基于非高斯AR模型微弱信号双谱分析

采用高阶谱分析方法,基于非高斯AR参数模型对舰船微弱水声信号进行双谱分析.讨论了双谱和目标信号建模的相关概念;对实验数据进行高、低信噪比信号检测效果比较以及双谱与周期图功率谱的比较分析.分析结果表明,利用非高斯AR模型双谱技术分析水声微弱信号是一种新的有效方法,能够显著提高检测微弱信号的能力.     

应用小波变换检测噪声中的信号

研究了基于小波变换的信号检测问题,提出了多分辨似然比的概述,表明对检测问题存在一些特定的时频空间,在其中信号的大部分能量得到保存,而噪声能量很快减少,因此应用小波变换,通过对特定的时频空间的似然比分析较容易判断噪声是否存在信号。     

小波滤波器在弱信号检测中的应用及设计

根据小波变换的多尺度分解特性,构造了一种小波能量积累器,将不同分解尺度上的能量进行积累。在此基础上设计了一种用于弱信号检测的小波能量检测法,并对低信噪比信号的检测进行了仿真实验。仿真结果表明,该检测法对低信噪比信号是比较有效的,而且与传统的脉内累加平均的信号检测方法相比,文中提出的信号检测方法具有一定的优越性。     

非平稳信号自适应最大信噪比盲源分离方法

为了提高时变非平稳信号的盲源分离效果,提出了自适应最大信噪比盲源分离新方法.该方法以信噪比函数作为代价函数,并基于改进的多项式系数自回归模型,进行最优滑窗长度的自适应估计.仿真计算表明,FastICA算法需要预设源信号的概率密度函数,以选择适宜的非线性函数近似估计源信号的非高斯性,当假设的概率密度函数与实际不符时无法正确分离源信号;累积量算法在信源的峰度相同时无法正确分离源信号.新方法与经典的FastICA算法和基于累积量的盲源分离算法比较结果表明,对于经典的FastICA算法、累积量算法无法正确分离的时变非平稳信号,新方法能够有效地进行盲源分离,分离结果不受源信号的概率分布、信源的峰度等统计因素影响.      

基于小波变换的钢丝绳缺陷信号检测与分析

应用漏磁通检测法,采用磁敏检测元件-霍尔感元件可以获得该磁场的变化情况,缺陷信号是一随机出现的局部异常信号,即奇异信号。通常它叠加于背景噪声信号之上,是一空间域变信号,小波分析能满足“信号频率越高,相应的窗口越小”的这一时频局部化分析要求,如果选择小波为光滑函数的一阶导数,则由小波变换的幅值（模值）极大点就可以检测到缺陷信号的突变点（奇点）,即缺陷,由模极大值的位置也就确定了钢丝绳缺陷所在的位置。     

工程爆破振动信号分析中的小波方法

应用小波 富里叶综合分析方法对爆破振动信号进行时频域分析, 从爆破振动测试信号中分离出真实的振动信号, 并对爆破振动信号的频率特征进行精细地分析． 从而为在爆破振动安全规程中引入速度 频率准则提供了一种可行的技术手段     

奇异点检测的小波方法在信号初至时提取中的应用

本文简要介绍了一种噪声背景下检测确定性信号间断点的位置及个数的小波方法,该方法的基本思想是利用小波变换所特有的“变焦距”性质,而精确刻画信号在小波变换下的局部奇异性,进一步地,利用统计分布的思想,设定阈值,较好地屏蔽平稳噪声的影响,各奇异点的位置,则可以由小波变换的局部极大性检测出来,通过地震波信号的计算机模拟实验,结果说明该方法对于淹没在平稳噪声中,尤其是强噪声背景下的信号奇异点检测,具有灵敏度高,克服品能力强的特点,检测效果是明显的。     

零相位数字滤波器在非平稳信号处理中的应用

研究零相位数字滤波器在进行非平稳信号滤波时的特点．选用一种典型带通零相位数字滤波器,以非平稳调幅信号作为滤波器输入,进行仿真分析．将零相位数字滤波器与小波包分解重构和经验模态分解方法的滤波能力进行了比较．探讨了零相位数字滤波器在处理非平稳调幅信号时存在的过渡过程,及对滤波结果幅值和频率的影响．论述了滤波误差与滤波器参数、输入信号特性和信噪比等因素的关系．提出了分段零相位滤波器方法,改善了滤波器性能．最后,以一个实测的振荡信号对上述分析进行了验证．为在非平稳信号处理中,正确使用零相位数字滤波器提供了参考．     

