共查询到18条相似文献,搜索用时 437 毫秒
1.
2.
针对单矢量水听器探测条件下的水声目标线谱提取问题,提出一种可实时性迭代计算的线谱提取算法。首先利用矢量水听器声压振速通道的联合信息处理,可提高水声目标信号的信噪比。其次,利用基于极大值滤波器的线谱预处理方法对信号频谱进行峰值检测,进而通过在线谱提取过程中引入缓存器,可以在较小的计算复杂度条件下提高信号处理过程中的时间增益,再结合线谱归并方法可以较为精确的提取出目标线谱。经仿真试验分析及海上实测数据验证,该算法能够在低信噪比条件下实现对线谱的检测,并具有良好的抗线谱漂移干扰能力。 相似文献
3.
4.
舰船辐射噪声中的线谱成分能表征舰船的本质特征,是舰船目标识别中的主要特征矢量.因此,舰船辐射噪声线谱的准确检测在目标识别中具有十分重要的意义.针对海洋环境噪声中舰船辐射噪声线谱检测问题,提出了两级自适应线谱增强器(adaptive line enhancement,ALE)检测方法.该方法在原一级ALE检测方法的基础上,将原信号延时信号与一级ALE误差信号相减后作为第2级ALE的输入再进行1次ALE.该方法较一级ALE在输入信号信噪比较低时能准确地将线谱从宽带背景噪声中分离出来.仿真和实验结果表明该方法的有效性和准确性. 相似文献
5.
6.
7.
8.
为实现强海洋背景噪声中的微弱船舶轴频电场信号检测,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和窄带子区间功率谱熵的线谱提取新算法.首先,利用EMD方法从含噪信号中分解出一组有效固有模态函数(Intrinsic Mode Functions,IMFs),对各有效IMF的功率谱进行子区间划分;其次,定义并计算各子区间的能量峰值熵比(Energy Peak Entropy Ratio,EPER)特征;最后,通过对轴频信号和环境噪声物理特征差异的分析,结合K-均值聚类方法进行特征量的筛选,实现线谱提取.海上实测数据的处理结果表明,相比于直接的功率谱分析,算法的线谱可提取下限降低了6.7 dB. 相似文献
9.
当被动声呐探测舰船目标时,舰船辐射噪声中的线谱成分是舰船分类识别及航行状态监测的特征参量,通常情况下线谱的频率及数量是未知的。针对现有未知频率的Duffing振子检测方法存在系统结构复杂,判别时间长,需要人为参与等问题,本文构造了变参数单一Duffing振子检测模型,并提出了变频频率切片小波变换的Duffing振子检测方法。该方法通过设置合理的频率灵敏度参数自动地调整系统内置策动力频率值,利用频率切片小波变换提升系统抗噪性能,结合Poincare映射特征函数的系统相态定量判决方法,变频搜索待测信号中的线谱分量。在实测数据的分析处理中,对不同观测时间内的数据进行检测,实现了线谱成分的检测跟踪与频率估计,并根据时间轨迹上的频率识别信息确定存在的稳定线谱成分。数据处理结果表明,该方法能够实现低信噪比下参数未知线谱的检测与频率估计。 相似文献
10.
11.
12.
频谱感知是认知无线电的关键技术之一。讨论了一种利用信息熵的频谱感知方法,并以IEEE 802.22的一种主用户信号对算法性能进行了仿真分析。仿真结果表明这种方法能够克服噪声功率不确定性的影响,而且对信息熵估计时的参数选择不敏感,在低信噪比下能够获得较好的检测性能。 相似文献
13.
在杂波和噪声环境下脉冲雷达对杂波和噪声进行统计分析处理,确定杂波和噪声的概率分布模型,选择相应的恒虚警检测方法,以检测目标回波信号。N-P准则不能随环境的变化而调整门限,虚警概率较高;而CA-CFAR检测能够根据参考窗内的信号的特性,自适应调整检测门限,虚警概率较低。文章研究了N-P准则和CA-CFAR检测技术的基础,并对二者的检测性能进行了仿真分析比较。 相似文献
14.
Duffing振子是利用系统对与策动力同频的小信号敏感而对噪声免疫实现微弱信号检测,特定分布下的噪声激励Duffing振子系统不会发生相变是应用该方法的前提条件。文中主要研究了服从Alpha稳定分布的噪声激励Duffing振子产生相变的鲁棒性问题,研究结果表明Duffing振子相变在Alpha稳定分布源的激励下为小概率事件。为消除小概率相变的影响,利用多支路并行检测及多数判决准则对常规的Duffing振子检测方法进行改进,即将待测信号分段截短周期延拓后送入多个并行Duffing振子检测单元,若检测单元多数发生相变,必然是由于弱目标信号而非噪声激励所致,即可判定检测信号中包含目标小信号。将该方法应用于水下目标回波信号的检测中,实测数据处理结果验证了该方法是有效的。 相似文献
15.
16.
Detection of weak underwater signals is an area of general interest in marine engineering. A weak signal detection scheme
was developed; it combined nonlinear dynamical reconstruction techniques, radial basis function (RBF) neural networks and
an extended Kalman filter (EKF). In this method chaos theory was used to model background noise. Noise was predicted by phase
space reconstruction techniques and RBF neural networks in a synergistic manner. In the absence of a signal, prediction error
stayed low and became relatively large when the input contained a signal. EKF was used to improve the convergence rate of
the RBF neural network. Application of the scheme to different experimental data sets showed that the algorithm can detect
signals hidden in strong noise even when the signal-to-noise ratio (SNR) is less than −40d B. 相似文献
17.
18.
提出了一种基于Duffing振子的线谱信号检测方法。分析了Duffing方程的分叉特性以及利用其检测微弱周期信号的工作原理,在此基础上对此种混沌检测方法进行了实验研究。实验结果表明,此方法能准确检测出信噪比很低的微弱线谱信号,为水声领域线谱检测系统的设计提供了依据。 相似文献