小波分析理论及其在雷达信号处理中的应用

依据所处理信号类型的不同,对小波变换与短时傅立叶变换进行了比较,说明小波变换适用于非平稳信号和奇异信号的处理.简要介绍了连续小波变换、离散小波变换和小波包理论的基本内容,讨论了小波变换实际应用中的采样和快速算法等几个关键问题.结合矢量量化技术,给出了一种用小波变换对星载SAR(Synthetic Aperture Radar)原始数据进行压缩的方法,结果表明,与传统的方法相比,由该方法压缩后的原始数据生成的SAR图像具有更大的信噪比.同时对小波变换用于雷达目标识别和SAR图像分类的性能进行了初步分析.      

改进PCA在热波图像处理中的应用

针对飞机结构隐藏腐蚀热波成像检测中出现的热像仪中有用数据较少、图像序列中腐蚀区域与非腐蚀区域对比不明显、信噪比较低等问题,提出了基于小波变换的改进PCA(Principal Component Analysis)算法.该算法对热图像序列中的每帧图像进行二进制离散小波变换,提取出低频部分的系数;对低频系数进行改进PCA分析,通过固定点算法并引入Gram-Schmidt正交化过程求解特征向量;令高频系数为零,抑制图像的噪声.实验结果表明:该算法充分利用了热像仪的有用数据,提高了图像的质量和信噪比,且计算时间较短.      

磁轴承PWM开关功放电流实时降噪

针对传统低通滤波器在脉冲宽度调制(PWM, Pulse Width Modulation)开关功放电流降噪过程中存在去噪效果与系统带宽难以兼顾的问题,提出了一种基于提升小波变换的功放电流实时降噪法.首先基于dB4提升小波算法,采用滑动数据窗、对称边界拓展和阈值法强制降噪等相结合的方案实现对功放电流的实时降噪.然后根据不同小波分解层数对系统截止频率的影响,确定合适的小波分解层数.实验证明,提升小波实时降噪算法既可以有效地滤除功放电流噪声,又对系统带宽和相角滞后影响较小,非常适用于对实时性和信噪比都有较高要求的磁悬浮高速转子系统.      

基于小波变换和神经网络的脑电信号分类方法

结合小波变换和神经网络对酒精中毒者和正常清醒者的脑电信号进行分类.通过分析脑电数据找出分类特征;采用一维离散小波变换提取含有分类特征的脑电信号频段,并以小波变换分解系数作为信号特征,实现数据序列长度压缩;对应3种刺激方式建立3个相同结构的学习向量量化(LVQ)神经网络,用于对脑电信号的预分类;根据判决规则得到最终分类结果.对真实脑电数据的分类正确率达到89%.     

小波变换在大地回波噪声处理中的应用

基于小波变换的多尺度分辨特性,作者对连续信号、脉冲信号和宽平稳白噪声在小波域中不同分解尺度上的模极大值变化规律进行分析,根据它们的变化规律用Mallat快速算法设计出一套用于抑制低信噪比雷达回波中的干扰噪声、最大限度提纯真实回波信号的算法.仿真实验证明,该算法对抑制噪声作用明显,能较好地提纯雷达回波信号,这为低信噪比下雷达回波信号检测提供了一条有效途径.     

基于压缩感知的高精度地磁基准图构建方法

地磁基准图的构建是实现地磁匹配导航的基石。针对实测数据量较小时利用插值法构建的地磁基准图精度不理想的问题,将压缩感知理论应用到地磁信息采集中。结合地磁基准图的结构特点设计了以离散余弦变换作为稀疏基、单位矩阵作为观测矩阵,以压缩采样匹配追踪（CoSaMP）算法作为重构算法的基于压缩感知的高精度地磁基准图构建方法,并与三次样条插值、Kriging插值及PSO-Kriging插值法进行对比。实验结果表明:所提方法具有较高的重构精度和稳定性,与性能最好的PSO-Kriging插值法相比,在6.25%采样率下重构地磁基准图,所提方法使得峰值信噪比（PSNR）由66.97 dB提高至74.67 dB,绝对误差由25.47 nT减小至10.26 nT,均方根误差由28.57 nT减小至11.33 nT。      

一种形状自适应的嵌入式小波图像编码器

形状自适应的小波变换编码可以编码任意形状的物体,不但保持了物体的纹理信息,而且编码不会带来不必要的冗余.但是当对任意形状的物体进行小波变换时,会由于变换序列的长度、下采样位置的不同而带来一些变化.文章利用懒小波对任意形状的掩膜进行变换,并且采用9-7滤波器的提升小波形式,很好地解决了这些问题.最终通过修正的形状自适应的SPIHT算法,对任意形状物体的内部纹理进行编码压缩.与原始算法相比,性能提高了大约0.2 dB.      