调频高斯小波变换在INS/GPS系统中的应用研究

在INS/GPS系统中,对组合导航系统中各传感器进行有效的在线故障检测是保证信息融合算法可靠运行的关键.小波分析在突变检测上有其独特优势.据此,文中以某型INS和MS860 GPS组合系统试验数据进行分析处理,利用调频高斯小波变换方法后,系统航向误差方差由原来的0.1°减小到0.03°,速度的发散也极大地得到抑制.因此,调频高斯小波变换方法有效解决了INS/GPS中在线软故障检测的难题, 提高了INS/GPS系统组合EKF滤波的稳定性和精度.     

工程爆破振动信号分析中的小波分析

应用小波－富里叶综合分析方法对爆破振动信号进行时频域分析,从爆破振动测试信号中分离出真实的振动信号,并对爆破振动信号的频率特征进行精细地分析,从而为在爆破振动安全规程中引入速度－频率准则提供了一种可行的技术手段。     

平稳噪声背景下短时动态信号的自适应滤波

根据短时动态信号与平稳背景噪声的特征区别，以时间序列的AR模型理论为依据，导出背景噪声自适应白化滤波器的结构，并用变步长LMS算法实现自适应滤波．合理设计LMS算法的收敛速度，使得滤波器既能白化背景噪声，又能使动态信号失真不大．当输入信号只有平稳背景噪声时，滤波器输出是白噪声；如果输入信号中含有短时动态信号，则滤波器输出就含有明显的信号波形．仿真计算结果表明，文中给出的方法用于从4，5级海况下的海洋波浪噪声中提取动态船舶水压场信号时，能提高信噪比达20dB．该方法可推广到其它场合，用于从平稳噪声背景中提取短时动态信号．     

噪声背景下的语音情感识别

为有效实现含噪声的语音信号情感类型的识别,提出了一种基于抗噪声的模糊最小二乘支持向量机的语音情感识别新方法．该方法先提取情感语音的韵律特征和音质特征,再利用模糊最小二乘支持向量机构建最优分类超平面,实现生气、高兴、悲伤和惊奇4种情感类型的识别．试验结果表明,与其他多种语音情感识别方法相比,在不同信噪比下,新方法的情感正确识别率较高,抗噪声识别效果较好,表明了其有效性．     

噪声背景下语音识别中的端点检测

整个实验系统主要研究的是语音识别中在噪声背景下的端点检测.在实际环境中,加性背景噪声对语音识别的影响非常大,在信噪比小的情况下,无法进行端点检测.在此研究过程中,首先进行加性噪声模型的建立,而后通过滤波对带噪语音信号进行预处理,这里采用维纳滤波和自适应LMS滤波进行滤波.在进行语音信号的预处理后,使用VAD算法进行端点检测.建立整个实验系统后,通过试验比较维纳滤波器和自适应LMS滤波器的优劣,找出最佳方案.     

非高斯随机过程模拟与预测的研究进展

非高斯随机现象普遍存在于工程、自然界和社会生活中.在非高斯随机激励下的系统响应研究中,获取具有目标特征的平稳非高斯乃至非平稳非高斯随机过程是首先要解决的关键问题之一.目前,非高斯随机过程的有效模拟与预测已受到学者的广泛关注.文章对国内外非高斯随机过程的模拟与预测进行了综述,分析非高斯随机过程模拟与预测研究存在的不足和部...     

远场弱磁信号的小波域自适应检测研究

探讨了基于Mallat算法的自适应小波阈值消噪在复杂磁环境下运动目标磁场弱信号检测方面的应用.阈值的选取是算法的关键,基于对目标磁场频谱分析,采用与尺度相关的自适应ARMA模型的阈值算法,改进在不同的小波分解层阈值滤波的性能.对实测数据进行算法仿真,并与Donoho阈值算法检测效果对比表明,自适应ARMA模型阈值滤波算法显著提高对目标磁场弱信号的检测和提取能力.     

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.     

交通视频检测系统中背景提取的优化算法

介绍和分析了4种常用的背景提取算法,在此基础上提出了一种新的背景提取算法:用视频序列的当前帧和背景帧相减来获得运动车辆的信息。实验测试表明:该算法取得的背景效果良好,具有较强的实用性和参考价值。