固有模态函数（IMF）积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器。首先通过经验模式分解（EMD）把带噪信号分解成有限个固有模态函数（IMF）。检测的基本思路是，对各个IMF分量的绝对值作逐点乘积，用于抑制噪声并凸现信号，最后进行滤波和判决。本文以UWB信号为例，数据源于UWB雷达实验系统。在低信噪比（SNR），UWB脉冲与噪声波形相似，且噪声概率密度函数（PDF）未知情况下，进行实验。结果表明，当峰峰信噪比低于5dB时，该检测器性能优于Teager能量算子（TEO）。     

基于相关系数与小波模极大值的火箭振动环境数据预处理方法

提出一种去趋势项和小波模极大值结合的方法对火箭飞行中测得的信号进行预处理,以消除信号中的低频干扰和噪声。对原始振动信号进行经验模态分解(EMD),得到若干个固有模态函数(IMF)分量,对除最后一项分量的IMF进行重构并再次分解,用重新得到的IMF与再次分解前信号的相关系数作为判断标准,剔除分解中产生的低频干扰分量;用小波模极大值方法对消除低频干扰的振动信号进行降噪处理,再用交替投影算法恢复信号。仿真试验和工程实例分析结果表明:该法能有效消除火箭振动信号中的低频干扰和噪声信号。     

基于集合经验模态分解和小波阈值的真空泵振动信号降噪方法

真空泵的振动信号具有非平稳、非线性的特性,且夹杂着大量背景噪声,难以直接对其特征信号进行提取、分析,阻碍对真空泵的在线故障诊断。为此,文章提出基于集合经验模态分解(EEMD)的真空泵振动信号小波阈值降噪方法:首先将振动信号进行EEMD分解,得到若干个本征模态函数(IMF)与余项,然后引入归一化自相关函数对IMF分量进行筛选,再对筛选出的IMF分量进行小波阈值降噪处理,最后将降噪后的IMF分量与未处理的IMF分量和余项进行重构,得到降噪后的真空泵振动信号。对仿真与实验信号进行降噪处理的结果表明该方法优于现有的降噪方法,为真空泵振动信号的降噪提供了新的途径。     

基于PSO-VMD算法的生命探测方法研究

生命探测雷达在航空航天领域有着重要的应用,通过探测飞行员的呼吸、心跳、肢体动作等微弱信号,实现对飞行员的生命监测。针对实际场景中生命体微弱信号检测困难的问题,提出一种将包络熵作为粒子群算法适应度函数的变分模态分解（variational mode decomposition,VMD）参数优化算法。首先,利用粒子群算法对适应度函数进行选择,确定VMD算法中固有模态分量的分解层数以及惩罚因子个数的组合;其次,通过频谱分析选择特定层数的固有模态分量并重构雷达回波信号;最终达到去除噪声,提取生命体弱信号的目的。对比实验表明,所提出的方法相比经验模态分解算法能够更加准确地提取生命体信息,仿真结果验证了算法的有效性。     

高斯白噪声下瞬时频率概率密度及应用

对高斯白噪声下时变信号瞬时频率(IF)概率密度进行了研究.基于相位误差分布及近似分布分析,提出了两种IF概率密度的近似函数,用理论推导和假设检验方法分别验证了对应分布函数的正确性.对三种近似式函数在估计解调频移键控(FSK)信号所需最小信噪比进行了比较,证明了提出的IF概率密度近似函数有较好的准确性.     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

一种提高超宽带雷达目标识别概率的方法

首先利用电磁散射理论分析了空中目标在超宽带(UWB)雷达照射下的电磁散射特性,阐述了UWB雷达目标识别的方法与步骤,然后对回波信号的相参积累用于提高UWB雷达目标识别概率的效果进行了分析。理论分析和计算机仿真结果均表明,在低信噪比的情况下,相参积累方法可以提高UWB雷达的目标识别概率。     

脉冲噪声下微弱信号相似度检测方法及应用

实际中采集的信号常常含有脉冲性噪声且信噪比偏低,这时用相关函数来表示信号之间的相似度时,会出现精度不高、鲁棒性不强的问题。提出了一种脉冲噪声下微弱信号的相似度检测方法,即非线性变换法。该方法采用Alpha稳定分布描述脉冲噪声信号,首先将采集的带噪信号进行Sigmoid映射,削弱脉冲噪声对信号相似度检测的干扰;接着对映射后的信号求取相关函数,得到信号之间相似度的信息。该方法简洁、计算量小,没有调整参数,能较好地减弱脉冲噪声对信号相似度估计的不利影响。该方法可以应用于定位系统中信号到达时差的估计。比较脉冲噪声低信噪比条件下计算机仿真结果显示,非线性变换相关法的估计精度高于共变法。实验结果表明:非线性变换相关法不仅可以用于高斯噪声环境下微弱信号相似度的检测,也可以用于强脉冲噪声环境下信号相似度的检测,具有较宽的适用范围和较好的鲁棒性。     

