基于PHAF的多分量LFM辐射源信号检测

为解决信号分量能量不同且时频交叠严重时多分量辐射源信号的检测问题,提出了一种基于乘积高阶模糊函数(PHAF)的检测方法.该方法采用"剥洋葱"的策略,按照能量强弱逐次检测各信号分量.检测时,先检测和剥除能量较强的信号分量,以避免弱信号分量受其它信号分量和交叉项的干扰.将不同时延的高阶模糊函数相乘,以强化信号分量、弱化噪声,有效检测低信噪比信号.分析和实验结果表明:提出的方法能有效检测时频交叠严重的多分量辐射源信号,对强、弱能量信号分量的相对检测误差分别小于2.457×10-4和7.560×10-2;检测含噪声的信号时,对强、弱能量信号分量的相对检测误差分别小于1.300×10-3和7.330×10-2.     

基于小波变换的频谱检测算法分析

文章分析了认知无线电频谱检测中匹配滤波检测、能量检测、周期平稳过程特征检测的性能,指出了噪声对各自检测性能的影响,给出了一种基于小波变换的信号频谱检测算法,着重对含噪2FSK、2PSK信号进行分离仿真。仿真结果表明,该算法可以有效地进行信号的成分分离,降低了噪声的频谱检测的影响。     

斜拉桥索无损检测信号的滤波处理方法

针对在役斜拉桥索只能进行无损检测的特点,设计了基于漏磁检测的缆索缺陷检测系统。实测结果表明,缺陷产生的漏磁信号往往附有大量的噪声信号,导致信号特征不显著。为此,应用信号平滑、小波包差分超限滤波和BP神经网络模式识别等信号分析方法,对采集信息进行滤波处理,以获取比较显著的特征量化信号。仿真结果表明,经过滤波处理后的漏磁信号特征明显,为桥梁斜拉索的断丝缺陷检测和分析提供了可靠依据。     

基于深度学习的复合神经网络机场信号检测框架

针对信号调制识别对复杂通信环境缺乏适应性与精度不足的问题,提出一种基于深度学习的多特征复合神经网络框架. 该框架首先使用前端卷积神经网络检测信号载波特征,再对前端初筛选信号执行预处理将其转换为信号时频图,最后设计了后端轻量化卷积神经网络,检测信号时频特征. 基于TensorFlow平台的复合神经网络对机场真实信号检测精度达到99.23%,实验表明该方法可有效应用于实时机场信号检测.      

信号不失真检测系统的研究

提出了检测系统的输入与输出信号不失真的充要条件，推出了信号不失真理想系统的数学模型，并讨论了不失真检测的条件及不失真检测与实际信号检测的关系。     

交流过零检测电路的研究与设计

在对现有过零检测方法的研究基础上,设计了一种纯硬件的双向交流过零检测电路。利用交流信号自身的特性,通过处理电路提取同向与反向检测信号,并利用通用接口形式来满足不同电压等级微处理器的接口需求。通过Multisim软件搭建双向过零检测电路仿真模型,其运行结果达到了预期的效果,表明该方案能够有效甄别交流信号的双向过零点,可以直接作为后续控制系统的双向过零点检测信号。     

雷电信号对船舶轴频电场检测算法影响的研究

针对现有船舶轴频电场检测均未考虑雷电信号对其影响,实测了因雷电引起的1～10Hz频段内的水下电场信号,总结了该信号的特征,并分析了其对船舶轴频电场检测算法的影响.提出通过调整轴频电场检测算法中数据窗时间长度、滑动数据窗的时间间隔和特征值大于门限值的持续时间来消除雷电信号对船舶轴频电场检测算法的影响.通过对实测船舶轴频电场和雷电信号的验证表明,该方法行之有效.     

基于光反馈的信号灯故障检测系统研究

针对传统信号控制器的信号灯故障检测不准确的问题而设计的信号灯终端光反馈故障检测系统,主要采用信号灯终端光反馈、光纤传输和光电转换技术,将信号灯的输出状态直接反馈到信号控制器,实现对信号灯故障的可靠检测。通过信号控制器对故障信号进行处理,并利用数字化传送,具有纠错、容错的功能,实现了对信号灯运行状态的准确、可靠检测及控制。     

基于小波变换的轮速信号奇异性检测研究

基于小波奇异性检测原理,提出了一种检测奇异性轮速信号的算法。利用该算法对采集到的轮速信号进行处理,结果表明:该算法能够提取轮速信号丢失的奇异特征,即信号丢失现象,且运算量较小,为ABS系统的故障诊断研究提供了一定的理论基础。     

一种基于RBF神经网络预测模型的舰船静电场检测方法

海洋环境中,舰船静电场信号易受背景噪声的影响,给目标检测带来了困难.通过对静电场的分析,提出了一种低信噪比下检测舰船静电场的方法,首先对信号进行小波分解并在低频段进行晕构,然后利用RBF神经网络对海洋环境噪声建立了预测模型,以模型对于接受信号的一步预测误差作为检验统计量来判断目标是否存在.将该方法用于实测舰船静电场信号的检测,取得了较好的效果.