基于MSST及HOG特征提取的雷达辐射源信号识别

针对传统雷达信号识别算法在低信噪比下识别准确率低的问题,提出了基于多重同步压缩（MSST）时频变换及方向梯度直方图（HOG）特征提取的雷达辐射源信号识别算法。所提算法在雷达时域信号短时傅里叶变换（STFT）基础上进行多重同步压缩处理获得信号时频分布图,通过HOG算子对信号时频分布图进行HOG特征提取,将提取的HOG特征通过主成分分析法（PCA）进行降维,将降维后的特征参数送入支持向量机（SVM）对雷达信号进行分类与识别。实验结果表明：所提算法具有较低的复杂度,当信噪比为-8 dB时,仿真实验与半实物仿真实验针对9种典型雷达信号的识别准确率达到90%以上。     

一种地震动信号特征提取与分类方法

为了实时检测、识别和预警对地下基础设施的挖掘破坏活动,本文提出一种地震动信号特征提取与分类方法。通过提取小波包变换域和集合经验模态变换域的多域能量联合分布特征向量,构建改进的径向基神经网络分类模型,利用机器学习的方法提取稳定的信号多域融合特征,并实现准确的信号特征分类预测。由多类别挖掘信号的仿真实验结果可以看出,本文的算法和模型能有效提升地震动信号分类的准确率,对地震动干扰信号具有较强的鲁棒性。     

基于小波包变换及时间 小波能量谱的振动信号分析研究#br#

基于具有时频分析特性的小波包分析方法，对振动系统的测量信号进行了降噪处理，采用的软 硬阈值折中小波去噪方法兼有软阈值与硬阈值降噪的优点，且通过折中因子的引入，可以在信号分析中更灵活的进行信号处理.对去噪后的信号，基小波时间 能量谱分析，可以很好的将信号的主成分清晰的展示出来，并根据其能量在各频带的分布，可以直观的展示信号特征，为机械振动系统的故障诊断与识别，提供一套理论的方法.研究中所发展的分析方法在机械振动系统及其振动组件的状态监测及故障诊断识别方面有广阔的应用前景.     

高精度连续时频信号产生和控制系统的分析

具体分析了NTSC和LORAN-C的两套时频基准系统。结果表明,NTSC时频基准系统可以产生高精度的时间频率信号,但是没有主标备份,不利于连续性的保持;而LORAN-C的时频基准系统产生控制高精度时频信号,同时主标发生故障时自动切换到副标,不停止信号的输出,而且切换主标时不会发生信号瞬间中断或相位突变,这些又保证了信号的瞬间连续性。它可广泛应用于守时、授时及导航系统中。     

基于双谱分析的高原灌木回波信号分类

目标的回波信号是无线电引信获得目标信息的最重要方式,为了太赫兹频段的引信前端未来能够投入高原战场,适应高原不同的地貌环境,利用双谱对高原在灌木地形下不同高度的太赫兹波回波特性进行了分析。为减少分类时间,对双谱数据进行积分,得到实采信号双谱切片的特征,进而利用最邻近算法对此进行分类。利用经验模态分解(EMD)提取原始数据内在模态函数的特征,再次分类并与前一组分类结果进行对比。通过一系列数据的分类,结果表明：利用一维的积分双谱信息可以有效提取出距离地面分别为2 m、3 m、4 m、5 m时的特征并进行分类,经验模态分解也可以有效提高分类的成功率,成功率最高可达90%以上。     

1553B总线控制器编解码设计

1553B总线以其可靠性高、实时性好的优点被广泛应用于航天领域.针对目前中国采用进口芯片实现1553B通信存在的弊端,这里采用FPGA来实现1553B通信.当前1553B解码器只支持正负信号同时输入.本文对解码器进行改进,实现支持只正端信号输入、只负端信号输入和正负端信号同时输入三种模式.根据1553B编码器和解码器的设计过程和工作原理对所提方案进行测试.结果表明,本文设计方案与采用进口芯片的方案相比,测试结果一致性良好.经过大量测试,这里设计的具有自主知识产权的1553B IP核运行稳定,能够满足航天工程化的要求.      