一种空间目标翻滚周期估计的新方法

针对传统自相关和频谱周期估计方法常会出现虚假周期,提出一种基于非参数检验经验模态分解的周期估计方法。首先对空间翻滚目标的RCS序列进行形态学闭运算提取趋势特征,然后对闭运算后的RCS序列进行经验模态分解,对分解得到的每个本征模态函数(IMF)进行谱分析得到其IMF周期,最后基于非参数检验理论,对每个IMF周期进行分组求秩检验得到目标的翻滚周期。仿真和实测试验结果表明,该方法不仅能够克服虚假周期的影响,而且能够明显改善对翻滚周期的估计精度。     

基于小波变换的SAR相干斑抑制方法研究

SAR图像固有的相干斑噪声恶化了其成像质量,如何有效抑制相干斑噪声并保留SAR图像的细节信息是研究的一个热点问题。基于SAR相干斑乘性噪声模型,根据小波阈值处理的原理,分析小波滤波在SAR相干斑抑制中存在的关键问题和硬、软阈值处理中存在的不足,提出一种新的阈值函数,并利用均方误差和峰值信噪比指标对相干斑抑制效果进行评估。实验结果表明,新的阈值函数在有效抑制相干斑噪声的同时还保留大量SAR图像的细节信息,较硬、软阈值函数有更好的滤波效果。     

基于参数可调随机共振的微弱单方波脉冲检测方法

利用langevin方程构成的双稳态随机共振系统，本文提出了一种非线性检测器。利用Fokker-Planck方程的稳态概率密度函数，推导了该非线性检测器的检测概率、虚警概率和偏移系数，分析单方波脉冲在该检测器下的性能。实验结果表明，在低信噪比（-10dB）的情况下，随机共振检测器优于匹配滤波检测方法。     

基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题，从优化卷积神经网络结构的角度出发，本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛，提升网络的学习效率。本文首先建立舰船目标模型，分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异，然后利用四种信号对舰船目标模型生成数据集，最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下，本文所提方法对四种信号的识别准确率达到98.1%，表明所提方法有着较好的稳定性和鲁棒性。     

超宽带无线电引信接收机时域建模与仿真

为得到弹目交会过程中超宽带无线电引信接收机的时域输出信号,实现高速交会条件下引信接收机的性能优化,推导了取样积分微分电路的时域数学模型,提出了一种基于无载波信号时域多普勒效应的接收机输出信号时域仿真方法.弹目接近速度对接收机输出信号的影响研究表明,输出信号频率与弹目接近速度成正比;信号幅度与弹目接近速度关系曲线存在速度驻点.选择合理的积分、微分电容可设置恰当的速度驻点,提高引信的抗干扰性能.     

DBF\|SAR系统1比特量化设计

为解决DBF\|SAR系统数据率巨大和星上处理复杂的问题,提出了一种将各通道回波和距离向匹配滤波器都1比特量化的处理方法。首先证明当回波信噪比较低时,符号位已包含了目标的幅度信息,从而为1比特量化提供了可能;在此基础上,利用各通道间信号相关性强而噪声相关性弱的特点,通过数字波束成形技术,提高了系统信噪比。接着探讨了该方法的硬件实现结构和资源消耗情况。最后,仿真结果表明了方法的有效性。该方法在不明显降低成像质量的前提下,简化了系统电路设计和减小了数据率,对DBF\|SAR系统的工程实现有一定参考价值。     

基于模糊函数的雷达辐射源信号分选新方法

当前的雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,对此,提出一种新的分选算法。对接收到的信号首先求取其模糊函数,并将其简化为二维特征图,然后对该二维特征图进行小波包分解,得到八维小波包变换特征（WPT）,最后将类间分离度最优的第二维小波包变换特征Wpt2和第五维小波包变换特征Wpt5作为分选的特征参数。由于不同信号的模糊函数区别较大且受噪声的影响小,因此转换后的WPT可分性强、稳定度高;大量的仿真验证了新方法的优越性,在信噪比为10dB时,分选准确率最低为90％。