一、一种基于子空间匹配投影的暂态信号检测方法（论文文献综述）
崔伟[1]（2021）在《非合作通信系统中盲源分离及关键算法研究》文中指出盲源分离及其关键算法研究是目前乃至未来一段时间内信号处理、图像识别、生物医学等领域的研究重点,这是因为盲源分离处理可以在先验条件未知情况下得到各领域发展所期待的结果。非合作通信系统的主要任务是从接收到的未知混合信号中分离出各独立源信号。由于非合作通信系统侦收信号时并不知道接收信号的先验知识,信号检测、参数估计、解调和识别处理等都具有“盲”的特性,信号处理始终处于被动地位,这就使非合作通信接收系统只能从“盲”的角度出发来寻找合作通信中时域、频域、空域、码域等之间的差异来分离出有用信号,监视、截取那些缺少先验知识的无线信号并获得其携带的各种有用信息,从而更加有针对性地对侦收到的信号进行分析和处理。在对信号进行截获侦收时,时频域、空域信息往往比较关键,也是非合作通信系统首先要确定的信号技术特征。时频特性代表源信号的时域特性和频域特性,而空域特性主要指源信号的空间到达角度（俯仰角和方位角）信息,在阵列信号处理中,通常可以利用信号波达方向估计（空间谱估计）来得到空域特性并获得入射源信号的俯仰角和方位角。随着电磁环境的日益复杂,信号时域、频域、空域和调制域特性相互交叉重叠并对非合作通信接收系统产生极大挑战,也为信号分离也带来前所未有的难度。因此非合作通信系统在时域、频域、空域（角度域）完成信号盲源分离与重构已成为亟需解决的现实问题。本文从稀疏表示理论和压缩感知理论出发,围绕非合作通信系统中波达方向估计、欠定条件下盲源分离、稀疏信号重构等问题进行一系列分析和探索,建立非合作通信系统时频域、空域盲源分离与信号重构理论框架,构建相对完善的盲源分离、信号重构算法与方案。论文主要围绕以下内容展开:1.针对典型的二维波达方向估计（空间谱估计）问题,提出了一种基于L型阵列的二维DOA（Direction of Angle）稀疏估计算法。算法利用子阵列数据交叉协方差矩阵的空间稀疏特性,在对采样数据误差分布分析的基础上,通过在过完备基下寻找交叉协方差矩阵的稀疏系数从而实现信号俯仰角估计,然后再对数据交叉协方差矩阵共轭转置矩阵进行特征分解,利用旋转不变因子处理方式（类ESPRIT法）实现方位角估计,在俯仰角和方位角联合估计过程中实现了二维角度信息的自动匹配,不存在俯仰角信息和方位角信息的失配问题。仿真实验证明所提算法能够在低信噪比条件下实现二维DOA高精度估计,DOA估计误差随信噪比的增大而逐渐变小,同时估计误差随快拍数的增大也不断变小,算法估计过程呈现出良好的收敛性能。与文中提到的其他算法相比,DOA估计精度明显要高,DOA估计误差值更加趋近于CRB值。算法表现出良好的估计性能,从而对信号空域角度信息实现有效分离。2.针对非合作通信条件下欠定盲源分离问题,在遵循欠定盲源分离两步法基础上,首先改进并提出一种新的混合矩阵估计算法。在充分挖掘相同阵元信号之间角度信息和不同阵元信号之间能量信息的基础上,提出基于角度信息和能量信息双约束的时频域单源点（SSP）检测策略,从而实现SSP有效检测,再利用FCM方法来完成混合矩阵估计。通过分析与相关仿真来看,一方面混合矩阵估计精度NMSE指标随SNR的增大逐渐变小,另一方面与单约束SSP检测算法相比,双约束SSP检测策略在估计混合矩阵时可以得到较高的估计精度,能够实现对混合矩阵进行精确估计。其次,针对信号重构问题,提出一种新的奇异值隶属性匹配欠定盲源重构算法（SVMMUSR）。当信号时频域稀疏特性动态变化时,通过构建数据扩展矩阵并进行奇异值分解,然后再检测每个数据点对被检测子空间的隶属性,从而得到动态k稀疏条件下与每个数据点匹配的最优k维子空间,最后利用子空间投影方法实现源信号精确重构。