一种基于半符号的PSWFs调制信号PAPR抑制方法

针对椭圆球面波(Prolate Spheroidal Wave Functions,PSWFs)调制信号峰均功率比(Peak-to-Average Power Ratio,PAPR)较高,易受信道非线性特性影响这一问题,文章引入半符号的思想,针对仅传输半个周期的奇对称、偶对称信号,降低并行传输信号路数,提出了一种基于半符号 PSWFs调制信号 PAPR抑制方法。该方法在发射端仅传输部分波形,用以降低调制信号 PAPR;在接收端,利用函数良好的奇偶对称性,对信号进行恢复。理论与仿真分析结果表明,所提方法在未明显降低系统误码性能的前提下,能够有效降低椭圆球面波调制信号峰均功率比。     

带通椭圆球面波函数能量聚集性分析

针对带通椭圆球面波函数的能量聚集性及其在通信系统中应用的有效性问题,对带通椭圆球面波函数的能量聚集性进行了理论分析,提出了带通椭圆球面波函数是具有最佳能量聚集性的时限带通函数形式,并与基带椭圆球面波函数、类椭圆球面波函数进行了比较分析,采用基于特征值分解的数值算法对函数进行了仿真分析。理论分析和仿真结果均表明,带通椭圆球面波函数可以应用于大多数现有的传输系统,并能有效地提高系统的功率利用率。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于 SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于 SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了 1种小波域 SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强 Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的 SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。     

Morlet组合小波在颤振试飞中的应用

Morlet小波是高斯包络下的复指数函数,利用其虚部是实部的Hilbert变换,频域波形为钟形的特征,提出了基于Morlet组合小波的滤波方法。利用该方法,能方便地构造合适的Morlet组合小波,完成对飞行颤振试验响应信号的滤波,并保证滤波后相位不变。通过数字仿真研究了其方法的有效性,工程应用表明,该方法能够有效滤除飞行颤振试验响应信号的噪声,具有良好的应用前景。     

子波域自适应滤波方法

推导和给出了噪声能量阈值的理论计算公式,并提出了一种实时估计信号噪声方差的有效方法,从而构成形式完整和实用的自适应相关计算子波阈滤波算法。仿真计算和分析表明：给出的方法具有良好的自适应性能和显著的滤波效果,在有效去除噪声的同时,很好保留了信号的主要细节。     

扰动基座下惯组信号消噪方法对比研究

针对捷联惯导系统在扰动基座下对准时,惯组信号中存在干扰角运动和线运动的特点,进行了车载扰动基座初始对准试验,对试验数据进行频谱分析,得到车载扰动基座环境的频域特性。根据分析结果,设计并实现了FIR数字滤波器滤波和小波滤波对惯组信号的消噪,频谱分析和惯性系粗对准的结果显示,这两种方法都能有效地消除惯组信号中的噪声。数据分析显示,小波滤波的效果要优于FIR数字滤波器滤波的效果。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

激光脉冲法背温信号中噪声信号的滤除方法

针对激光脉冲法背温信号中存在的噪声干扰,通过频谱分析确定了噪声信号的频率范围,设计了相应的FIR数字滤波器,并对滤波后存在的残留噪声进行了递推平滑滤波.滤波前后的数据对比表明,该方法能有效滤波背温信号中的噪声.     

基于时频域滤波及频域广义整体最小二乘辨识的飞机颤振模态参数辨识

提出一套适用于噪声环境的飞机颤振模态参数辨识方法.为减小噪声对辨识结果的影响,首先设计了一种针对扫频激励的时频滤波器,利用扫频信号及其响应在时频域分布较为集中的特点,有效去除噪声,提高了试验数据的信噪比.为进一步提高辨识精度,提出了一种基于随机模型的频域广义最小二乘辨识算法.将噪声条件下的系统辨识问题转化为广义整体最小二乘问题,并采用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算.通过优化加权项,获得了接近极大似然估计的辨识效果.最后,通过试飞试验数据验证了方法的有效性.     

时频域滤波方法及其在颤振信号处理中的应用

采用自适应时频分析方法并通过理论分析和数字仿真完成了相应的数值特性与应用特性研究。根据颠振试验的原理和观测信号特点，将所提出的两种时频域滤波算法引入到了飞机结构亚临界响应分析的颠振边界预测研究当中，即通过联合时频分析(JTFA)与时频域滤波提取有效信号再进行模态参数提取与颠振边界预测，取得了预期的效果。     

一种基于时频分析的欠定盲源分离算法

针对欠定盲源分离,提出了基于时频域信源数估计的盲源分离算法。通过短时傅里叶变换将信号变换至时频域进行分析。在混合矩阵估计环节,根据源信号稀疏性的假设,在时频域利用信号的时间频率比,确定与源信号对应的混合向量。在混合向量聚类过程中,利用同类向量间的距离以及向量不同聚类间的解析度,提出一种信源数估计方法,解决了在聚类算法中假设信源数已知的问题。在源信号分离环节,利用时频子空间中接收信号相关矩阵对角线元素与剩余元素的比值,提出一种子空间信源数估计算法,通过确定信源数,将子空间中欠定模型转换为超定或正定模型,以完成源信号分离。仿真证明算法对混合矩阵估计的正确性以及信号分离的可靠性。     

