基于Gabor变换的故障诊断技术

根据Gabor变换理论,提出了基于Gabor变换的故障诊断技术。根据Gabor变换高质量的时频分布,在时频域中通过时频通域设计时频滤波器,用来提取特定信号分量,滤除时频平面中高斯白噪声。仿真信号验证了该方法的有效性,为机械系统中振动信号的分析与诊断提供了新方法。     

基于WT和PSO的雷达脉内调制参数分析

雷达脉内调制信号分析是实现雷达辐射源信号识别的一个重要手段,雷达脉内调制信号是典型的非平稳信号,需采用非平稳信号处理方法进行分析.小波变换是处理非平稳信号的有力工具,可用来对脉内信号进行分析,但需要搜索算法搜索变换后的小波脊线.因此,在对调制信号进行小波变换后,采用微粒群优化算法搜索小波脊线.通过计算机仿真,结果表明利用小波变换和微粒群优化算法可对雷达脉内调制信号进行参数分析与提取,小波变换分析方法是有效的、合理的.     

多旋翼无人机微多普勒特性分析与特征提取

针对多旋翼无人机目标的识别问题，提出一种基于伽柏（Gabor）变换的瞬时频率估计与快速傅里叶变换（FFT）相结合的微多普勒特征提取算法。首先建立多旋翼无人机旋翼回波模型，并通过仿真分析叶片数目、旋翼转速和初始相位等参数对微多普勒特征的影响，利用Gabor变换得到时频特征。在此基础上通过瞬时频率极大值法提取微多普勒频率，并对瞬时频率采用FFT提取旋翼数和转动频率，从而获得叶片长度估计值。实测数据验证了该算法较为准确地提取无人机的微多普勒参数。     

S变换与小波变换检测信号突变性研究

时间局部谱分析方法的研究对信号突变性检测具有重要意义。S变换是加窗傅里叶变换和连续小波变换思想的延伸或推广,S变换保持了与傅里叶谱的直接联系,提供了依赖于频率的分辨率,具有连续小波变换所没有的一些特点。介绍了S变换和广义S变换的数学原理,分析了S变换与加窗傅里叶变换和小波变换之间的关系,对一个突变信号在S变换与小波变换下的表现特征进行研究,结果表明,S变换能比小波变换更直观更清楚地表现信号突变位置。     

小波变换滤除心电信号基线漂移噪声的应用研究

根据心电信号和基线漂移噪声的频谱特点,基于小波变换的多分辨率分析,对心电信号进行多尺度分解,利用分解后得到的模拟近似信号充分逼近基线漂移噪声的特性,从而去除心电信号中的基线漂移这一低频分量.通过对MIT-BIH心律失常数据库中的心电信号进行去噪处理,验证了算法的有效性.     

快速独立分量变换与去噪初探

独立分量分析 (ICA)通过对非高斯分布数据进行有效表示,获得在统计学上独立的各个分量。这种表示可以获取数据的基本结构,包括特征提取和信号分离。简述ICA基本理论和快速算法,对照主分量分析 (PCA)的Karhunen Loeve(K L)变换,提出独立分量变换 (ICT)概念。在分析地震信号特点的基础上,对模拟和实际含噪地震道进行独立分量变换、信噪分离和去噪处理初步探索,重建获得令人满意的去噪结果。研究表明,ICA在勘探地震信号处理中具有应用前景.     

傅里叶变换的矩阵实现

利用矩阵算法对抽样后的非周期信号进行傅里叶变换和傅里叶逆变换,并把这种矩阵算法在MATLAB下进行验证,把它用现场可编程门阵列(FPGA)来实现.实践证明,该方法大大减少了运算的复杂度,且运算的速度也得到了极大的提高.     

一种适合机载SAR变换模式的PFA成像处理方法

针对机载合成孔径雷达(SAR)的实际需求,在详细分析条带转聚束模式的工作特点和对模式变换中的雷达回波信号进行精确建模的基础上,提出一种高效的成像处理方法.该方法通过运动补偿将条带成像与聚束成像相结合,并利用极坐标格式成像算法(PFA)对条带聚束变换模式进行成像,实现了模式变换前后数据处理结果的共用,既可以节省处理运算量和时间,也可以节省数据缓存空间,适合于机上实时成像处理器的实现.分析和仿真结果验证了方法的高效性和有效性.     

卫星扩频通信中一种窄带干扰抑制的组合方案

针对基于OQPSK调制的卫星扩频通信系统,研究了一种基于重叠加窗DFT的窄带干扰抑制技术.对满足条件的若干窗函数分别进行了仿真,并详细分析了其性能与旁瓣特性的内在联系. 从有效性与实现复杂度上分析了最新的几种变换域处理算法,如CME、预切除算法与FCME等,对它们的性能进行了仿真和比较. 最后得到了Hann窗与预切除算法相结合的干扰抑制方案. 结果表明,与传统的Capozza方案相比,该方案能有效提高系统的误码性能,约5dB.     

