小波分析在惯性—多普勒声呐组合导航系统中的应用研究

在惯性-多普勒声呐组合导航系统中,多普勒声呐为惯性导航系统提供舰船的外部速度信息.组合导航系统的速度误差主要取决于多普勒声呐测速误差,多普勒声呐的性能将决定惯性导航系统的精度.由于舰船的摇摆、风浪、海水温度、多普勒声呐本身的缺陷等因素,使多普勒信号中不可避免地受到其噪声的影响.针对多普勒声呐信号的特点,采用小波变换对声呐信号进行多分辨力分析.利用Daubechies小波函数,采用阈值去噪的方法,能够在低信噪比的情况下准确地估计多普勒声呐的频移,从含有噪声的多普勒信号提取出原始信号.通过仿真实验表明,将小波分析应用于惯性-多普勒声呐速度组合导航系统中,能有效提高导航系统的速度精度.     

基于接收信号信噪比预测的自适应跳频信道质量评估

针对自适应跳频通信的特点,提出基于接收信号信噪比预测算法的信道质量评估方法.在FFH/BFSK系统中采用卡尔曼滤波器、信号子空间法和误码率性能分析法进行仿真.结果表明,在0～25dB的信噪比变化范围内,估计和预测误差较小,能够对信道质量做出实时评估,可用于快速自适应跳频通信系统.     

基于最大信噪比算法在缸盖振动信号中的分离研究

对柴油机缸盖表面振动信号进行分析处理,可以判定内部零部件的状态以及柴油机的工作状态,但实际上由于各路信号时域和频域有混叠,很难准确分离．针对现有内燃机监测诊断信号分析方法的不足,研究了基于最大信噪比的盲源分离算法．该算法将求优过程转化为广义特征值问题求解,整个过程无须迭代．通过对仿真振动信号的分离表明其有效性,从试验对象某四缸柴油机上拾取实测缸盖振动信号处理,结果显示了该算法在柴油机故障监测诊断上有良好的应用前景．     

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。     

一种基于稀疏表示的交通图像去噪算法

将图像稀疏表示方法引入到交通图像处理中,实现了一种基于K-SVD的正交匹配追踪的交通图像去噪算法.该算法通过奇异值分解,DCT字典进行自适应更新,形成更能表示图像结构的超完备字典.实验结果表明,相对于传统图像增强方法(中值滤波、均值滤波、基于小波滤波)和基于DCT冗余字典的稀疏表示图像增强方法,该算法能更有效地去除交通图像噪声,得到更高的峰值信噪比.     

8PSK信号在衰落信道下信噪比盲估计算法

针对传统信噪比估计算法要求利用训练序列或一帧数据范围内信道系数恒定等问题,文章提出了一种8PSK信号在衰落信道下盲信噪比估计算法。该算法利用信道系数的统计特性,理论分析信噪比与接收信号的数值关系,采用多项式数据拟合和观测量归一化处理的方式,推导信噪比与接收信号解析式。数值仿真表明该算法在0～8dB范围内,可取得良好的信噪比估计效果。     

非协作通信信号关键参数估计技术

介绍了非协作通信系统中几个关键技术的主要原理方法、发展趋势及其在军事方面的应用,包括调制分类,载波频率估计,信噪比估计等。