基于连续小波变换的脉内调制类型识别技术

脉内调制类型识别是雷达侦察的关键技术之一,特别是低信噪比下的脉内调制识别技术是当前研究的热点.利用基于连续小波变换的瞬时频率提取技术,可以在低信噪比条件下获得不同调制类型信号的瞬时频率特征,从而实现低信噪比下的脉内调制类型识别,仿真结果表明采用这种方法可以有效地实现低信噪比下的瞬时频率提取.     

雷达信号脉内调制特征的时频分析

以线性调频与非线性调频信号为例 ,对雷达信号的脉内调制特征进行了时频分析。首先 ,通过求取解析信号的瞬时相位微商的方式得到信号的瞬时频率 ;然后引出Wigner分布和小波变换的方法 ,对信号进行分析 ,从而得到了调频信号的时频分布 ;最后 ,对这三种方法作了分析比较 ,指出小波变换方法是进行雷达信号脉内特征分析的有力工具     

LFM-BPSK复合调制信号识别和参数估计

雷达信号脉内调制方式识别是电子对抗的重要内容。从工程应用的角度,对滤波后的复信号利用改进的相位展开算法,计算瞬时相位、瞬时频率。判断频率跳变点的个数,对时-频曲线进行拟合,根据拟合的参数和信号的时宽带宽积确定信号是否为线性调频-二相编码复合调制信号。再对正确识别的信号进行参数估计,接着重构原线性调频信号,共轭相乘得到基带相位编码信号。最后采用小波变换法提取码速率。仿真结果表明,该算法有很好的识别率和参数估计精度。     

小波变换在检测继电器内小颗粒中的应用

本文叙述了小波变换的原理、性质及算法，介绍了小波变换模的极大值与信号突变之间的关系。最后，沿模极值链成功地把继电器内小颗粒被激振后的瞬时冲击响应信号从背景噪声中提取出来。并作了实验统计来证明其可行性。这对继电器内小颗粒检测系统实现智能化、自动化很有意义。     

低信噪比下相位编码信号脉内特征提取新方法

针对低信噪比条件下相位编码信号的相位估计容易受噪声影响的问题,提出了将自适应阈值消噪技术与小波变换结合起来的新方法.首先利用连续小波变换计算信号的小波谱,再对小波谱进行自适应阈值消噪处理,进而提取小波谱脊线,得到相位编码信号的脉内调制信息.计算机仿真验证了该方法的可行性.     

利用瞬时频率提取雷达辐射源特征的新算法

介绍了一种新的雷达辐射源特征提取算法,该算法首先通过伪维纳分布寻找一个随时间变化的最佳窗,基于该窗精确估计信号的瞬时频率,从瞬时频率估计中,可以识别出相位编码信号,然后对于不同的编码类型,利用所估计的瞬时频率,提取瞬时频率的自相关的主瓣峰值和最大旁瓣值的比值作为识别特征.仿真实验证明该算法提取的特征值可有效识别不同体制的雷达信号.     

基于小波变换的固体火箭发动机深层界面超声回波信号分析

针对固体火箭发动机多层粘接结构中的超声检测回波信号严重混迭及难以分辨的问题,提出对回波信号进行小波变换,提取小波变换后各个频段的能谱作为特征,为多层粘接结构中深层界面的粘接缺陷分析及识别提供依据。实验结果表明,超声回波信号分析方法可有效提取出固体发动机多层粘接结构中的深层界面信号特征,并能将缺陷识别、定位。     

基于ICA和小波脊的多辐射源调制类型识别

针对电子侦察中多个雷达辐射源信号混叠时的调制类型识别问题,利用独立分量分析将多个雷达辐射源信号进行分离,再对分离后的辐射源信号采用小波变换,提取信号时频分布的脊线,最后计算脊线特征值,通过脊线特征值来判断辐射源调制类型.仿真实验验证了该方法的正确性和有效性.     

雷达信号脉内特征的小波分析

提出利用小波分析的方法分析雷达信号脉内特征，介绍了小波变换的方法并分析了利用小波变换的方法分析雷达信号脉内特征的可行性。对几种雷达信号进行了小波变换的模拟分析。结果表明，小波变换是分析雷达信号脉内特征的有力工具。     

火星EDL过程中单音与MFSK信号联合通信研究

分析火星进入、下降、着陆(EDL)过程中直接对地通信("旗语"信号)使用的X频段MFSK通信体制,研究发现,当多普勒动态较高(大于500Hz/s)时信号的误检率较高,无法保证重要事件信息的正确接收。针对这个问题,提出基于优先级的单音与MFSK信号联合通信方式,将重要事件的优先级设为1,利用单音信号传递事件信息,其余事件仍用MFSK信号传递。实验结果表明,单音信号的检测门限比MFSK信号低2d B左右,基于优先级的单音与MFSK信号联合通信方式更有利于降低信号误检率。     