基于时频脊线和阶次分析的转子故障诊断

为解决采用在转子升降速过程中产生的非平稳信号难以进行故障诊断的问题,提出一种基于2维时频脊线和阶次分析的转子故障诊断方法。采集转子升降速信号,采用2维时频分布的峰值脊线提取法获得信号脊线特征,结合脊线特征与等角度重采样技术依次获得信号角度域、角-阶域和阶次域图像,将信号阶次域内的特征参数作为故障敏感特征,输入人工神经网络诊断模型,对转子信号的故障类型进行分类。利用实测信号验证所提方法的实际应用效果,并与传统特征提取法的结果进行对比。结果表明:阶次分析方法的测试准确率约为99.8%,标准差小于0.09%,均优于传统特征提取法。基于时频脊线和阶次分析的转子故障诊断方法具有更高的诊断准确率,在非平稳信号特征提取过程中具有很好的可行性和准确性。     

Space-time-frequency processing of synthetic aperture radar signals

The subject of this work is the detection and high resolution microwave imaging of objects moving on the ground and observed by an airborne radar. The proposed approach is based on a combined space-time and time-frequency processing. The space-time processing makes use of a linear array antenna and exploits the radar motion for filtering the received echoes in order to improve as much as possible the signal-to-disturbance ratio. The signal is then mapped onto the time-frequency domain, by computing its Wigner-Ville distribution, for a further filtering and for estimating its instantaneous frequency, necessary for the formation of a high resolution image of the moving object     

基于EMD-TFPF的仿生偏振光罗盘去噪方法

为了提高仿生偏振光罗盘定向精度,降低罗盘在进行航向角测量时存在的高斯白噪声,基于经验模态分解(EMD)和时频峰值滤波(TFPF),设计了一种用于仿生偏振光罗盘的EMD-TFPF联合去噪方法.在去噪过程中,首先将含噪声的航向角信号分解为不同的模态,对不同模态采用不同窗长进行时频峰值滤波,进而改善了单一窗长去噪对有用信号造成的衰减,有效提高了去噪算法的自适应能力.经过机载实验验证,采用该方法去噪后的仿生偏振光罗盘可以实现定向精度0.3259°,比原始信号精度提升了18.4％.     

一种改进的星图降噪算法研究

在星敏感器的使用过程中，由于外界环境的影响及传感器自身的限制，拍摄出来的星图不可避免地存在一些噪声，因此对星图进行去噪处理是一项非常重要的工作。针对传统高斯模板滤波存在的引入邻域噪声、无法自行根据星图特性修正等造成去噪效果不好的问题，提出了一种改进的星图降噪算法。该方法在滤波前先进行坏点剔除工作，并采用高斯低通滤波与高通滤波结合的方式对图像进行处理，在抑制噪声的同时有效地保留了星点信号。通过阐述星敏感器的工作原理，分析星图的噪声特性，对星图滤波去噪算法进行研究，并进行模拟星图影像提取星点坐标实验。结果表明：使用该算法进行滤波比传统的高斯滤波算法提取的质心坐标精确度更高，较传统方法横坐标提高0.00538个像素点，纵坐标提高0.0077个像素点，证实了图像处理算法的有效性。     

基于S变换的时频特征提取与目标识别

目标的时间-频率联合分布能够很好地反映目标物理结构特征,可以作为雷达目标识别的一个有效手段。针对现有时频分析方法存在的识别率低和抗噪性能差等问题,提出一种基于S变换的空间目标回波信号电磁特征提取与识别方法。首先对目标的雷达回波进行时频分析,得出在较大方位角变化范围内和不同信噪比情况下,目标S变换的时频分布具有相对不变性的结论;然后基于这种稳定的时频分布特征,采用最小贴近度的方法进行分类识别。针对不同目标模型的仿真结果表明,该方法的识别率高于其他时频分析方法并且具有很好的鲁棒性。     

EMD的频带滤波筛分方法

Hilbert—Huang（HHT）变换方法由经验模态分解（EMD）及Hilbert变换两部分组成,能在时频域上正确地描述非平稳非线性信号的局部特征。但由于模态混淆,当信号组合分量的频率太接近时,HHT常不能正确分解窄带信号。针对这一情况,提出了EMD筛分过程的一种新的改进方法——频带滤波HHT方法,并运用此方法成功分解了双自由度线性体系反应的窄带信号。     

基于周期Wigner-Hough变换多相编码连续波雷达信号检测算法

为提高雷达侦察截获接收机对多相编码连续波弱信号截获能力,提出了一种基于周期Wigner-Hough变换（Periodic Wigner-Hough Transform,PWHT）的多相编码连续波信号检测算法。研究了线性调频连续波信号的PWHT及性质;分析了多相编码连续波信号时频主脊线的类似线性调频连续波特征;推导了高斯白噪声在PWHT域的统计分布特征,根据多相编码连续波信号与线性调频连续波的相似性,提出了基于PWHT的多相编码连续波信号检测算法,给出了实现流程,并计算出其检测性能和参数估计性能仿真的仿真结果。仿真结果表明：该算法较已有的其他多相编码信号检测算法有更好的弱信号检测能力,最小可检测信噪比至少可以降低3dB,并随着观测时间延长而进一步降低;其参数估计精度具有渐进最优的性质。