仿真结果证明,通过与常规OMP、SL0和TIFROM算法相比,SVMMUSR算法中SIR指标值会随SNR的增大而逐渐增大,算法的重构性能在SNR较高情况下要优于OMP、SL0和TIFROM方法。同时,随着SNR的逐渐增大,SVMMUSR重构算法的相关系数近似为1,信号重构性能表现良好。不仅如此,从仿真局部图来看,SVMMUSR算法的性能要优于OMP、SL0和TIFROM算法,从而表明SVMMUSR算法具有较高的信号重构性能,可以得到较高的盲分离精度。3.在对非合作通信欠定盲源分离研究的基础上,进一步对实际条件下稀疏信号重构问题进行深入挖掘和探讨。为解决实际稀疏度k未知时稀疏信号重构算法中存在耗时过长、精度不高的问题,提出了一种基于双向稀疏自适应调整和弱选择原子的匹配追踪重构算法（BSA-WSAMP）。该算法采用原子弱选择优化策略优化支持集更新,采用“缩放”双向变步长方法实现稀疏度自适应调整,算法能有效减少迭代次数。通过理论分析来看,BSA-WSAMP算法并没有明显提高信号重构的计算量,但算法本身所允许的重构条件却更加松弛,更加适合在实际中应用。仿真结果表明,与其他重构算法Co Sa MP、SAMP、ASSAMP和SWOMP相比,BSA-WSAMP算法在稀疏度较大时具有较高的重构概率和较快的算法收敛速度,在迭代次数较少时便可以达到规定的重构误差。同时该算法对稀疏度k具有良好的自适应特性,在保持较低重构复杂度和较少重构时间的同时,具有较高的稀疏信号重构质量。
马俊虎[2]（2021）在《基于稀疏表示的外辐射源雷达目标检测技术研究》文中研究说明外辐射源雷达与传统的主动雷达相比具有隐蔽性强、辐射源丰富、成本较低、容易部署等优点,已经在军事/民用领域得到了广泛应用。近年来,数字信息化技术飞速发展,相对于传统的模拟广播信号,数字广播、电视、通信等信号的模糊函数大多呈典型的“图钉型”,具有较好的稀疏性。本文针对不同的外辐射源雷达系统,研究了基于稀疏表示的目标检测问题,提出了新的检测算法。所提算法无需信号重构,有效地降低了运算量,缓解了雷达信号处理可能面临的采样率过高、数据量过大、存储空间不足、高速信号实时处理困难等挑战。本文的主要工作及创新点总结如下:1.针对双基地外辐射源雷达系统,研究了回波信号中含有直达波与多径杂波干扰的多目标检测问题。根据干扰的特点,设计了随机压缩测量矩阵,该矩阵在得到压缩数据的同时去除了干扰影响,提出了一种基于残差分布特性的正交匹配追踪（Orthogonal Matching Pursuit,OMP）检测算法,并推导了虚警概率的闭式解。进一步,考虑到回波信号中干扰无法完全消除时,根据目标回波的稀疏特性,设计了确定的压缩矩阵,提出了基于稀疏表示的恒虚警检测器。仿真实验表明,所提算法优于其他算法。2.针对单源多接收站外辐射源雷达系统,研究了回波信号中含有直达波与多径杂波干扰的目标压缩检测问题。对于待检测单元内确定存在但未知的目标,首先利用辐射源与接收机的空间位置信息,计算得到了各接收机目标回波之间的相对时延与多普勒频差,在此基础上联合设计了各监视通道的压缩测量矩阵。接着,针对噪声功率已知、未知两种情况,提出了基于广义似然比的压缩子空间检测算法,还分别推导了所提算法虚警概率的表达式。最后,通过计算机仿真实验对所提算法的检测性能进行验证。3.针对单源多接收站外辐射源雷达系统,研究了无干扰条件下的目标压缩检测问题。根据目标回波信号之间的关联性与稀疏特性,联合设计了各接收站的测量矩阵,证明了压缩后的信号在二元假设下服从两个均值相同但方差不同的复高斯分布。根据此特性,在噪声功率已知/未知的条件下,分别提出了两种基于样本方差统计的多观测向量检测算法。与压缩子空间检测算法相比,多观测向量检测算法具有较低的数据运算量。