基于四阶累积量的CSPRIT算法

分析了基于二阶统计的CSPRIT算法在空间相关高斯噪声环境中存在的问题，提出将四阶累积量与CSPRIT算法相结合，处理一维二元相移键控信号（BPSK）和多元幅移键控信号（MASK），实现信号到达角（DOA）的估计和波束形成器的构造。与基于二阶统计的CSPRIT算法相比，基于四阶累积量的改进算法能够有效抑制空间相关的高斯噪声，提高信号估计精度。计算机仿真验证了该算法的有效性。     

强干扰多载波雷达信号幅度检测算法

在强干扰环境下对多载波雷达信号的幅度检测是实现空中目标打击的关键技术。传统方法中,对雷达信号的幅度检测采用时频耦合算法,如果信号和背景噪声有很强干扰和多载波特征时,检测性能不好。提出一种基于分数阶Fourier时频耦合的信号幅度检测算法。构建强干扰环境,描述雷达信号的宽度和深度等特征量,对多载波雷达信号进行分数阶Fourier变换,对目标回波的尺度和时延进行估计,求解相位模糊数搜索结合解,得到雷达信号参数相位补偿结果,根据雷达信号特征量聚点塑造特征量模型运算雷达信号的特征量聚点,获取高特征量聚集区域,通过后置的高阶累积量切片,使信号的累积量增大,而噪声被抑制提高了检测精度。仿真实验表明,算法的检测概率较高,幅度检测能很好地跟踪信号幅度的变化。     

引入累积量后置处理的弱性网络攻击敏锐检测

利用高阶累积量切片对调频信号能量聚集和噪声抑制的特性,引入高阶累积量后置处理算子,提出一种新型的微弱性网络攻击信号高敏锐度检测算法。算法有效分离攻击信号的时频耦合,首先把信号采用离散分数阶傅立叶变换实现离散化处理,然后利用高阶累积量切片算子对攻击信号在分数阶傅立叶域上进行后置能量聚集,增大信号累积量,有效抑制了合法网络信号的背景干扰。仿真实验表明,新算法能在-15 dB低信噪比背景下,有效检测出隐蔽性很强的弱性网络攻击信号。能有效应用到计算机网络安全防御和对抗中。     

网络波动攻击中的小扰动入侵源定位算法仿真

在网络持续波动攻击中出现一种小扰动信号,由于该类攻击信号的振幅不大,常规的检测算法难以有效定位检测,无法保证网络安全。提出一种基于小扰动多普勒扩散参量估计的网络波动入侵源定位检测算法。首先进行网络攻击模型构建,分析网络攻击信号的小扰动振幅特性,由于高阶累积量对噪声有盲分离作用,利用高阶累积量切片对小扰动入侵信号的能量聚集和噪声抑制特性,引入高阶累积量后置处理算子,进行小扰动入侵源定位聚焦,采用DOA参量估计算法进行网络攻击信号的多普勒扩散参量估计,实现对小扰动入侵源定位和检测。仿真结果表明,采用该算法能有效实现了对网络波动攻击的小扰动入侵信号的准确定位和检测,分离出振幅较小入侵信号,检测准确率较传统方法高。     

基于空间平滑技术的高阶累积量空间谱估计

提出基于空间平滑技术的高阶累积量空间谱估计。在经典的空间谱估计中,均利用信号的二阶统计量,并且假设噪声是白噪声。在实际应用场合,噪声通常是色噪声,这时采用高阶统计量可以获得比二阶矩更理想的性能。本文利用空间平滑技术对单一的高阶累积量算法进行改进。新算法具有同时测向能力、测向精度高、超分辨能力,能在低信噪比环境中取得好的性能。计算机仿真证明了该方法的有效性。     

基于贝叶斯估计的目标特征识别扩散参数挖掘模型

为了有效从海量的特征和噪声数据提取能表征目标特征的有用数据,提高对目标的检测识别能力,需要对目标回波特征的时频TID(time interference domain)域扩散参数进行快速挖掘,达到提取目标特征的目的。传统方法中采用频繁项挖掘方法实现扩散参数挖掘,导致在速度模糊的情况下对基带回波特征参数估计困难,性能不好。提出一种基于贝叶斯估计的目标特征识别扩散参数挖掘模型。有效挖掘出局部离群点,对基带回波特征进行频域变标脉冲压缩处理,对优化后的特征矢量进行累加限幅,并计算互补累积分布函数,基于贝叶斯估计构建检测统计量和统计函数,从而挖掘出时频TID域扩散参数,提高对特征参数的识别能力,仿真结果表明,该算法对时频TID域扩散参数挖掘精度较高,能有效提高对运动状态目标的参数估计精度及目标识别的能力。     

