低信噪比下PSK信号的载频估计（英）

针对电子侦察中PSK信号的载频估计问题,提出一种低信噪比下载频估计新方法。该方法将PSK信号划分为等长度的交叠区间,提取各个区间内信号频谱的聚集性测度作为特征参数,然后将此特征参数导入网格密度聚类算法,以聚类结果作为载频估计特征类,最后将特征类对应的频谱叠加后提取峰值得出信号载频估计值。该方法避免了传统PSK信号载频估计的非线性运算,显著降低了PSK信号载频估计的信噪比门限,且无需先验知识,适合于电子侦察场合。仿真实验结果证实了该方法在低信噪比下PSK信号载频估计的有效性。     

基于匹配追踪的拉曼光谱信号重构算法

拉曼光谱技术是一种高灵敏度、无损伤、振动分子光谱技术,在医药、生物、分析化学等诸多领域有着重要的作用。然而,由于拉曼散射强度低,实际测得的拉曼信号容易被噪声所污染。特别是在较短的曝光时间,收集到的拉曼光谱的信噪比很低。因此,提出了一种基于匹配追踪算法的信号重构方法,用于提取低信噪比的拉曼信号。该方法首先通过阈值循环迭代的方法在平均谱上找出特征峰的位置、估计峰的区间。根据峰的位置区间等信息,用高斯密度函数生成字典。在噪声谱上,根据特征峰位置和区间,将其区分为有信号区间和无信号区间,在有信号区间上利用匹配追踪算法重构被噪声所掩盖的拉曼信号。该算法不仅能够很好的逼近掩盖在噪声中的拉曼信号,且在重构信号的过程中也会对基线进行扣除,无须作基线校正处理。在仿真和实验中对该算法与常规算法进行了比较,结果证明,该算法在低信噪比条件下能够较好的恢复拉曼信号。该算法不同于传统光谱去噪算法,能同时对拉曼光谱进行了基线扣除以及噪声的处理,且能取得较为理想的结果,不需要使用不同的算法对基线和噪声分别处理。其次,在算法上我们创造性地将匹配追踪算法用于拉曼光谱信号的稀疏逼近求解。     

采用双谱多类小波包特征的雷达信号聚类分选

针对现有雷达脉内特征参量对噪音敏感,难以适应复杂体制雷达聚类分选的问题,应用双谱多类小波包特征实现了宽信噪比条件下未知复杂雷达信号的高准确率聚类分选.首先对接收到的雷达信号求得双谱归一化系数,然后利用多类小波包提取双谱归一化系数的特征参量,并选取最佳小波包特征作为分选参量,最后通过提取8类雷达辐射源信号的双谱小波包特征,采用核模糊C均值聚类算法实现聚类分选.仿真结果表明:提取的特征参量在宽信噪比范围内均具有很好的分离性和稳定性,可实现复杂雷达辐射源信号的准确聚类分选.     

宽带多普勒测速技术中的发射信号

声波信号作为系统测速的载体,直接影响测速性能,是多普勒测速技术的关键。研究 了不同发射信号的频谱特性及基于复协方差法的多普勒频移测量误差。一般假设二相编码信号频谱关于载频对称,但实际上其频谱为不关于载频对称的双边谱,不对称程度由不对称系数量化。不对称系数越小,测频偏差、标准差均越小,即测频性能更佳。仿真实验表明,在不考虑波束开角的点回波模型下,差分重复伪随机Blackman码元幅度调制编码信号与常用的非差分重复伪随机二相编码信号相比：不对称系数低3个数量级;信号频带同带宽内信噪比在0~-10 dB范围内测频标准差约下降2%~20%;信噪比高于10 dB时相对测频偏差约小5‰~6‰。     

低信噪比下基于多元变分模态分解的水下蛙人特征提取

为提高低信噪比下对蛙人辐射噪声的提取能力,提出了一种矢量多通道信号的水下蛙人辐射噪声特征提取方法。首先针对矢量多通道信号使用多元变分模态分解,得到固有模态函数。然后选取能量最高的模态函数组作为研究对象,计算该模态函数组互谱后的加权排列熵。最后提取加权排列熵频谱的蛙人特征量。海试结果表明,本方法可在无需先验信息情况下,提取由矢量水听器采集的蛙人信号特征,在检测率为80%的情况下抗噪能力较传统算法提升了10 dB。     