仿真实验表明,在一定信噪比范围内多观测向量算法的检测性能优于压缩子空间检测算法。4.针对多源单接收站外辐射源雷达系统,研究了基于单频网结构的目标检测问题。基于此模型,本文考虑了辐射源位置信息已知/未知两种情况。当辐射源位置已知时,分别在噪声功率已知/未知的条件下提出了两种基于单频网的压缩子空间检测算法。当辐射源位置信息未知时,即目标支撑集未知,通过利用OMP算法对信号支撑集进行估计,提出了一种基于顺序统计量的正交匹配追踪（Order-Statistic based Orthogonal Matching Pursuit,OSOMP）检测算法,并推导了OSOMP算法虚警概率的解析表达式。为了进一步降低数据量,本文继续讨论了在满足期望的检测概率和虚警概率的条件下,OSOMP算法所需要的最少的迭代次数的情况。
李海鹏[3]（2021）在《基于子空间估计的干扰抑制技术研究》文中认为随着对海洋探索的深入,声纳系统在深远海作业时面临着信号长距离传播能量衰减,水面载体、海洋生物和海洋环境干扰等问题,导致接收数据的信干噪比（Signal to Interference and Noise,SINR）降低,成为声纳系统稳定工作的瓶颈因素,是目前不可避免且亟待解决的问题之一。本文主要围绕子空间类算法在合作式声纳系统中的应用问题展开,以提升系统在复杂环境下的检测能力为需求背景,以线性相位特性的子空间投影为手段,以抑制干扰提升系统接收SINR为目标,开展了基于子空间估计的干扰抑制技术研究,实现了对干扰的有效抑制,提高了声纳系统性能。对于声纳系统而言,SINR是影响系统性能的重要因素,在不影响期望信号的幅相特性的前提下抑制干扰是提升声纳系统性能的主要研究目标,子空间线性投影的线性相位特性为该目标的实现提供了可能性。本文以合作式声纳系统为背景,建立了子空间理论框架下的接收信号模型,以此为基础证明了通过空间投影抑制干扰的可行性,推导了正交投影和斜投影两种典型投影方式的表达式和二者的关系并给出了不同数据条件的使用场景。针对常规的基于信息量准则的子空间维度估计方法在低采样点数和低信噪比条件下稳健性差的问题,提出了基于广义贝叶斯信息量准则（Generalized Bayesian Information Criterion,GBIC）的子空间维度估计算法。该算法同时考虑了观测量的概率密度及其对应的特征值和特征向量的联合概率密度,并将信号模型中的信号子空间作为未知参数进行估计。针对确定信号和随机信号分别给出了子空间维度估计的表达式。算法既适用于窄带信号模型也适用于宽带信号模型,并且对于低采样点数和低信噪比条件具有良好的稳健性。仿真结果表明:基于广义贝叶斯信息量准则的子空间维度估计算法的检测成功率和收敛速度均优于现有方法,而且对于采样点数和信噪比都具有最优的稳健性。水池试验结果表明:在其他方法都几乎失效的情况下,该算法在信噪比小于0d B时仍能准确估计子空间维度。针对干扰存在时信号子空间与干扰子空间纠缠导致无法准确估计信号子空间的问题,提出了基于匹配广义似然比检测（Matched-Generalized Likelihood Ratio Test,M-GLRT）的子空间估计算法。该算法将广义似然比检测的期望作为统计量,结合系统参考信号估计与信号子空间最匹配的特征向量矩阵,以此构造投影矩阵对接收数据进行线性投影以实现对干扰和噪声的抑制。仿真结果表明:本文提出的算法有效克服了干扰导致的子空间纠缠问题,准确估计了期望信号子空间,进而通过空间投影有效抑制了干扰和噪声。水池试验中将算法应用于目标定位,试验结果表明:本文提出的算法的定位精度明显优于常规方法,特别是在干扰的相关性强于期望信号时,算法仍然能够有效抑制相关干扰,准确估计目标位置。