基于拉曼努金和的非均匀多载波调制系统

针对高速移动通信,多普勒效应和多径效应导致信道非均匀,提出一种基于拉曼努金和的频谱可调的非均匀调制多载波系统.首先,根据拉曼努金和的正交性和周期性,推导了拉曼努金傅里叶正反变换的完全重建条件,进而建立基于拉曼努金和的多载波调制系统（RFMT,Ramanujan Fourier Multi-Tone system）.由于拉曼努金和的非均匀频谱分布性质及频率共振性质,RFMT在不同载波通道的误比特率不同,可实现对数据的不均等保护.在非均匀信道下RFMT具有优于OFDM的抗多径能力,仿真验证了RFMT的抗多径有效性.在使用迫零均衡算法时,10-5误比特率下,根据信道情况设计的非均匀多载波系统RFMT对E_b/N₀的要求可以比OFDM低4 dB.      

基于小波变换熵值及高阶累积量联合的卫星信号调制识别算法

调制识别是信号检测与解调的关键环节,针对卫星调制中采用的MAPSK,MQAM,MFSK,MPSK方式,提出了一种计算小波变换熵值并结合高阶累积量的联合调制识别算法.根据小波变换对时频信息敏感的特点,不同调制方式高阶累积量计算结果的区分性以及不同复杂度的调制信号熵值结果不同,分析了以上4类调制信号的计算结果,提出了基于小波变换熵值及高阶累积量联合的卫星信号调制识别算法.计算调制信号小波系数,据此计算熵值,实现对调制信号的类别划分,使用高阶累积量实现类别内的信号分类.经过仿真分析,可实现在8dB以上达到0.9识别率的效果,该方法对高阶（64阶调制）信号识别具有一定借鉴意义.      

改进的帧内帧间模式选择快速算法

为提高I帧和P帧的编码效率,H.264视频编码标准采用多模式帧内预测和多子块模式帧间预测,并选择率失真最优的模式进行编码,导致编码复杂度很高.为此,提出一种基于小波变换的帧内模式快速选择结合帧间预测下帧内模式预判断的算法.利用小波变换后的低频子图做帧内模式选择,由此预判断宏块中每个4×4子块可能的预测模式,使原来9次的代价函数计算减少到平均3.75次;使用去均值的差值平方和,预判断宏块是否选择帧间预测下的帧内编码模式,减少P帧编码时间.实验表明,改进算法在峰值信噪比降低不超过0.0644dB的情况下,编码速度平均提高19%左右.      

一种改进的数字信号调制方式自动识别算法

数字调制方式的识别对于通信信号分析有着重要的作用。针对数字信号(2ASK,4ASK,2PSK,4PSK,2FSK和4FSK信号)的调制方式,提出了一种改进的数字信号调制识别算法(DMRA),并且对该算法提出了最佳门限的设置方法,使其适用于信噪比在5 dB-30 dB范围内变化的信号。该算法能够快速、自动地识别出已调数字信号的调制方式。计算机仿真表明:当噪声采用高斯白噪声,该算法在信噪比不低于7 dB时,对实际信号的识别正确率不低于92%。     

包络均值滤波算法实时检测微弱信号

在强噪声环境下提取微弱信号一直是信号处理方法研究的难点,提出一种基于包络均值滤波(EMF,Envelope Mean Filter)的微弱信号提取算法,可以实时恢复出深埋在均匀分布噪声中的微弱缓变非周期信号的波形.EMF算法通过对混有均匀分布噪声的信号进行过采样,对信号的包络线进行实时分析,并用上、下包络的均值作为真实信号的估计值.为了使输出信号平滑、无跳变,采用实时滑模平均滤波器对估计值进行滤波,最终恢复出的原始信号.通过仿真研究对包络的分析算法、最优衰减系数的选取、过采样系数、平滑序列长度和不同信噪比的微弱信号对还原精度的影响进行了研究.EMF算法简单,可使信噪比提高60 dB以上.已经成功用于IEEE 1588精密时钟同步的时钟伺服算法中.     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