多谐波脉冲星信号时延估计方法

针对脉冲星导航技术中延时估计这一关键问题, 提出了频域上直接使用脉冲星信号测量到达时间集合进行时延估计的方法——多谐波脉冲星信号时延估计(MHSPE)方法. 该方法建立在频域上相位时延的极大似然估计的基础上, 通过高次谐波对脉冲星观测信号提取出各谐波相位的极大似然估计, 然后取频谱上各谐波的幅值进行归一化作为各谐波相位的权值, 最后取各谐波相位的加权平均作为该时刻的相位估计. 理论上证得MHSPE算法对相位的估计是无偏、一致的, 相比于频域上一次谐波的极大似然估计, MHSPE方法的信噪比随谐波数m的增加而增加, 当各谐波幅值相同时, 信噪比可提高m_1/2倍; 与脉冲星信号时延的克拉美罗界比较, 脉冲星信号时域的导数在频域上的反映就是各谐波分量的数量, 因此随着谐波次数的增加脉冲星信号时延估计可极大趋近克拉美罗界. 采用RXTE航天器对Crab脉冲星的实测数据检验MHSPE方法的性能, 实验结果表明, 针对低信噪比的脉冲星信号, MHSPE可获得高精度的相位估计, 随观测时间增加, 估计精度快速收敛于克拉美罗界.     

交替投影盲反卷积的阵不变量被动定位*

本文针对低信噪比下传统盲反卷积技术提取格林函数过程中存在的图像模糊问题,提出了一种基于交替投影法的阵不变量浅海被动定位方法。该种方法利用交替投影的方法对波束信号进行分离,并利用分离出的波束分别提取格林函数。最后通过补偿时延的方式将多组波束提取的结果相干组合起来,实现格林函数的多波束联合估计。通过仿真实验证明了该方法有效增强了提取格林函数的强度,使得在低信噪比下利用阵不变量的连续声源定位方法更加稳健。     

EEMD-ICA在功能性近红外光谱特征信号提取中的应用

近年来,功能性近红外光谱技术(fNIRS)广泛应用于神经影像学领域。为解决fNIRS特征信号提取中的信噪频谱混叠问题,依据近红外光谱脑功能成像信号非线性与非平稳特点,提出一种结合集合经验模态分解法和独立成分分析的多分辨率联合信号提取方法EEMD-ICA。在脑功能成像仪器平台上采集多通道多波长脑功能成像近红外光密度信号,先对该信号进行集合经验模态分解将其按频率成分分解为多层本征模态函数,之后将独立成分分析应用于目标频率分量函数进行自适应去噪,最后将处理后的分量累加、重构获得近红外光谱脑功能成像的特征信号。将Valsalva氏实验测试数据作为研究对象进行滤噪处理,与经验模态分解法和集合经验模态分解法对fNIRS特征信号的提取效果对比。对实测数据的处理结果进行信噪比和误差参数分析,结果表明,该方法能够有效解决去噪过程中丢失原始信号有用信息及由于信噪频谱混叠不能完整去除噪声的问题,信号处理效果理想,对比另外两种信号提取方法更为优化。     

低信噪比线性调频信号目标的方位估计

线性调频(LFM)信号目标的方位估计是水声探测研究的重要内容,在进行方位估计时,若存在强干扰信号源与强背景噪声,阵元接收信号的信噪比会显著降低,严重影响LFM信号目标方位估计结果的准确性.针对该问题,提出了一种简明分数阶滤波方法,并将其与常规波束形成方法(CBF)相结合来实现低信噪比条件下LFM信号目标的方位估计.简明分数阶傅里叶变换能在正交角度上将LFM信号的能量聚集在特定频点处并形成明显的能量峰,利用该特性,可对阵列各阵元接收的低信噪比LFM信号在简明分数阶域聚集的能量峰进行最佳滤波,以滤除干扰信息及背景噪声.对滤波输出进行逆简明分数阶傅里叶变换可得到增强信干比和信噪比的阵元域信号,进一步用于目标方位估计,就能获得更加准确的目标方位。数值仿真结果和海试实验数据处理结果验证表明,本文所提出的方法可有效抑制干扰和背景噪声,并对低信噪比LFM信号进行准确、稳健的方位估计。      