海杂波统计特性分析及海面动目标检测

利用IPIX雷达回波数据分析了海杂波的统计特性.并利用LFM信号在分数阶Fourier域良好的能量聚集性,提出基于分数阶Fourier变换的海面动目标检测方法.此方法能较好的聚集动目标回波能量,而对海杂波回波的能量聚集不明显,可以较好的检测出动目标.最后采用实测海杂波数据做了仿真分析,证实了此方法的有效性.     

基于STFT变换和Gabor滤波的船舶辐射噪声张量特征提取

针对船舶辐射噪声分类识别难的问题,根据Gabor滤波能模拟听觉皮层得到时频感受,以及张量结构具有鲁棒性的特点,提出了一种基于短时傅里叶变换(STFT)和Gabor滤波的船舶辐射噪声张量特征提取方法。首先对船舶辐射噪声进行短时傅里叶变换,获得噪声信号的功率谱密度(PSD),然后对PSD进行Gabor滤波,最后构建一个时间×频率×尺度×方向的四阶特征张量,并通过张量分解实现了船舶辐射噪声的分类识别。大量实测样本识别结果表明,该方法具有较高的正确分类识别概率。     

基于Gabor特征分解的高斯混合非线性滤波算法

传统的窄带信号检测滤波器采用IIR自适应线谱增强滤波算法,对信号特征分解的阶数要求高,导致非线性失真,提出一种基于Gabor特征分解的高斯混合非线性滤波器设计算法,在IIR滤波器设计的基础上,对信号进行尺度和时延估计,构建自适应高阶累积量滤波设计方法,采用高阶累积量对窄带信号进行均方一致估计,对Gabor特征函数Taylor级数展开,求得高斯混合非线性滤波器的带宽参数,最后实现高斯混合非线性滤波器设计改进,提高对窄带信号的检测性能。仿真结果表明,该算法具有较好的滤波性能,可以明显地抑制色噪声的影响,提高信号增益达到20 d B。     

概率数学模型在数据过滤中的应用研究

为了提高对海量数据的检测过滤能力,提出基于概率数学模型的数据过滤方法,采用描述性统计分析方法构建大数据过滤的统计特征分析模型,采用高阶累积量进行数据过滤的概率密度特征统计量设计,结合模糊数学推理进行数据过滤的检测统计量分析,在海量数据环境下根据检测统计量分布的概率密度进行回归分析,采用阈值检验和门限判决方法,实现数据过滤。数据测试结果表明,采用该方法进行大数据过滤的准确性较好,数学模型的可靠性和收敛性较好。     

一种改进的基于二维高阶累积量的自适应谱线增强算法

基于二维高阶累积量的自适应谱线增强算法的迭代步长很容易受到噪声干扰的影响，本文分析了基于二维高阶累积量的自适应谱线增强算法的特点，在此基础上提出了一种改进的基于二维高阶累积量的自适应谱线增强算法。计算机仿真结果表明，本文提出的算法对高斯白噪声和高斯色噪声都有很好的抑制作用，可以改善高斯噪声背景中小空间范围的二维信号信噪比。     

基于分数阶Fourier变换的局部放电去噪方法

为了提取局部放电信号的特征,提出了一种基于分数阶Fourier变换(FRFT)的局部放电噪声抑制方法。首先对含有白噪声的局部放电信号做分数阶Fourier变换,在分数阶Fourier变换域内,随着阶次p的变化,信号能量谱呈现不同的时频聚集性,利用最小均方误差准则扫描到最优分数阶Fourier变换域,然后根据法则利用小波分解算法得到的噪声强度在最优分数阶Fourier变换域内对含噪信号进行去噪处理,从而抑制噪声干扰。相比传统小波去噪算法,该方法具有自适应性强,且处理效果明显等优点。分别对仿真信号和实际信号进行分析,验证了本文方法的有效性与可行性。     

