【摘 要】
：
振翅频率是昆虫雷达进行昆虫目标识别的重要参数之一.由于昆虫振翅信号属于微弱信号,在高背景噪声下回波信号信噪比低、信号强度弱,影响昆虫振翅频率提取的准确性.针对低信噪比下昆虫振翅频率提取精度低的问题,本文提出一种低信噪比下昆虫振翅频率提取方法,该方法利用小波变换的多分辨率分析特性,分析各尺度下回波信号与噪声小波系数之间的关系,确定小波分解层数,确定小波阈值,对信号进行针对性降噪,再通过时频分析的方法提取昆虫振翅频率,提高了昆虫振翅频率的提取精度.通过仿真分析与实测数据处理,验证了该方法的可行性.
【机 构】
：
北京理工大学信息与电子学院雷达技术研究所,北京100081;卫星导航电子信息技术教育部重点实验室(北京理工大学),北京100081
论文部分内容阅读
振翅频率是昆虫雷达进行昆虫目标识别的重要参数之一.由于昆虫振翅信号属于微弱信号,在高背景噪声下回波信号信噪比低、信号强度弱,影响昆虫振翅频率提取的准确性.针对低信噪比下昆虫振翅频率提取精度低的问题,本文提出一种低信噪比下昆虫振翅频率提取方法,该方法利用小波变换的多分辨率分析特性,分析各尺度下回波信号与噪声小波系数之间的关系,确定小波分解层数,确定小波阈值,对信号进行针对性降噪,再通过时频分析的方法提取昆虫振翅频率,提高了昆虫振翅频率的提取精度.通过仿真分析与实测数据处理,验证了该方法的可行性.
其他文献
2017年3月,人工智能被首次写入政府工作报告,上升至国家战略层面;2017年7月8号,国务院印发了《新一代人工智能发展规划》,提出六方面重点任务和一系列保障措施,这些都充分显示了国家对于人工智能产业的重视.掌控人工智能,将会是促进国家整体生产效率、发展速度以及科技精度的突破,为增强国家国际竞争力提供坚实的基础.人工智能作为一种基础技术,已经被应用在各个基础行业,如:AI+金融、AI+医疗、AI+传统制造业、AI+教育等等.因此,智能时代下强化人工智能通识课程教学就显得尤为必要,至于如何进行教学改革,使之
信息化技术的发展,推进了计算机在各个领域的应用,计算机与人们的生活、工作的联系亦愈发密切.同时,随着计算机技术的发展,计算机的功能也得到更高的开发,因此对于计算机基础功能的熟练掌握也提出了更高的要求以及学习范围.其中大学计算机专业作为将计算机作为研究对象,致力于提升计算机新技术开发的专业,在信息化时代下就需要紧跟时代发展以及实践运用,做好对新知识的学习与探索.本文将借助《计算机信息技术基础(第2版)》一书,就深入探讨下信息化时代下大学计算机专业的基础研究与应用.
随着人工智能技术、电子信息技术的快速发展,机器人的功能越发强大,得以在多领域得到运用.机器人凭借快速稳定的机械动作,不仅极大的提高了生产效率,长远来看,也替企业节约了人工成本,更有利于企业的生产管理.传统的装配是一个劳动密集型产业,需要消耗大量的人力,同时工作效率随着时间的流逝会造成下降,产品品质也不能做到始终如一的监控.鉴于机器人的优势,将机器人运用到自动化装配之中,就显得尤为必要.本文就将借助《机械自动化装配技术》一书,深入探讨在自动化装配之中,如何实现机器人的功能发挥,展现机器人的价值.
对于世界的探知欲一直是引领人类不断进步的原动力,随着科技的快速发展,人们对于世界的探索有了更多更好的方法与技术,并且在持续创新进步之中.其中对与事物表面形态的探索,就是非常热门的研究热点.人们一直渴望通过现有技术,能够清晰完整的揭示世界以及宇宙的外在形态,从而能够为人们进一步的探索提供资源.本文就将重点介绍三维激光点数据技术,并借用《基于激光点云数据的三维建模应用实践》一书,探讨三维激光点云数据的处理及应用研究,从而帮助读者了解新时代下三维激光点云数据技术的功效.
