积和混沌振子增强船舶辐射噪声解调线谱

针对经典解调方法中心频率、带宽选择困难和解调线谱受带外噪声干扰难以分辨等问题,提出采用盲反卷积和混沌振子方法抑制带外噪声,增强船舶噪声解调线谱。该方法通过Duffing振子预检宽带船舶噪声低频弱周期信号,随后将相应频率作为最小噪声幅值比反卷积(MNAD)方法的先验参数,利用MNAD方法自适应搜索解调频带得到可清晰分辨的高信噪比解调线谱。仿真和实测数据分析表明,该方法较经典解调方法和其他盲反卷积方法,可获取更佳的中心频率和滤波带宽,所得解调线谱的窄带信噪比DF值最高。     

基于变分模态分解和对称相关的目标舰船线谱检测

线谱检测是水下目标识别中的一个重要研究方向。针对舰船辐射噪声线谱信号检测与提取的需求,该文改进提出了一种基于变分模态分解和对称相关的降噪处理方法,研究了与目标线谱信号不相关的加性高斯噪声消除办法。假设舰船辐射噪声除线谱成分外均为高斯噪声,对舰船辐射噪声中线谱成分进行检测。理论推导、仿真计算与实验数据处理结果均表明,该文提出的方法能较好地检测加性高斯噪声背景下的线谱成分,较传统的相关方法更为有效。     

基于小波分解和Duffing振子的变尺度微弱信号检测

传统的时频分析方法在对周期性微弱信号进行检测时,提取的信息具有信噪比不高的缺点,从而影响了检测效果,为此,利用Duffing振子混沌系统对噪声的强免疫力的特征,提出了一种基于小波分解和混沌阵子的混合微弱信号检测方法;首先,采用小波变换对信号进行分解,通过小波变换的平滑作用实现对含噪微弱信号的离散处理,并设计了一种根据阈值来确定分解层数的方法,然后将降噪后的重构信号作为Duffing阵子的周期驱动力并入混沌系统,采用混沌Duffing阵子阵列实现在强噪声背景下的微弱信号检测,并提出了一种临界状态策动力幅值和初始相位的自适应确定方法;在Matlab7仿真环境下进行实验,结果表明:文中方法能有效地对湮没在强噪声下的微弱信息进行检测,具有信号检测信噪比高,重构信号频率较其它方法更接近于真实频率,具有较强的可行性。     

一种重要的非线性现象——间歇

因为无论是在混沌形成研究过程中，还是混沌形成之后继续处于发展变化之中，都有可能观察到间歇的存在并对系统的运动形式产生重大的影响，所以近年来混沌中间歇现象的研究越来越来引人注目，文章结合实验现象和本实验室在间歇实验方面的研究工作，介绍了四种间歇各自的特点，给出了对应的数学模型，分析了间歇研究的意义，现状以及有待进一步探讨的问题。     

一种基于周期轨道统计的混沌信号不可预测性强弱的检测方法

论述了对混沌信号不可预测程度进行检测的基本原理,在此基础上提出了一种对混沌信号不可预测性强弱进行检测的方法.分别对硬件电路和数值仿真产生的混沌时间序列的周期轨道进行了统计分析,寻找热鞍周期轨道(SPO)并对其回归谱和回归频度等特性进行了研究.实验结果表明了该方法用于检测混沌信号不可预测性强弱的有效性. 关键词： 不可预测性 检测 回归 混沌     

一种基于非完整二维相空间分量置换的混沌检测方法

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.     

被动线谱检测的子带分解和分方位区间融合算法

目标辐射噪声中低频线谱丰富,而且谱级比高、强度稳定,相比调制谱检测具有优越性。基于子带分解处理的现有融合方法适用在信噪比相对较高情况下,而当干扰是相干的或强宽带信号时,对线谱目标有效检测仍没很好解决。本文从子带空间谱统计特性出发,利用线谱谱级高出连续谱10-25dB;线谱频带所在方位区间的输出方位波动小,而其他分区间的输出方位波动大特点,提出了一种在信噪比低,多目标并存情况下更有效的弱线谱提取融合方法。理论仿真和海试实验数据处理结果验证该方法具有创新性、较常规方位稳定算法适用范围更广、检测效果更好,适合工程应用。