LMS算法在舰船磁场信号检测中的应用

针对检测舰船磁场信号时信噪比较低的问题,提出了一种基于变步长LMS算法的检测方法.根据舰船磁场信号的实际特征,首先采用小波阈值去噪法对实测信号进行处理,去除测量信号中的白噪声,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取舰船磁场特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强了对舰船磁场信号的检测能力.     

随机矩阵理论在舰船复杂网络去噪中的应用

通信信号质量直接关系到海上舰船与岸上基站之间的通信是否有效,提出一种基于随机矩阵理论的舰船复杂网络去噪方法。首先采集舰船复杂网络中的通信信号并进行处理,转换成随机矩阵形式,然后通过计算距离提取被噪声"感染"的信号特征,最后计算噪声感染程度特征值,选取噪声信号,并进行滤波处理,实现去噪。结果表明:所研究方法应用下,去噪后的通信信号信噪比为7.821 dB,信息熵为15.362,大于传统方法应用下的去噪效果,由此说明该方法可以同时达成去噪效果和保证信息完整性的双重目标。     

基于二次小波去噪的 FastICA 盲源分离研究

论文针对含噪声混合信号分离问题,提出了三步处理法,首先采用小波滤波进行去噪处理,再采用快速独立分量分析（FastICA）盲源分离技术实现混合信号的分离,最后对分离后的信号二次使用小波滤波处理。仿真实验结果表明,该方法能够很好地分离含噪混合信号,从分离前后的波形及平均信噪比对照,去噪性能和分离效果良好。     

EMD小波阈值去噪在海工物探中的应用

本文以海洋工程地质地球物理模型和我公司完成的海洋工程地震勘探数据为依托,综合分析了小波变换、EMD处理、基于EMD小波阈值去噪处理等数据处理技术对于海洋地震勘察数据处理的作用,论述了基于经验模态分解的小波阈值去噪方法在浅海地震勘探数据处理中对于压制噪声、提高信噪比和分辨率的作用。该方法对于细化地震勘探的数据成果,实现物探成果的精细化地质分层具有积极意义。     

海面通信信号处理技术研究

为保证船舶在海面上的行驶安全,与岸上基站保持实时通信十分必要。鉴于此,为提高实时通信质量,进行海面通信信号处理研究具有重要的现实意义。首先利用经验模态分解技术分解得到独立IMF分量,然后利用独立成分分析解模态混叠现象,最后进行源通信信号重构,实现海面通信信号去噪。结果表明,与基于异构补偿的自适应反馈滤波方法、独立成分分析法和经验模态分解法相比,经研究方法去噪后,信噪比(SNR)和均方误差(RMSE)均要更优,证明了方法的去噪处理效果。     

平移不变小波变换在消除电路噪声中的应用

为了提高火控测试系统测试结果的精度与可信度,去除对测试系统在采集火控系统信号时混入的噪声是十分必要的.通过对某型火控系统在动态测试时采集的信号的研究,针对传统小波阈值去噪处理方法中因非一致降样取样而产生Pseudo-Gibbs现象,结合已有改进阈值法的优点,提出一种新型阈值函数代替传统软硬阈值函数,采用平移不变小波变换对采集的信号进行去噪处理,以提升去噪的效果.仿真结果表明,该方法能进一步减少均方误差,提高信噪比,使去噪后信号更好地逼近真实信号,具有一定的工程实用性.     

基于小波变换与变步长LMS算法的船舶磁场信号检测

针对检测船舶磁场信号时信噪比较低的问题,提出了一种基于小波变换与变步长LMS算法的检测方法.根据船舶磁场信号的实际特征,首先对信号进行小波分解,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取船舶目标特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强...     

结合EMD和功率谱熵的船舶轴频电场线谱提取

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 d B。     

结合EMD和功率谱熵的船舶轴频电场线谱提取

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.     

基于EMD-1(1/2)维谱的舰船辐射噪声调制特征提取

舰船辐射噪声的调制信息中包含了大量有关舰船特征的信息,作为被声呐识别和判断的依据,由此判别目标的类型和速度。传统的DEMON(Detection of Envelope Modulation On Noise)谱分析时,大多采用功率谱分析,在提取调制谱时,效果不太理想,存在对噪声抑制能力差、提取后的谐波特征不明显等缺点。论文提出了一种基于EMD分解和1(1/2)维谱分析的提取方法,首先对目标辐射噪声信号进行EMD(Empirical Mode Decomposition)分解得到原始信号的若干个固有模态分量(Intrinsic Mode Function,IMF),其次对这些IMF分量进行解调,然后对其中某几个分量作1(1/2)谱分析得到舰船轴频的基频及谐波信息。仿真和对实测数据分析的结果表明,该方法可以有效提取噪声的特征信息,具有良好的应用前景。