传统的多假设跟踪(Multiple Hypothesis Tracking,MHT)算法通常假设一个目标独立地产生一个量测.但在实际观测场景中,当多个目标之间足够接近时,分辨率有限的传感器只能识别出一个未分辨的量测.这种现象使得数据关联问题更加复杂,跟踪算法性能明显下降.针对这一问题,本文提出了一种可适应未分辨量测的改进随机化贪心-自适应搜索结构MHT(Greedy Randomized Adaptive Search Procedure MHT,GRASP-MHT)算法,推导了关联未分辨量测的航迹假设得
矩阵CFAR检测是从几何流形角度处理雷达目标检测问题的新技术.为进一步提升其在复杂杂波背景下的检测性能,本文提出一种黎曼流形监督降维的矩阵CFAR增强检测方法.首先,将检测问题视为目标与杂波的分类问题,分别构建黎曼流形上目标单元与杂波单元的类内和类间权重矩阵;其次,为增强目标与杂波的可分性,采用保持类内几何距离最小,类间几何距离最大的准则建立降维目标函数,并基于Grassmann流形求解降维优化问题获得映射矩阵;最后,提出一种矩阵CFAR增强检测方法,实现目标增强检测.采用蒙特卡罗方法对仿真数据和实测海杂
高斯过程回归是机器学习中解决非线性回归的一种典型回归方法.然而,单一的高斯过程难以拟合非平稳、多模态的时序数据.另外,在实际应用中需要预测的输入数据会受到噪声的干扰.为了克服这些问题,本文提出了含噪输入预测策略下的高斯过程混合回归预测方法(niMGP),并针对煤矿瓦斯浓度数据进行了参数学习和柔性预测.与其他传统回归方法相比,这种柔性预测方法是在测试输入数据具有噪声干扰的情况下进行预测,使其结果更为鲁棒和准确.本文首先通过模拟实验验证了在具有固定信噪比的测试输入数据上,高斯过程混合模型在含噪输入预测策略下的
针对低信噪比下经信道化处理后的脉冲信号的到达时间估计精度问题,提出一种高效提取脉冲到达时间的方法.首先,对接收数据做信道化以提取出脉冲信号.其次,对脉冲信号进行相关预处理,然后提取信号包络并判决获得脉冲到达时间粗估计.基于此,利用原始采样数据,设置级联滑窗计算信号频点处的能量,通过信号频点处的能量变化精炼到达时间,得到精估计.相比于传统方法,该方法在低信噪比具有较高的估计精度,同时运算量更小,仿真结果验证方法的有效性.
信息化技术的快速发展,为计算机的应用创造了更为广阔的空间,特别是网络通信技术的进步,让人们借助计算机实现了更多功能的实现,比如信息的查询、获取以及传播,人们之间的信息交流与沟通等.但是伴随人们在信息化网络空间的畅游,也提升了个人信息以及企业信息泄露的风险,一旦信息得不到很好的保护,将会严重影响民众对于网络的信任感,影响民众的网络体验感,因此强化计算机网络数据的安全管理是当下网络运营十分关键的要点.本文就将借助《计算机网络安全(第3版)》一书,对保障网络安全管理的加密技术及防护进行研究探讨.
雷达嵌入式通信(Radar-Embedded Communication,REC)是一种在雷达后向散射回波中嵌入通信信号的新型隐蔽通信手段.相较于传统的隐蔽通信方式,REC具有其独特的优势,在军事和民用领域都有着非常广阔的应用前景.本文基于通用软件无线电外设(Universal Software Radio Peripheral,USRP)硬件平台和实验室虚拟仪器工作平台(Laboratory Virtual Instrumentation Engineering Workbench,LabVIEW)开发