一种新的最速下降算法在自适应噪声对消中的应用

自适应噪声对消在很多领域有着重要应用。为了进行自适应噪声对消，提出了一种新的最速下降算法。该算法主要原理是对多元二次函数进行降维处理，使其变成一元二次函数，再应用抛物线的性质分别循环迭代地求解每一个维度上的极值。在自适应噪声对消应用中，所提算法与传统的自适应算法进行对比，具有收敛速度快，滤波效果好，滤波效果可调节，抗恶劣信噪比以及急剧变化信噪比，不需选择迭代步长，适合计算机和可编程硬件实现等优点。      

基于自相关及相位差法的高精度频率估计算法

为提高高斯白噪声背景中正弦信号的频率估计精度,对基于自相关运算的频率估计算法的相关长度m进行了推导,得到了m的优化值与信噪比的关系式.当信噪比较高时,m的最优值为N/3(N为信号采样点数);信噪比较低时,m的最优值为N/2.通过对自相关法及分段FFT(Fast Fourier Transforms)相位差法特性的分析,提出了一种性能更优的频率估计综合算法. Monte Carlo仿真实验表明:新算法吸收了两种算法的优点,克服了其不足,在更大的信噪比范围内具有较高的频率估计精度,且计算量也较小.      

微处理器中含噪热传感器位置分布优化方法

高性能处理器普遍集成热传感器,采用动态热管理技术对芯片实施连续热监控。然而,由于实际芯片中的模拟或者数字热传感器不可避免伴随噪声,使动态热管理的可靠性受到很大影响。因此,为了提高热监控的精确性,本文运用主成分分析（PCA）技术对原始热图像样本矩阵进行降维近似处理,并结合矩阵扰动分析提出基于模拟退火算法的热传感器位置分布优化方法。实验结果表明：该方法比现有的贪婪算法在热重构误差、信噪比（SNR）和误警率等性能方面有了一定提高,能够有效运用在动态热管理中实现精确的热监控。     

基于认知无线电的GEO与LEO卫星频谱共存

随着新的宽带多媒体业务的发展，宽带无线频谱的需求日益增长。同时，低轨道（LEO）卫星由于其传输损耗低、传播时延小而被大规模部署。为了更好地利用频谱资源，卫星通信系统普遍采用高轨道（GEO）卫星与LEO卫星频谱共存的方案来提高频谱利用率。在频谱共存的过程中，提出了一种基于动态阈值的能量检测与波束跳跃相结合的算法，以减小LEO对GEO卫星的干扰。首先对LEO卫星的信噪比进行估计并实时选择最优阈值，然后利用基于动态阈值的能量检测算法对GEO卫星信号进行判别，最后根据判断的结果进行波束调整。仿真结果表明，提出的基于动态阈值的能量检测算法的检测误差明显低于传统的基于固定阈值的能量检测算法和基于二阶循环统计量的频谱感知方法。当信噪比低于-10dB的情况下，检测误差低于0.2；而当信噪比高于-5dB时，检测误差趋近于0。     

相位梯度自聚焦算法的性能分析及改进

描述了相位梯度自聚焦(PGA)算法的实现步骤.基于对PGA算法的性能分析及对PGA算法的基本步骤所起作用的研究,提出了两种改进的方法.首先,通过对加窗方法的改进,提高了算法的聚焦速度;另外,通过选择适当的距离行进行处理,使算法即使在低信噪比的条件下也能达到较好的聚焦效果.      

基于瞬时相位的BPSK信噪比估计算法

通过对加性高斯白噪声条件下正弦型信号瞬时相位分布情况进行研究,提出了一种新的BPSK(Binary Phase Shift Keying)信噪比估计方法.含噪信号瞬时相位的方差与信噪比之间存在近似线性的一一对应关系,以此为基础通过将含噪信号的估计方差与理论值相比较获得信噪比估计值.该方法直接对基带过采样信号进行处理,不需要事先进行符号定时与同步.使用计算机仿真测试了算法的估计性能,并与高阶累积量方法和子空间分解方法进行了比较,结果表明该算法具有更高的估计精度.