冲击声的稀疏特征提取及声源类型识别

针对低信噪比下声源材料类型的细分任务,将稀疏表达用于冲击声信号的声源类型识别,提取的稀疏特征相比传统的MFCC特征有效改善了识别性能。分别基于3种预定义词典和一组根据训练信号学习的词典,利用正交匹配追踪(OMP)方法对录制冲击声进行稀疏表达,提取稀疏特征用于不同信噪比下冲击声信号的声源辨识,并与MFCC特征进行比较。对包含12类材料的冲击声数据库的分类结果显示,在几乎所有情况下,稀疏特征比MFCC特征具有更好的识别效果。特别是在信噪比较低的情况下,稀疏特征具有更好的抗噪性能。      

深海声影区时频谱干涉结构与声源定位*

被动声呐探测位于深海声影区的水面舰船辐射噪声时,接收信噪比通常较低,导致声源被动定位方法的性能较差。针对这一问题,提出一种利用接收信号时频谱干涉结构的声源距离和径向速度联合估计方法。首先根据射线声学理论,建立时频谱沿频率轴和时间轴的干涉条纹周期与声源距离和径向速度的关系,然后对接收信号时频谱进行二维傅里叶变换和多频带处理以估计上述干涉条纹周期,最后解算声源距离和径向速度。仿真和海试数据处理结果表明,相比于现有利用接收信号自相关的声源距离估计方法,该文利用时频谱二维傅里叶变换的声源定位方法具有较好的稳健性,比较适用于低信噪比条件下的声源被动定位。     

基于赛利斯模型和分数阶微分的兰姆波信号消噪

为降低噪声对超声兰姆波检测信号的影响,提高信噪比和增加特征提取的精度,提出了一种赛利斯模型下分数阶微分方法用于超声兰姆波信号去噪.该方法对含噪声的兰姆波信号幅值谱进行各阶分数微分,用赛利斯分布作为待处幅值谱的模型,提出了幅值谱分数阶微分最大值和过零点与微分阶数的拟合三次关系式,建立了幅值谱特征参数的计算式来提取特征参数和重建原始信号的幅值谱,并结合相位谱重构去噪后的兰姆波信号.仿真结果表明,该方法可以有效地提高兰姆波信号甚至微弱兰姆波信号的信噪比,同时降低均方误差和平滑度.实验结果显示,与小波去噪和集合经验模态去噪方法相比,该方法在没有信号先验知识的情况下,可以更有效地去除兰姆波信号的噪声,同时更好地保留主信号的细节特征.因此,本文提出的方法可以有效地去除兰姆波检测信号中混入的噪声.     

结合卷积神经网络的浅海有源探测信道匹配

信道匹配方法在有源探测领域是一种重要的提升检测信噪比的方法。针对非确知海底参数环境下的有源探测信道匹配问题,提出一种结合卷积神经网络进行信道匹配的算法。该算法基于海底参数扰动开展声场仿真生成卷积网络训练数据;首先通过分类网络将信号按照海底底质类型分类,在每个分类区间内采用单独的卷积网络反演海底参数;然后结合声场模型估计信道传递函数,进行信道匹配,从而在非确知环境下抑制多途影响,提升回波检测能力。仿真与实验结果表明,该算法能够在不确知海底环境条件下,有效估计信道传递函数,实现信道最优化匹配,在实验条件下可提高回波检测信噪比4 dB左右。相比传统方法,该算法可以在海底参数不确知条件下对低接收信噪比的信号实现信道匹配,同时不需要高信噪比的实验参考信号,有效提高了信道匹配方法的环境宽容性。      