基于最大熵法和遗传算法的SMSP干扰对抗方法

线性调频(LFM)信号是现代雷达常用的发射信号,可以有效提高雷达的检测性能,然而频谱弥散(SMSP)干扰应用于主瓣自卫式干扰时,干扰信号强度远大于目标回波信号,能够对目标回波信号形成遮盖,是一种有效对抗LFM信号的干扰样式。利用干扰信号与目标回波信号时频特征的不同,通过广义S变换(GST)凸显时频特征差异。运用最大熵法和遗传算法(GA)求取时频滤波器的分割阈值。通过构造的时频滤波器达到干扰抑制的目的。仿真结果表明:当干信比(JSR)大于10 dB、信噪比(SNR)大于0 dB时, 所提方法具有较好的干扰抑制效果,其中最大信干噪比(SJNR)增益接近25 dB。      

基于支持向量机的飞行器多余物信号识别

针对飞行器控制电路在生产制造过程中可能引入金属线头等微小多余物,从而留下短路等安全隐患的问题,提出了一种基于微粒碰撞噪声检测（PIND）的飞行器多余物材质识别方法。首先,利用短时自相关函数提取PIND信号的脉冲部分;然后,提取多种时频域统计特征,并与梅尔频率倒谱系数（MFCC）特征结合起来;最后,训练多分类支持向量机模型实现材质分类。为验证所提方法的有效性,采集了3种不同材质多余物的PIND信号进行模型训练及测试,实验结果表明,所提方法材质识别准确率达98%,优于同类方法的相关结果。      

地声监测及识别

遥远战场地声信号监测识别系统是国外正在兴起的一种无人自动侦察系统。本文通过对大地传输特性的分析,得出了轮式车辆、履带式车辆和人运动时地声信号的特征。基于此特性,设计出目标分类的特征提取方法,选择了合适的信号处理方法和识别算法。研制了以主从式计算机系统为核心的交互式高速地声信号处理系统;以优化设计思想设计了特征提取算法和识别算法。最后以实验数据为基础提取出特征提取算法和识别算法中的一些参数,并对信号处理系统、特征提取算法和识别算法进行了检验,得到了很好的识别准确度,这表明该系统和各种算法的设计思想是正确可行的。     

基于EMD及PNN的航天器振动环境分析

针对航天器非平稳随机振动信号模态频率密集的特点,提出了基于经验模式分解EMD (Empirical Mode Decomposition)的多分量过程神经网络PNN(Process Neural Network)自回归模型.通过EMD对原始时间序列进行分解, 使之成为一组不同尺度的局部正交本征模函数IMF(Intrinsic Mode Functions),利用PNN对每个IMF分别进行时变参数分析并以此确定其时变自功率谱密度,对所有分量的时变自功率谱密度通过叠加进行重构, 以此得到原始信号的时变自功率谱密度.仿真结果和实例分析表明:和传统的时频分析法相比,该方法直接使用信号数据,避免了相关估计计算,减小了计算工作量;无交叉干扰项,提高了信号的时频分布特性,具有较高的时频分辨率;对各工况下航天器的振动信号能有效的进行分析,具有较强的信号特征提取能力.      

时频信号的非参数加窗稀疏协方差迭代分析法

针对多分量非平稳时频信号的分析，提出了一种非参数加窗稀疏协方差迭代分析（Sparse Iterative Covariance-based Estimation，SPICE）法。该方法通过引入局部化的窗函数，并在窗内对信号建立非参数化的时频模型，以获取非平稳信号的局部时频特性。分析表明：给出的非参数时频模型，可通过加权最小二乘（Weighted Least Square，WLS）进行求解。当将WLS的加权矩阵的构建问题转换为广义噪声协方差矩阵时，提出的模型也可借助于加窗SPICE方法来进行求解。分析和仿真均表明：与传统方法相比，提出方法具有噪声抑制能力强、能量集中度高和对于载频差异较小信号的分离效果佳等优点。     