针对干扰存在时现有算法对时变子空间的追踪性能明显下降的问题,提出了匹配约束子空间跟踪（Matched Constrained Subspace Tracking,MCST）算法,该算法首先根据全部数据的协方差矩阵估计平均信号子空间并以此约束信号子空间的可行域,然后将子空间跟踪问题转换成无约束最小化问题,并通过递归最小二乘方法求解该优化问题,最后构造投影矩阵对接收数据进行线性投影以抑制干扰和噪声。与常规的基于特征值分解的算法相比,该算法的计算复杂度由O（N3）下降到O（Nr）,同时保证了递归过程中特征向量的正交性。仿真结果表明:本文提出的算法在干扰存在时的子空间跟踪速度和精度都优于现有算法,经过空间投影后能够得到更高的输出SINR和更低的时延估计误差,特别对于相关干扰的情况,本文提出的算法性能明显优于现有方法。水池试验中将算法应用于目标定位,试验结果显示:在静态测试时,本文算法与非时变类算法的定位结果非常接近,且较处理前有明显提升。在动态测试时,本文算法的定位精度优于现有方法,将定位误差由处理前的2.869m降低到0.163m。
刘秋红[4]（2021）在《混叠条件下直扩信号的截获与分析》文中指出直接序列扩频（DSSS）是一种通过扩展频域带宽换取低信噪比的通信技术,具有频带宽、功率低、保密性好、截获率低、可实现码分多址等优点,被广泛应用于军事和民用通信中。在非合作接收条件下,如通信侦察、无线电频谱监测及非法通信电台的定位跟踪等,实现该类信号的截获和分析,具有重要的现实意义和研究价值。虽然目前针对DSSS信号的盲分析已取得了较多进展,但均基于单一的直扩信号。当非合作接收环境中存在其他通信体制的同频强功率干扰信号,或合作方采用非对称成对载波多址通信体制且为了提高保密性或实现多用户传输而将小站信号采用DSSS调制时,第三方所截获的DSSS信号是带有强信号干扰的混叠信号,再加上多径干扰、复杂的相位调制等,都使得直扩信号的检测和盲分析极具挑战。本文主要针对混叠条件下直接序列扩频信号的盲分析问题,做了以下几点研究:1、研究了混叠条件下直扩信号的强干扰信号抵消技术。分别讨论了窄带干扰和宽带干扰两种情况。其中,重点针对混叠窄带干扰的DSSS信号,提出了一种基于互补对称滤波器的干扰抵消算法,且研究了算法参数、信号参数等对算法性能的影响。仿真结果表明,针对混叠有功率较强、带宽较窄的干扰信号的DSSS信号,该算法能够实现精度较高的干扰抵消。此外,所提算法的实现思路有较多应用前景,如宽带多信号抵消、信道估计以及隐蔽传输下的扩频检测等。2、研究了强干扰信号抵消后直扩信号的检测与参数估计问题。从多相制（MPSK）和连续相位（CPM）两种调制方式出发,分别讨论了载波频率、码片速率、扩频（PN）码周期三类参数型特征检测器。针对信号检测与载波频率估计,讨论了倍频、循环谱两类算法,其中,重点对循环谱特性进行了详细梳理和证明,并分析了二者在常用的MPSK、CPM调制下的性能差异;针对信号检测与码片速率估计,首先研究了针对MPSK调制的延时相乘算法,并通过仿真分析了延时参数对其性能的影响,而后针对CPM调制,提出了一种基于小波时频分析的估计算法,该算法可适用于CPM灵活多变的调制参数;针对信号检测与PN码周期估计,研究了应用成熟的自相关波动和二次功率谱,并通过仿真分析了二者对MPSK、CPM调制的性能差异。3、针对短码直扩信号,分别研究了高斯信道和多径信道下的PN码估计问题。针对高斯信道,对比讨论了现有的三类成熟算法,矩阵分解、子空间跟踪、神经网络,其中,矩阵分解性能最优,可达到克拉美罗下界（CRB）,但算法存在复杂度高、跟踪性差等问题,子空间跟踪和神经网络避免了上述问题,但性能有所损失;针对多径信道,提出了一种基于最大似然的PN码和信道联合盲估计算法。