一种快速有效的正弦波信号频率估计方法*

针对I-Rife算法和Fang算法计算量增大,低信噪比时性能下降,该文提出了一种快速有效的正弦信号频率精确估计方法,利用两点细化的频谱值估计频率偏移量,不需要判别频率修正方向,降低了算法复杂度和计算量;分析了频偏估计的偏差。仿真结果表明,该算法的整体性能优于I-Rife算法和改进的Fang算法,在保证性能的同时,提高了算法的稳定性和实用性。     

基于聚类技术的三维舰船模型特征库研究

存贮目标所有的视点图像,建立完备的特征库,或者提取能够抵抗视点变化的不变特征,是三维目标识别的常用方法。这两种方案都存在不足:要么特征库规模庞大,识别过程计算量大,识别效率低;要么难以找到鲁棒的识别特征。结合两种方案研究了基于聚类技术建立三维舰船模型特征库的方法。利用仿射传播聚类方法无需事先指定聚类中心的优点,将其应用于两型舰船模型的视点空间聚类。通过提取视点图像的Hu矩特征,进行了仿真实验,给出了聚类结果的有效性分析。     

遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。     

光纤光栅马赫-曾德干涉仪条纹信号的傅里叶分析

基于长周期光纤光栅马赫-曾德干涉仪的频分复用技术是实现光纤多参量传感的重要途径.研究了频分复用中复合条纹信号的傅里叶处理方法,分析了傅里叶频谱中和频与差频信号的幅值与单个干涉条纹信号的关系,提出了抑制和频与差频信号的有效方法,即改变光栅结构参量适当降低中心波长处的条纹对比度以提高频谱信号的信噪比,增加特征频谱滤波的有效性.结果表明:经过优化调整的傅里叶频谱信噪比可以提高至原来的2倍以上;对比频谱调整后恢复相位的余弦曲线与原条纹信号发现,频谱信噪比提高的同时保留了反映各单个原条纹特征的足够相位信息.该光谱优化方法可为基于光纤光栅马赫-曾德干涉仪和频分复用的光纤多参量传感技术提供理论与技术指导.     

无人值守变电站电力设备音频监测及故障诊断系统

针对智能变电站的无人值守需求及现有故障诊断系统的不足,提出一种电力设备音频监测及故障诊断系统。根据变电站电力设备音频信号信噪比较低的特点,采用具有强鲁棒性的梅尔频率倒谱系数作为判断音频信号异常的特征参数,在此基础上根据音频特征构成多样本观测序列,并采用隐马尔科夫模型进行故障诊断,通过对比对数似然估计概率的输出值确定故障类型。该方法具有实时性较强的优势,也避免了现有故障诊断方法要求较大样本容量的缺陷。实验结果表明,该故障诊断系统具有较高的识别率和鲁棒性。     

一种基于模式识别的多路盲语音提取方法

盲分离算法能在缺少混合系统参数的条件下仅由观测信号估计初始源,但分离信号存在固有的排列模糊性,这往往导致两次批处理过程中同一信号"对不准",因此很难获得连续的源信号。本文针对盲声源分离中存在的相同问题,根据语音和其他音频信号的特征差异,提出一种修正的自相关函数并以其值作为一个特征基元来表征声音信号的时序相关特性,同时用平均声门波形状参数作为另一个特征基元来表征语音产生的生理效应。以这两个参数作为识别不同音频信号的二维模式特征,采用一种模糊聚类算法提取多路盲分离语音。本方法有效克服了批处理盲声源分离中的信号排列顺序的不确定性,并通过选择合适的阈值提取多路连续语音。仿真给出了5路混合音频信号中盲提取两路连续语音的实验结果。     

基于双耳模型的倒谱系数在声目标识别中的应用

在声目标识别中,基于单路信号的特征提取算法难以保证特征在低信噪比条件下的鲁棒性。针对该问题,本文使用由两个传声器组成的小孔径阵列采集信号,采用Stereausis双耳听觉模型对两路信号进行综合处理,在此基础上设计了基于双耳模型的倒谱系数,并将其作为识别特征应用于多类地面目标识别。试验表明该特征可有效提高识别系统的识别性能和抗噪声能力。