基于重排S-method的多分量辐射源信号分析方法

为实现多分量辐射源信号的有效检测和识别,提出了基于重排S-method（RSM）的多分量辐射源信号分析方法．针对Wigner-Ville分布交叉项严重和计算复杂度高的问题,采用RSM分析密集、交叠的辐射源信号,给出了其算法的硬件实现和计算复杂度分析．该方法能处理线性和非线性调频信号,算法简单,易于实现．复杂体制多分量辐射源信号分析的实验结果表明,该方法能有效分析多分量辐射源信号,时频分辨率高,不受交叉项干扰,具有比Wigner-Ville分布和S-method更强的噪声抑制能力．     

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.     

基于频率和形状特征的脉冲重复间隔调制识别

根据雷达信号脉冲序列的特点，从雷达脉冲信号中提取频率特征和形状特征，构成二维特征向量，并用支持向量机设计多类别分类器，实现雷达信号PRI调制信号的自动识别．实验结果表明，对特征向量进行大幅度降维（从64维降到2维）后，既简化了分类器，又保持或提高了识别率和抗噪声性能．与原特征向量相比，对无噪样本的误识率从0．15％～0．25％降低到0．00％，对有噪样本的误识率从0．40％～1．30％降低到0．15％～0．93％．     

支持向量机在雷达辐射源信号识别中的应用

为了提高电子对抗设备的信号识别能力，采用相像系数法提取雷达辐射源信号特征，并引入支持向量机完成信号自动分类识别．相像系数法在大信噪比范围内稳定性好、分辨能力强．支持向量机分类器结构简单、可获得全局最优、泛化能力强．实验结果表明，基于相像系数和支持向量机的辐射源信号识别方法在大信噪比（5～20dB）范围内，错误识别率最低可达2．68％，优于传统识别方法．     

基于稀疏分解的交通图像压缩

随着道路实时监控系统的广泛应用,需要处理的数据量激增,为了解决传统图像压缩方法随压缩比增大解码图像质量急剧下降的问题,提出一种新的基于稀疏分解的交通图像压缩算法。该算法将稀疏分解引入到交通图像压缩中,先根据交通图像特点,引入背景差法对交通图像进行预处理,然后采用稀疏分解算法对图像进行分解,最后通过分析交通图像稀疏分解后的数据分布规律,并根据低比特率图像压缩要求,提出改进的排序差分编码方案进行编码,以期在低比特率下,获得较好的解码图像质量。仿真试验结果表明,与现有的排序差分编码算法相比,该算法能够更有效地实现交通图像的压缩,相同压缩比下,解码图像有更高的峰值信噪比和主观图像质量。