进动弹道目标平动补偿与分离

弹道目标在中段高速运动时会造成微多普勒曲线的叠加折叠,此时传统的平动补偿方法并不适用于弹道目标。在分析进动锥体弹道目标各个散射点的频率特性后,发现曲线交点处的频率完全是由平动引起的。根据这一特性,提出一种利用时频图交点信息进行平动补偿的方法。首先,得到回波信号的时频骨架图;然后,采用基于双边滤波器的Harris角点检测方法提取出时频骨架中的角点进而得到时频图中的交点坐标;最后,利用交点坐标估计出平动参数进行平动补偿。针对传统Viterbi算法在曲线交点容易产生错误关联的问题,提出一种利用交点信息的分段Viterbi算法对补偿后的时频曲线进行分离。仿真实验验证了所提方法的有效性。      

基于时频域增强和全变差的群目标信号分离

针对低分辨雷达获取的群目标信号的弱时频正交性以及难以分离的问题,在进行时频域增强处理的基础上,提出了一种基于全变差(TV)的群目标信号分离方法。在旋转目标模型的基础上,首先通过分析群目标信号的稀疏性,指出了进行时频域增强处理的必要性。然后利用群目标中各子目标对应的微动周期的差异性,通过双向延迟处理,对多次观测得到的群目标信号进行时频域增强处理。最后根据群目标信号能量区域的分布特性,利用局部TV融合和主分量分析相结合的方法,实现了群目标信号的高保真分离。仿真结果表明,在采样率较低的情况下,文中方法有效地解决了群目标信号中弱信号分量的分离及提取问题,其融合分辨效果明显优于基于TV范数的融合方法。      

基于稀疏时频分解的空中目标微动特征分析

本文以直升机的RCS 信号为研究对象，利用Gabor 原子构造过完备时频原子库，在该库上实现基于匹配追踪（Matching Pursuit，MP）的信号分解，并结合遗传算法寻找最佳匹配原子。最后将每次分解得到的Gabor 原子进行Wigner-Ville 变换，利用结果叠加得到无交叉干扰项的信号的Wigner-Ville 分布（Wigner-VilleDistribution，WVD）。仿真结果表明，该方法能够提高稀疏分解的效率，并且用少量的Gabor 原子就能表示信号WVD。与直接进行Wigner-Ville 变换相比，本方法可以有效地抑制交叉干扰项，且保持高时频分辨率。     

基于广义S变换的空间锥体进动微多普勒分析

锥体进动特性是用于空间目标识别的重要依据之一.为了研究这一问题,提出一种基于广义S变换的空间锥体进动微多普勒特性分析方法.根据锥体进动的物理运动过程建立了相应的数学模型,推导出锥体进动微多普勒频率的理论表达式,并通过仿真结果验证其正确性.该模型采用共原点的目标多坐标体系,使其仅存在旋转关系,从而简化了模型的结构与计算复杂性.在此基础上,利用广义S变换实现了对模拟雷达进动回波的微多普勒特性分析.在不同信噪比条件下的仿真结果表明:该方法时频分辨性较好,而且具有较高的鲁棒性.     

基于小波变换和神经网络的机械故障检测方法

针对机械故障中遇到的问题,提出了基于小波变换和神经网络故障检测方法,小波变换理论能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时-频分辨力。利用小波变换对信号原始信息进行分解,得到信号的不同特征向量。将不同的特征向量送入不同子神经网络进行诊断,并通过神经网络做出最后的诊断。该系统具有知识自动获取、识别速度快、鲁棒性及容错能力强等特点,实例证明该系统是有效的。     

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...     

微波虚拟时频分析仪的分析与设计

指出了经典的时域分析法与频域分析法存在的主要问题 ,然后在虚拟示波器和虚拟频谱分析仪的基础上提出一种微波虚拟时频分析仪的设计方案。简述了此虚拟仪器的功能 ,重点阐述了在仪器开发过程中软硬件的设计 ,并探讨了设计的关键技术及难点