一种基于球不变随机过程的雷达K分布杂波模拟方法

研究并模拟并具有非瑞利幅度分布和非高斯功率谱的雷达杂波是现代雷达信号处理中的一个重要的研究课题。文中基于球不变随机过程（ＳＩＲＰ）的建模方法,针对实地采集的幅度满足Ｋ分布并具有理功率谱的高分辨率雷达杂达,运用现代谱估计算法对其进行建模和仿真,并以模拟杂波与实际杂波的数据对比和统计检验结果对该方法进行了验证。     

一种小波包去噪自适应阈值算法

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理 ,可以有效地抑制噪声,很好地重构信号.运用统计信号处理的理论,提出了一种确定小波包分解系数自适应阈值的方法.结果证明,这种方法具有良好的去噪效果.     

非高斯非平稳背景噪声中的信号检测方法

在非平稳非高斯背景噪声下,使用经典信号检测理论对信号进行检测往往难以达到理想的效果。文中利用小波包变换,通过将信号及噪声变换到小波包系数域,使得噪声在某些尺度及子空间上的小波包系数成为近似乎稳高斯噪声,从而运用信息融合的思想和经典信号检测理论的分集检测方法,对非平稳非高斯噪声下的确知信号检测问题提出了一种新的检测算法。仿真实验表明该方法是经典信号检测理论的有效推广。     

基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

雷达杂波时间序列信号数据库系统的设计与实现

雷达杂波信号是信号处理领域中的一个重要研究对象，为了便于信号处理研究者管理已采集的大量杂波数据，同时也为了便于资源共享，设计并实现了基于网络环境的针对时间序列的雷达杂波信号数据库系统，研究了在雷达杂波信号数据库系统设计中的一些关键技术问题及其解决方案。     

基于分数小波变换的空域相关特性的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点。利用分数小波变换系数在不同尺度上对应点处的相关性对其进行选择和处理,这样处理后的分数小波变换系数基本上对应着信号的边缘,然后对信号系数进行重构,达到了降噪的目的。以数值仿真和实测齿轮箱振动信号为例,研究了该方法的降噪效果,同时和小波包直接降噪进行了比较。结果表明,该方法能够有效降低振动信号中的背景噪声。     

基于无记忆非线性变换的相关非高斯雷达杂波的仿真

大量的实测数据表明,雷达杂波的分布特性明显偏离高斯分布。相关非高斯杂波的仿真主要包括对数正态、韦伯尔、K分布杂波的仿真。在杂波信号模拟中,需同时考虑杂波幅度概率分布和其相关特性。文中利用广义维纳过程的无记忆非线性变换法（ZMNL）来建模仿真,产生相关非高斯杂波。该仿真系统不仅可以实时动态地模拟实际采集的雷达杂波,而且可按给定的功率谱模型来产生满足非高斯分布的随机数据序列。仿真结果证明了此方法的有效性。     

基于小波包分析的结构损伤预警方法研究

通过研究小波包理论,对连续梁在瞬态荷载冲击下节点的加速度信号进行小波包分析,并提取了损伤前后各频段的节点能量特征向量变化和不同模态的频率变化进行比较分析,证明节点能量特征向量对损伤更加敏感．     

基于EEMD和小波包的机车轴箱轴承故障诊断方法

提出了一种基于聚合经验模态分解(ensemble empirieal mode decomposition,EEMD)和小波包的机车轴箱轴承故障诊断方法.首先对轴承振动信号进行小波包分解,分别对小波包分解得到的小波包系数进行阈值去噪处理,将降噪后剩余的小波包系数进行信号重构.然后再对重构后的信号进行EEMD,计算EEMD分解得到的IMF分量和原信号的互相关系数,最后对满足相关条件的IMF分量进行故障诊断分析.为了验证该方法的正确性,搭建了轴承试验平台,通过对轴承实测数据进行故障诊断分析,实验证明该组合诊断方法能克服单一信号处理方法的局限性并能初步诊断出轴承发生的故障.     

一种雷达辐射源信号分选新方法

提出一种基于小波与神经网络联合分析的雷达辐射源信号分选新方法.该方法首先对接收到的雷达信号进行小波去噪,达到提高信噪比的目的,然后利用小波脊线法准确提取其脉内特征参数,最后基于神经网络实现信号的分选.计算机仿真结果表明,较现有方法,该方法在较低的信噪比情况下,可以更准确地实现雷达辐射源信号的分选.