为了降低低信噪比下信道估计误差对PN码估计带来的影响,进一步提出了一种改进的联合估计算法。此外,为了更好地评估算法对信道的估计性能,推导了合作通信下信道估计的CRB。所提算法不受PN码码型限制,且仿真结果表明,算法的PN码估计性能与理想情况下信道已知的PN码最大似然估计性能相当,信道估计性能逼近合作通信下的CRB。4、针对长码直扩信号,分别研究了高斯信道和多径信道下的PN码估计问题。针对高斯信道,对比分析了适用于复杂的非周期长码直扩信号的两类处理算法,分别是基于缺失数据模型转换的优化类算法和基于窄窗口重叠分段的矩阵分解类算法。其中,优化类算法可逼近CRB。而窄窗口分解类算法,由于存在概率上的近似性,因此算法性能低于优化算法。针对多径信道,提出了一种PN码和信道联合盲估计的算法。为了避免矩阵求逆等问题,给出了算法的自适应优化方式。此外,为了降低计算复杂度以及提高算法在低信噪比下的估计性能,进一步提出了一种基于近似模型的低复杂度联合盲估计算法。仿真结果表明,对于信道估计,所提方法性能优于基于已知PN码的信道半盲估计算法;对于PN码估计,所提方法性能优于基于已知多径信道均衡后的PN码盲估计算法。
贺玉梁[5]（2020）在《运动小平台主动声呐目标回波信号检测技术研究》文中指出目标回波信号检测是主动声呐应用的一个重要方面,尤其对水下运动小平台搭载的目标探测主动声呐而言,其在应用上通常面临一些特殊问题。本文以水下运动小平台搭载的主动声呐为物理基础,对目标回波信号检测技术进行研究。这类平台具有尺度小、机动灵活等优点,但这同时也引发了特有的回波信号检测问题。本文针对平台特点和所面临的问题,重点对声呐波形优化设计技术、复合高斯混响下小样本需求的空时自适应检测、混响干扰下增强目标回波的空时滤波、抑制相关距离旁瓣的失配滤波等关键技术,进行了深入的分析和研究,旨在为水下无人航行器平台的目标主动探测奠定基础。本文主要研究内容和创新点如下:1.对于水下小平台搭载的目标探测主动声呐而言,其平台尺度较小,发射能力有限,因而要求所选用的发射波形应具备足够低的峰均功率比,以利于声呐发射机高效发射来满足探测作用距离需求。对某些特性良好但峰均功率比较高的波形,为了缓解其在小平台主动声呐上应用所面临的困境,需要设计一种能尽量保持波形固有特性,同时获得期望低峰均功率比的波形优化技术。针对该问题,本文提出了一种降低这些波形峰均功率比的优化技术——基于交替投影方法的低峰均功率比波形优化技术,该算法将降低波形峰均功率比问题考虑为频谱成形问题,在交替投影算法基础上通过设计投影约束集合与投影算子实现频谱成形,具有折中控制波形峰均功率比和固有特性的能力,并从理论上分析了方法的收敛性和有效性。受益于交替投影技术,生成的信号具有低幅度谱逼近误差及低带外频谱泄露特性,适于主动声呐的高效发射。仿真实验处理了几何梳状谱信号和伪随机信号的峰均功率比控制,验证了所提方法的有效性。2.运动平台主动声呐的阵列混响具有空时耦合特性,单独从空时域任一维处理都不能最大程度地抑制混响干扰,因而需要借助空时联合处理方法。此外,主动声呐混响通常具有较强的非平稳性,由于海底散射体尺度的不均匀性等囚素,混响也常呈现出非高斯性,因而需要设计能抑制非平稳非高斯混响的空时目标检测方法。针对非平稳非高斯混响背景下运动平台主动声呐的目标回波信号检测问题,本文提出了一种基于STAP的检测方法——复合高斯混响下多通道空时自适应信号检测的一种参量型GLRT方法,其以复合高斯（Compound-Gaussian,CG）模型对非高斯分布进行建模,以多通道自回归参量模型对问题进行降维,具有适应非平稳混响统计特性的小训练样本需求,而后基于GLRT理论构造了多通道参量型检测器CG-PGLRT。在复合高斯或退化的高斯混响背景下,其均表现出一定的适用性。