大型无人机电子通讯信号抗干扰方法研究仿真

进行大型无人机电子通讯信号抗干扰方法研究与仿真,通过GPS系统确定信号的来源与方向定位,利用GPS定位信息准确计算最小均方、最大信噪比与最小方差,依据选择最优准则,实现对复杂抗干扰信号的削弱与排除。仿真实验表明,针对干扰信号,该种自适应滤波抗干扰算法具有较强的抑制与削弱能力,并扩大了干扰信号搜索范围,有效抵抗复杂的干扰信号,与常规抗干扰算法比较更为可靠,为无人机电子通讯抗干扰方法研究提供更好的保障。     

降低传输噪声的小波方法

介绍了一种在铁路机车信号传输过程中用小波变换的方法降低噪声干扰和提高信号通道信号信噪比的方法,即用小波变换具有低熵性、多分辨率、去相关性和选基灵活性的特点,综合作为特征提取和低通滤波功能的手段,对机车信号和噪声干扰信号同时进行低通滤波和高通滤波,其低频系数主要反映信号信息,高频系数主要反映噪声和信号的细节信息。并对非平稳的机车含噪信号进行了多层小波分析,对每层高频分解系数进行阈值处理后再合成,做为有效达到滤除噪声和保留信号高频信息的手段对其进行了仿真分析。     

基于Kalman滤波的Web数据流抗干扰挖掘算法

提出一种基于变维Kalman滤波的Web海量数据流抗干扰挖掘算法。构建Web环境下的海量数据挖掘数据流信息模型和噪声干扰模型,结合现代信号处理方法,设计变维Kalman滤波算法进行海量数据流信号滤波预处理,把Web海量数据流映射为一组非线性宽带调频信号模型,采用信号检测算法实现Web海量数据的抗干扰挖掘。仿真结果表明,采用该算法进行Web海量数据信息的抗干扰挖掘,具有较高的数据检测精度和准确挖掘性能,具有较高的抗干扰性和鲁棒性。     

一种改进的利用GPS载波相位差分定位对监测定位坐标修正的方法

由于针对具有滑坡、泥石流等隐患的地质形变监测来说,其要求具备较高精度的GPS定位技术,本文将卡尔曼滤波算法有机地与GPS载波相位差分定位理论相结合,有效设计并分析了对于具有滑坡隐患的地质形变监测所建立的Kalman滤波算法与GPS载波相位差分定位模型,并且进一步提出了针对具有滑坡隐患的地质形变监测所运用的Kalman滤波算法与GPS载波相位差分定位的研究。     

小波降噪方法在动载荷时域识别技术

<正>通常,噪声主要是频率较高的信号。将含噪声的信号进行FFT正变换,滤波除去噪声信号,保留有用信号,再通过FFT逆变换复现原始信号是一种传统的降噪方法。此方法能把高频的噪声滤除,但使得高频的有用信号失真。具有多分辨率分析(Multi-Resolution Analysis)的特点的小波变换是一种信号的时频分析方法。在时域和频域内,小波变换具有分析信号局部特点的功能,是一种时频率窗口均可改变的分析方     

遮挡率因子优化Kalman的户外活动路线跟踪模型

针对标准Kalman滤波在户外活动路线跟踪中还存在的跟踪不精确的问题,设计了一种基于遮挡率因子优化Kalman滤波的户外活动路线跟踪模型。首先根据户外活动路线跟踪的需求,选择直线定位准确,抗干扰力强的概率Hough变换算法,采用首尾相连的连续的直线进行户外道路的拟合,然后针对出现遮挡时,Kalman滤波迭代出的观测值具有较大误差的问题,引入遮挡率因子调节Kalman滤波器的估计参数。之后就设计的模型进行了仿真实验,与传统的算法相比,采用改进Kalman滤波进行户外活动路线跟踪的效果较为精准。     

卫星导航接收机的抗干扰研究

GPS是一种高精度的导航系统,主要针对GPS抗干扰系统进行研究,介绍了GPS接收机信号组成以及接收机的工作原理,并针对GPS接收机的主要干扰信号给出了五种GPS接收机的抗干扰方法。     