用希尔伯特变换构造解析信号进行时频分析

回顾了信号希尔伯特变换的数字定义和解析信号的构造方法。讨论了用信号希尔伯特变换和解析信号进行信号时频分析 -求信号瞬时频率的基本原理。给出了计算实例。     

基于小波多重分形的通信信号调制识别

针对非平稳、信噪比变化范围较大的通信信号,采用小波多重分形的方法进行调制类型识别。先利用小波变换把通信信号进行分解,再对得到的细节信号计算多重分形维数。仿真结果表明,该方法对噪声和调制参数不敏感,可对通信中的数字调制信号进行有效识别。     

利用多尺度小波变换改进PS点目标探测

如何从SAR图像中自动识别出有效的永久散射体（PS）是PS干涉系统中的关键环节之一。小波多尺度积能够反映目标信号与噪声在各频带之间的关联性,可以通过小波多尺度积来凸显目标。小波模极大值法通过搜索尺度空间中的模极大值,并利用信号和噪声不同的尺度特性来定位和识别目标。文章对这两种识别方法进行理论分析和实验对比,使用南京地区ENVI—SAT卫星的单视复图像数据进行了PS点的提取。实验结果表明：基于小波变换的多尺度PS点识别方法能够有效地降低雷达噪声的影像,可以在各种复杂的背景情况下有效地识别PS点。其中,小波模极大值法具有更为稳健的抗噪能力。     

基于小波脊线的单分量LFM信号参数估计

由渐进信号的小波脊线出发,根据瞬时频率与小波脊线的关系,提出了一种估计单分量线性调频信号(LFM)参数的方法。通过最小二值法提取由小波脊线所获得的含噪直线的参数,最终估计出信号的起始频率和调频系数。仿真结果表明此方法具有一定的抗噪声性能。     

基于星座图恢复的PSK信号调制方式盲识别

针对非协作通信条件下PSK信号识别问题,提出了一种基于星座图恢复的MPSK/MDPSK信号调制方式盲识别系统.该系统不需要信号任何先验信息,星座图恢复所需的参数如载波频率、符号速率、位定时信息均从接收序列中估计得到,同时,在系统中采用相位差分的方法以消除由载波估计偏差引起的星座图扩散.提出并定义信号隶属度函数,该函数利用星座图盲聚类得到的聚类中心的数目计算隶属度来实现MPSK和MDPSK信号调制方式识别.仿真表明,在AWGN信道条件下,当SNR＞11dB时,对所有信号的识别率大于90%,对于BPSK、4PSK信号在SNR＞6dB时识别率达到100%,证明了该算法的有效性.     

海洋环境中基于小波变换的弱信号检测新方法

海洋环境中弱信号的谱与海杂波的谱相混叠,目标和背景的位置差异很小,经典的频域或空域处理对海杂波中弱信号的检测难以奏效。鉴于小波变换在提取弱信号方面具有独到的优势,提出了一种海洋环境中基于小波变换的弱信号检测方法。利用雷达采集的真实海杂波数据,在不同信杂比的条件下,研究了该方法与经典频域法在信号检测中的差别。通过实验分析,与经典方法相比,当信杂比达到-14.7dB时,仍能很好地对信号进行检测。     

小波变换在信号去噪中的应用

阐述了小波变换去除信号噪声的基本原理和方法。研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声。实例证明,基于小波变换在非平稳信号噪声抑制和去噪分析中具有很好的应用效果。     

基于卷积神经网络的雷达辐射源稳健识别方法

针对低信噪比下，基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高，因而处理复杂度高的问题，提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征，获得变换域的表征信号，将其作为卷积神经网络的输入，实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点，采用主成分分析方法对信号特征域进行降噪处理，提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能，通过理论分析及不同方法的实验对比，验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势，具有良好的工程实用性。     

小波包-神经网络在桥梁损伤定位检测中的应用

将小波包变换和人工神经网络相结合,用于模型桥不同位置的损伤智能定位检测。首先对不同位置损伤振动信号进行3层小波包分解,并计算信号在各频段所占的能量率,以此作为训练样本对拓扑结构不同的人工神经网络进行学习训练,然后利用训练好的网络对不同损伤位置进行定位识别。方法可以有效地区分各种损伤位置,为结构损伤智能检测与评估提供技术积累。MATLAB数值仿真结果进一步验证了方法的可行性和有效性。     

基于小波变换法的相位编码信号脉内特征提取

信号脉内调制信息识别技术对密集和复杂环境中辐射源的分选和识别有着重要的意义。研究了基于小波变换技术识别相位编码信号的脉内调制信息的算法,分别基于计算机仿真数据和专用设备提供的仿真数据进行了算法验证,结果证实了算法的可行性。