基于可调Q因子小波变换的海杂波抑制算法

来源 :系统工程与电子技术 | 被引量 : 0次 | 上传用户:vivian16s
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对海杂波背景下弱目标检测中存在的信杂比低的问题,提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量,本文提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换,得到各小波子带的系数,并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在,本文提出一种自适应的阈值检测方法,将原始回波信号与海杂波重构信号的差作为检测样本,实现对弱目标信号的检测。该算法不依赖海杂波具体模型,通过对雷达学报中的实测海杂波数据集进行实验,验证其正确性。
其他文献
该文通过现实中的实例,简要地分析了随着科学技术的发展对学校体育、竞技体育以及大众体育(群众体育)的影响。认为科学技术的发展对于体育既是发展的机遇,又使体育面临着巨大的挑战,我们要抓住发展的机遇,直面挑战,推动我国体育强国的建设。
雷达辐射源识别作为雷达信号侦察的核心关键技术,受到各国军方的高度重视和技术封锁。针对现有雷达辐射源个体识别存在的识别准确率低、难以区分同型号雷达、缺乏实采信号验证等问题,本文提出一种基于变分模态分解和时频能多域特征联合的雷达辐射源个体识别方法。首先对雷达信号进行变分模态分解,对得到的模态分量分别在时域、频域和时频域提取13种特征参数,最后结合k近邻分类器实现雷达个体识别。采用实际采集的船用导航雷达
通过深度学习实现滚动轴承故障识别时,信号噪声的存在会导致轴承故障识别率降低和深层网络收敛速度变慢。针对这些问题,提出一种改进经验小波变换(IEWT)分解降噪法结合改进深层Wasserstein自动编码器(IDWAE)的故障识别模型。首先针对经验小波变换(EWT)的过分解问题,提出一种振动信号频谱有效边界划分方法,进而利用EWT将信号自动分解为不同频段的调幅-调频分量(AM-FM);然后利用一种新的
针对音符识别准确率不高的问题,提出一种基于人工神经网络的音符识别方法。为提高识别准确率,首先采用归一化和汉明窗方法对音频信号进行预处理,然后采用CQT和MFCC分别提取频域特征和倒频域特征;利用BP神经网络和Softmax回归模型,提出Softmax回归结合BP神经网络音符识别模型,并构建音符识别分类器;最后通过MATLAB R2016a作为仿真软件,在自构音符库的基础上,对音符进行识别。结果表明
滚动轴承大量使用在旋转机械中,轴承的工况严重影响着机械设备的正常运行。为了提高轴承故障的诊断精度,本文提出了一种时频分析和深度学习相结合的滚动轴承诊断方法。首先,分析了十种不同时频分析方法;其次,建立了深度学习的滚动轴承故障诊断模型,并利用迁移学习克服训练样本数量少的问题,通过对比分析,常数Q变换(Constant Q Transform, CQT)的准确率可达100%;最后,利用实验数据对所提方
受设备及环境等因素的主要影响,采集的探地雷达(GPR)信号中存在不同程度的噪声干扰。传统变分模态分解(VMD)通过搜寻变分模型最优解分离出不同中心频率的分量实现噪声压制,但最优模态数的选择具有一定主观性,致使重构数据存在不同程度的信号振荡。为优化模态数的选择,并改善信号振荡问题,本文提出基于自适应VMD和奇异谱分析(SSA)的GPR信号去噪方法。首先,引入能量损失比,实施最优模态数的自适应选择,并
近年来,微电网的故障诊断研究变得越来越重要,因为它可以确保微电网安全稳定运行。基于此背景提出了一种基于极大重叠离散小波变换(MODWT)和人工神经网络(ANN)的微电网故障诊断方法。首先利用MODWT对采集到的电流信号进行故障检测,判断是否发生故障;再利用MODWT对故障电流进行特征提取,得到相应的特征向量;随后使用ANN得到故障分类结果。结果表明,该方法可以准确的检测到故障发生时刻。此外,和其他
学位
由于钙离子在心肌细胞兴奋-收缩偶联中发挥着核心作用,低钙血症可诱发心肌病。临床上,由于低钙血症导致的T波电交替和急性心衰罕见,极易被忽视或误诊。研究显示,低钙血症引起的T波电交替和急性心衰往往是可逆的,因而及时纠正严重低钙血症十分重要。本文报告一例慢性甲状旁腺功能减退症患者,由于严重的低钙血症引起T波电交替和急性心衰发作,在迅速纠正低钙血症后,患者病情得以缓解,T波电交替完全消失,心功能部分恢复。
学位