基于自适应观测粒子滤波的运动跟踪算法

针对标准粒子滤波算法在运动跟踪的应用中还存在跟踪精度不高的问题,本文提出了一种基于噪声优化自适应观测粒子滤波算法的运动跟踪模型,首先构建基于目标跟踪的观测模型,利用当前时刻得到的观测量对粒子滤波算法进行修正,然后采用一个加权函数对目标进行采样来建立直方图,达到自适应加权的目的,最后采用不同方差的高斯噪声加权和来建模,对自适应观测粒子滤波进行去噪优化。仿真试验结果表明,本文提出的基于噪声优化自适应观测粒子滤波算法的运动跟踪模型相比较标准粒子滤波算法而言,具有较高的运动目标跟踪精度且在运动跟踪的应用中效果良好。     

雷达压制式干扰信号的研究与FPGA设计

本文研究了雷达压制式干扰基带信号的FPGA设计与实现。使用直接数字式频率合成器(DDS)技术产生正弦载波,再使用一系列的数字处理技术对载波处理得到噪声压制干扰信号。FPGA通过串口从上位机获取控制参数,这些干扰波形在基带单元的FPGA内计算生成,系统将根据控制参数产生对应的噪声类型,最后经过脉冲信号调制、数模转换、上变频及功率放大,得到射频噪声压制干扰信号。     

联合工况下ABS系统轮速信号滤波方法研究

常用的ABS系统轮速信号卡尔曼滤波方法中假定系统过程噪声参数为定值,没有考虑车辆运行工况对系统过程噪声的影响。在分析车辆运行工况对轮速信号滤波的影响基础上设计基于RBF神经网络的系统过程参数调节器及相应滤波算法对联合工况下轮速信号进行处理。仿真验证结果表明,该方法能够有效地模拟轮速信号滤波过程中系统过程噪声参数的变化特性,提高了联合工况下轮速信号的滤波精度。     

Kalman滤波算法的简化研究

本文首先从数理角度界定了Kalman滤波算法的定义,并对其特征进行了介绍,分析了Kalman滤波算法的应用优势及缺陷,在基于仿真的Kalman滤波算法理论依据上,从优化计算复杂性和数据稳定性两个方面,给出了Kalman滤波算法的简化算法,归纳出简化算法的核心思想。     

槽波信号提取方法综述

槽波信号的提取,是槽波勘探的前提。本文介绍了一维滤波、二维滤波、T-P变换及黄变换四种常用槽波信号提取的方法。通过实际的应用,分析得出各个方法的优缺点:一维滤波只能提取其主频信息,会造成一部分信号的损失;二维滤波通过波数和频率两个参数控制来提取槽波,取得良好的效果;T-P变换通过视速度来滤波,对于频率没有损失,其局限在于在视速度相差不大的情况下,效果不明显;黄变换对于杂乱的,非对称干扰信号效果较明显,但是若干扰信号恰好也规则,效果不太明显。掌握每种滤波方式的优势和劣势,可以有的放矢的,采用针对性强的滤波方式,达到更好的效果。     

基于傅里叶变换和K-L变换的人耳识别方法

针对入耳识别容易受到外界环境干扰,导致识别率出现很多偏差问题,提出了基于傅里叶变换和K-L变换相结合的人耳自动识别方法。首先将人耳图像从空间域到频域变换(即傅里叶变换),在频域内对高频噪声信号和低频信号进行分离,通过低通滤波器进行滤波,滤除噪声和频率变化较快的边缘信息,对滤波后图像进行傅里叶反变换,实现了频率域到空间域的变换,得到增强后的平滑图像,最后运用K-L变换进行降维处理,提取人耳特征向董,采用欧式距离分类并实现人耳识别。     