基于信息极大化的ICA混合语音信号盲分离算法的研究

混合语音信号的分离是盲分离的重要内容,也是信号处理领域的一个难题。独立分量分析是一种无需知道信号的先验信号而实现信号分离的盲源分离技术,本文介绍了独立分量分析的基本理论和算法,探讨了独立分量分析在混合语音信号分离中的应用,给出了信息最大化盲源分离算法并对瞬时混合语音信号进行了盲分离仿真。实验结果表明,该方法能有效地提高运算效率并获得较好的分离效果。     

二维小波变换去噪的MATLAB可视化设计

小波变换是消除图像和多道信号噪声的一种重要方法,而MATLAB是优秀的数值计算和可视化设计平台。二维小波变换将多道记录信号变换到时间、频率、空间和波数四维域中,根据信号和相干噪声在频率、时间、波数、空间等方面的局部差异来达到滤波的目的。基于二维多分辨分析的基本原理。利用MATLAB的图形用户界面（GUI）和丰富的图像处理功能进行可视化设计,实现了用二维小波变换对多道信号中相干噪声的消除,使烦琐的逐级分解去噪处理变得容易．提高了工作效率。最后．用设计的程序对地震记录信号中的面波进行了消除．并达到了较好的效果。     

离散Fourier变换的算法分析研究

点序列离散Fourier变换(DFT)算法需要次复数乘法和次复数加法,计算量与N2成正比。而点序列基2时分与基2频分的快速Fourier变换(FFT算法)运算次数相当,需要次复数乘法和次复数加法,但运算次数远远低于DFT算法,因而效率高,常被用于信号分析与处理。     

基于加窗插值FFT的电力谐波检测算法研究

通过分析比较常用的谐波检测方法,根据电力谐波信号的特点,提出了布莱克曼窗与双峰插值相结合的算法,并推导出频率和幅值的修正计算公式,从而进一步降低了泄漏和噪声干扰,提高了计算频率和幅值的准确度.仿真结果验证了算法的正确性与有效性.     

基于PE的MEEMD筛选的LFMCW雷达心率估计算法

针对现有的基于快速傅里叶变换（fast Fourier transform,FFT）和Levenberg-Marquardt（LM）拟合等算法在心率估计中存在稳定性差、精准度低等现状,在分析77 GHz线性调频连续波雷达信号特征的基础上提出一种改进型的心率估计算法。首先,该算法通过速度-距离谱图识别被测人体,通过仿真实验获得心跳区间50~120次/min对应的排列熵（permutation entropy,PE）区间为[0.31,0.44]。然后,提出PE心跳信号区间筛选方法消除微运动信号中的干扰和噪声。通过峰值检测算法实现心率的精准估计。最后邀请30位志愿者进行实验,并从稳定性、准确性和估计误差3方面分别对本文提出的算法、FFT算法和LM拟合算法进行评估和比较。实验表明本文提出的算法的稳定性和估计误差的综合评估指标最优,准确率为98.30%。     

优化的维纳滤波算法在心音信号中降噪的应用

提出了优化的维纳滤波算法用于心音信号的降噪问题.对含噪的二尖瓣心音信号进行EMD分解,舍去前3阶含噪声比较多的IMF分量后,对心音信号进行重构.采用离散S变换,将心音信号在复频域中进行分析,通过MFCC算法对降噪的二尖瓣心音信号提取特征值,在SVM中进行分类验证.实验结果表明,优化的维纳滤波在二尖瓣心音信号的降噪方面有...     

电能质量数据采集和谐波分析方法的实现

本文简述了电能质量分析装置的总体结构。在讨论了非同步采样造成的影响后,介绍了同步采样的实现方法。为提高计算的准确性,采用基于加窗插值的FFT算法分析电力系统谐波,对算法的实现进行了详细的描述。     

“荡秋千”分组密码算法的设计与分析

提出了一种基于移位寄存器状态变化的分组加密算法(称之为 荡秋千"密码算法),并详细给出了算法的加解密流程和必要的参数设置方法.通过对密钥雪崩效应和明文雪崩效应的基本分析,说明了该算法具有良好的抵抗密钥相关攻击、线性攻击和差分攻击的性能.除了具有安全、快速、易于实现等特点外,该算法最突出的特点是算法逻辑结构简洁、严谨,有效地实施了混合与扩散     

基于Fast ICA的多说话人识别系统

针对多人混合语音条件下说话人身份难以识别的问题,提出了一种使用快速独立分量分析（Fast ICA）方法分离各个说话人的语音信号,并采用RBF神经网络方法进行说话人识别的策略.由于不同语音源信号保持相对独立,利用盲信号分离的思想,使用Fast ICA方法用于信号的分离,从而对获得的独立语音数据分别提取说话人特征,采用RBF神经网络模型实现多说话人身份的识别.实验结果表明,该方法能有效地实现混合语音条件下的说话人识别.     

基于小波理论的奇异信号分析

鉴于传统信号处理对非平稳信号的局限,小波分析作为一种具备时间-频率局部特性的信号处理方法,已成为众多领域的研究热点.笔者介绍了小波变换的部分性质,分析了小波变换与Fourier变换下的奇异信号特性,并以此进行奇异信号检测.     

基于SVM/LDA的SAR图像目标鉴别方法

提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法. 利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别. 实验结果表明该方法可以获得较高的分类正确率.