神经网络结合自适应噪声抵消技术在磁场信号处理方面的应用

本文基于神经网络和自适应滤波原理,讨论在复杂噪声情况下的磁场信号处理和提取问题。针对水下目标磁场特性,以实际测量的背景噪声和目标信号数据为样本,设计了低通滤波器,并应用MATLAB软件进行BP神经网络算法的模拟仿真,实现自适应噪声抵消。结果证明此方法可以显著提高对目标信号的处理和提取能力。     

自适应谱线增强在舰船辐射噪声线谱检测中的应用

舰船辐射噪声线谱成分包含有大量的舰船特征信息,提取这些线谱成分对于水下目标的识别和研究具有十分重要的意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,提出了运用自适应谱线增强理论对舰船辐射噪声信号进行研究.利用最小均方LMS自适应算法,构造出自适应谱线增强器,从理论上对该增强器的原理进行了分析,并利用该增强器对2种船型的辐射噪声实测数据进行了处理.结果表明,该增强器对线谱信号有增强作用,对背景噪声有较好的抑制作用,十分有利于辐射噪声特征线谱的提取.     

基于混沌系统的水下目标辐射噪声线谱检测

针对水下目标辐射噪声具有频率低和强宽带背景噪声的特点,研究基于混沌理论的微弱信号检测方法。首先,根据混沌系统相轨迹内径随内置信号幅度变化的关系曲线确定任一频率下的混沌临界状态阈值。然后,在处于临界状态的混沌系统中注入待测的水下目标辐射噪声信号,依据频率-内径图进行待测信号检测。仿真结果表明该方法能实现微弱线谱检测,且较以往的混沌状态判据方法更简单直观。     

航空磁探中水下目标的自适应探测方法

目前普遍采用的飞机磁场模型存在一定的复共线性,传统方法很难准确计算其模型系数。模型系数的不准确对水下磁异常信号探测的影响也很大。自适应探测方法假设飞行测量过程为平稳随机过程,利用对背景噪声的统计特性的学习,实现飞机背景噪声的白化。根据磁性目标的时序特点和噪声的统计特性提出的探测因子,在强起伏干扰背景下对磁异常信号具有较强的探测能力,同时简化了补偿过程,提高了探测效率,具有工程应用价值。     

基于频域残差及局部协方差的红外弱小目标检测

在复杂背景及强噪声干扰的场景中,红外小目标因其尺寸小、信号弱、缺乏文理特征等特点,极易湮没在背景和噪声中,导致检测虚警率高、算法复杂、计算量大等问题。为此,本文提出一种基于频域残差及局部协方差的红外弱小目标检测方法。首先,通过频域残差计算红外图像的显著图,以获得目标可能存在的区域。然后,在此区域内利用局部协方差检测方法做识别。最后,通过自适应阈值分割得到真实目标。对不同复杂背景的红外图像进行小目标检测实验,结果表明,与传统检测算法相比,该算法在不同场景下都能有效抑制背景和噪声,准确检测目标,且满足实时性要求。     

基于小波分析的自适应谱线增强信号提取

提出一种基于小波多分辨率分析的自适应谱线增强算法,利用小波多分辨率分析理论,有效地将微弱的窄带轴频电场信号从宽带背景噪声中分离出来,把信号和噪声正交分解于不同的频率范围中,从而减少了自适应滤波器的阶数,提高了算法的收敛速度和稳定性。利用该方法对船模产生的轴频电场实测数据进行了处理,实验结果表明该算法可以有效地提取舰船轴频电场信号。     

自适应神经网络模糊技术的噪声抵消方法

利用自适应神经网络模糊推断系统可以抑制噪声,即从信号和噪声混合中提取信号,这种方法适用于有参考噪声的情况。正好适用于水动力噪声试验设备,其中北景噪声强,而且可以得到比较纯净的背影噪声作为参考噪声。这里给出了噪声信号在背景噪声信号的模拟例子。     

基于两级自适应线谱增强器的舰船辐射噪声线谱检测

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.     

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...     

基于时域解析信号的广义MUSIC算法

波束形成是声呐信号处理的关键技术,本文提出一种新的基于宽带时域解析信号的广义MUSIC自适应波束形成算法(TAMUSIC算法)。该算法将时域解析信号与改进的MUSIC算法相结合,对精确时延之后的宽带时域信号进行希尔伯特变换生成复数形式的时域解析信号,增加权向量自由度;通过增加调节指数构建新广义噪声子空间,解决了传统MUSIC算法信源数目估计不准带来的影响,提高算法鲁棒性;最后利用信号子空间和噪声子空间的正交性估计目标方位。仿真数据和海试数据处理的结果表明:TAMUSIC算法可以获得更尖锐的谱峰,提高目标的角度分辨力,增强了弱小目标的发现能力。