衰落噪声干扰下网络攻击数据散布特征挖掘算法

提出一种基于随机近场混叠谱分析的网络攻击数据散布特征挖掘算法,实现对衰落噪声干扰下的网络攻击信号的准确检测。采用自适应陷波器对衰落干扰噪声进行滤波降噪预处理,提高了待检测信号的纯度,进行随机近场混叠谱分析,采用时频分析方法进行攻击信号的时延估计,提取随机近场混叠谱特征,实现网络攻击数据散布特征挖掘优化。仿真实验表明,采用该算法能有效提取在强衰落噪声干扰下的网络攻击数据时频散布特征点,特征聚焦性能明显,提高了对网络攻击数据的检测性能。     

噪声干扰下的传感网络敏感信号挖掘模型

传统的传感网络信号挖掘方法在噪声干扰下,以降低波动信号参与通信为代价调控网络平稳度,极大降低了网络信号传递效率,存在较大的弊端。提出一种基于改进中值滤波的神经网络敏感信号挖掘方法,分析噪声干扰下无线传感网络信号特征,采用改进中值滤波的神经网络对原始含噪敏感信号进行中值滤波,利用中值滤波抑制噪声干扰产生的敏感信号值,通过BP神经网络去除敏感信号中的噪声,采用梯度下降方法在信号权矢量空间中求取误差函数的极小值,获取使误差函数极小化的权值组合,也就是待挖掘的传感网络敏感信号最佳解,实现传感网络敏感信号的准确挖掘。实验结果表明,所提方法能更好地过滤噪声,有效挖掘出敏感信号,具有较高的鲁棒性和自适应特性。     

基于北斗GNSS技术的智慧城管数据采集系统架构与实现

针对标准Kalman滤波算法在GNSS定位的应用中还存在精确性不高的问题。本文提出了一种基于模糊度参数优化Kalman算法的GNSS智慧城管数据采集定位模型。在整周模糊度未知的情况下,可将双差整周模糊度作为状态向量的一部分,同时利用伪距、载波相位双差观测值,在滤波估计动态接收机天线位置以及速度的同时,估计双差载波相位整周模糊度。算法仿真结果表明,本文提出的基于模糊度参数优化的Kalman算法相比较标准Kalman算法,在智慧城管数据采集定位的应用中,具有更高的精确性。     

小波变换及其在瞬变电磁信号去噪处理中的应用

瞬变电磁法是当前煤矿电法勘探中最常用的物探方法之一。在瞬变电磁数据采集时,不可避免地受到各种噪声的干扰,传统的去噪方法已不能适应目前的勘探精度要求。通过对一维信号模型加入高斯白噪声进行小波去噪计算机仿真,结果表明小波变换去除高频噪声效果良好。实测资料数据处理结果表明,选择合适的小波簇进行小波分析能有效地区分有用信号与干扰噪声,是一种瞬变电磁信号去噪的可行实用的方法,     

基于相关度预测的椒盐噪声自适应滤除算法

在分析现有的细节保护滤波算法的基础上,提出了一种基于相关度预测的图像椒盐噪声自适应滤除算法。对于信号像素,保持灰度值不变。对于噪声嫌疑像素,利用对邻域灰度相关量化分析和定义的灰度相关函数作为信号邻域相关性的度量,并将该系数作为预测滤波算法的阈值进行判别。根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失。实验表明,该算法的噪声滤除能力、细节保护能力以及运算效率都可以得到满意的结果。     

吏用虚拟噪声补偿技术的自适应kalman滤波算法的研究

研究使用虚拟噪声补偿技术的自适应kalman滤波算法。首先对实际系统模型中的误差部分进行虚拟噪声补偿,然后通过一般自适应kalman滤波算法相结合,使改进的自适应kalman滤波算法在带有模型误差和噪声统计特性误差的前提下,能够在线估计观测随机误差的噪声特性。并编制仿真软件,验证改进算法的可行性。     

使用虚拟噪声补偿技术的自适应kalman滤波算法的研究

研究使用虚拟噪声补偿技术的自适应kalman滤波算法。首先对实际系统模型中的误差部分进行虚拟噪声补偿,然后通过一般自适应kalman滤波算法相结合,使改进的自适应kalman滤波算法在带有模型误差和噪声统计特性误差的前提下,能够在线估计观测随机误差的噪声特性。并编制仿真软件,验证改进算法的可行性。