基于高阶累积量的MPSK调制类型识别算法

调制识别是非协作通信系统接收机设计中的重要研究课题。针对高阶累积量可以剔除噪声的干扰,本文研究了基于高阶累积量的MPSK信号调制方式识别技术。在SNR≥5dB时,正确识别率达到了99%以上。经理论推导和仿真实验,证实了该方法的有效性。     

PCA故障检测方法及应用

基于主元分析(PCA)的传感器故障检测方法中T2和SPE统计量是两个重要指标。首先介绍T2统计量超限而SPE没超限故障检测的方法。利用主元相关变量残差统计量代替平方预测误差SPE统计量,并采用累积方差贡献率确定PCA模型的主元数。该方法避免了SPE统计量的保守性。最后将该方法应用于电厂某机组工作过程检测中,通过仿真验证该方法的有效性。     

基于小波包与自适应预测器的音频隐写分析方法

提出一种基于小波包与自适应预测器的音频隐写分析方法,主要用于检测加性噪声模型.利用加性噪声对音频高频部分比低频部分影响显著的特点,对音频信号进行小波包分解;然后利用最小均方(LMS)自适应预测器对高频小波包系数进行预测,选取预测误差的统计量作为统计特征;最后采用支持向量机分类.实验证明,对于常用的加性噪声隐写方法,即使在嵌入强度或嵌入率较低的情况下,也能达到较高的分类准确率.     

主动声纳目标回波信号提取方法概述

对提取主动声纳目标回波信号用到的能量检测法、基于时频分布的回波信号提取、瞬时频率方差检测、基于经验模态分解的水下目标回波提取、基于混沌时间序列的非线性动力学降噪方法-变尺度概率净化法进行了概述,对每种方法的优缺点进行了总结.     

舰船非稳态噪声特征提取方法研究

随机信号在理论上分为稳态信号和非稳态信号两大类,稳态信号是指统计特性随时间变不变化的随机信号,反之,非稳态信号则是指统计特性随时间变化的随机信号,其包含丰富地待测目标地信息量。如何准确获取舰船非稳态噪声特征至关重要,常规的稳态信号处理方法显然不适用,因此,本文基于短时Fourier变换理论,开展舰船非稳态噪声特征提取方法研究,仿真分析结果表明,该方法可以提取出非稳态噪声特征;通过实船非稳态噪声试验数据分析表明,该方法可以快捷、有效地给出舰船非稳态噪声地特征及发生时间。     

基于高阶累积量和循环谱的调制方式识别研究

接收机采用高阶累积量和循环谱这两种低信噪比的算法,对检测到的各种信号进行调制方式识别,其中包括BPSK、QPSK、2FSK、4FSK、MSK等5种已调信号,然后,通过MATLAB编程,进行系统仿真,仿真结果表明,循环谱对高斯噪声有更强抑制作用。     

基于关联特征提取的舰船噪声混迭谱分解

不同舰船目标辐射噪声的噪声平均功率谱具有差异性特征,能在一定程度上反映舰船目标的吨位、航速、类型等。研究舰船辐射噪声信号的特征提取和频谱分解方法,对提高舰船目标的识别能力具有重要意义。传统的舰船辐射噪声关联特征提取采用的是基于定量递归分析的关联维特征提取方法,当在关联特征提取中舰船辐射噪声信号出现奇异吸引子特征时,提取的舰船目标特征产生混迭谱,导致频谱畸变,影响目标识别性能。针对这一问题,提出一种基于预畸变趋化关联特征提取的舰船噪声信号混迭谱分解方法,设计舰船辐射噪声产生与信号源系统模型,进行声传感器布置研究,进行特征提取和混迭谱分解算法改进分析。仿真实验得出,采用该方法进行舰船辐射噪声信号的预畸变趋化关联特征提取,能有效展示舰船辐射噪声信号的内部规律特征,提高对舰船辐射噪声信号的特征提取性能和目标识别精度。     

卡尔曼滤波在动位移测试中的应用

探讨了卡尔曼滤波算法的影响因素和模型设计的方法,在建立桥梁振动系统状态空间模型的基础上,对系统噪声、量测噪声进行了统计,进而运用了卡尔曼滤波算法对加速度信号进行了滤波及状态估计。