仿真和试验表明所提检测器相比于传统的基于协方差估计的检测器,对训练样本的需求显着下降,并能提供优越的估计和检测性能。3.在主动探测声呐的方位历程图滤波输出中,尽管可能已经考虑了某些混响抑制策略,但在混响影响严重的近距离区域,大量虚假的混响回波亮点会掩蔽真实目标回波的可见性,尤其在浅海环境下,很大程度上会增大后续检测判决的虚警率,因而需要进一步减小混响干扰增强真实目标回波可见性的空时滤波方法。针对在运动平台主动声呐近程目标的方位历程图滤波输出中,残留混响干扰影响真实目标回波后续的检测判决问题,本文提出了几种在混响干扰下增强目标回波的方法——混响干扰下基于低秩稀疏分解增强目标回波的空时滤波,该方法在逐帧的近程目标方位历程图中,假设混响成分是近似低秩的,运动目标回波成分是稀疏的,此外还有残余的噪声成分,从而可以对待分离数据进行低秩稀疏表示。依据数据的组织形式不同,问题可以表示为以矩阵数据为基本输入的离线模型,和以向量数据为基本输入的在线模型。对于离线模型问题,给出了加速近端梯度算法;对在线模型问题,给出了基于不同混响子空间估计方法的低秩稀疏分解算法。仿真和试验将所提分解算法应用到了增强目标回波的空时滤波中,说明了这些方法的有效性。4.在某些噪声为主要干扰的主动声呐场景中,相关处理的距离旁瓣控制是一个非常关键的问题,一方面这关系到非模糊测距问题,另一方面,这涉及到强目标的高距离旁瓣对弱目标主瓣的掩蔽问题,因而需要设计一种低距离旁瓣的滤波方法。针对主动声呐目标回波匹配滤波输出的高距离旁瓣问题,本文提出了一种抑制相关距离旁瓣的方法——最大损失可控的低距离旁瓣失配滤波器设计,该方法能够灵活地控制信噪比最大损失,并且通过加权函数可以有效地控制失配滤波特性,进而实现距离旁瓣抑制的最优化处理。依据干扰背景形式的不同,失配滤波器可被设计成最小化积分旁瓣级或峰值旁瓣级,而后以旁瓣级为优化目标,信噪比损失为约束,构造了二阶锥规划问题并给出了其求解方法。在目标回波信号多普勒已知或未知下,分别给出了一维或二维最优失配滤波器设计。仿真以离散相位编码信号、线性调频信号和伪随机信号为例,分析了相应的失配滤波器的距离旁瓣抑制性能,说明了所提方法对相关距离旁瓣抑制的有效性。
杨凯[6]（2019）在《特定辐射源智能识别技术研究》文中进行了进一步梳理特定辐射源识别是一种利用接收信号中蕴含的无意调制信息来识别其所属辐射源个体的技术。由于信号的无意调制信息（也被称作辐射源的指纹特征）具备唯一标识性,使得特定辐射源识别技术在军事和民用领域得到了广泛的应用。然而,传统基于人工预定义指纹特征的特定辐射源识别系统在实际应用时却存在系统开发效率低、系统有效性无法保证等难以克服的问题,其根本原因是当前无法建立关于辐射源指纹特征统一、精确的数学模型,使得传统基于人工预定义方法提取的指纹特征存在通用性差、适用范围不明确等诸多问题。为有效解决传统特定辐射源识别系统存在的不足,本文将深度学习方法引入到特定辐射源识别领域中,研究了基于深度学习的暂态智能表征方法和稳态智能表征方法。为了进一步提高特定辐射源识别系统的通用性,本文研究了特定辐射源识别预处理操作中智能化的信号检测和信噪比估计方法。此外,本文还对辐射源个体的分类系统设计和弱标注条件下辐射源个体智能表征方法进行了研究。归纳起来,本文的主要工作和贡献可总结如下:（1）研究提出了特定辐射源智能识别系统处理框架和一般处理流程。本文首先分析了传统基于人工预定义指纹特征的特定辐射源识别系统存在的不足以及根本原因,在此基础上,提出了基于深度学习的特定辐射源智能识别系统处理框架。然后,阐述了特定辐射源智能识别系统的组成和处理流程,分析了特定辐射源智能识别系统不同与优势。最后,介绍了特定辐射源智能识别处理新方法。（2）研究提出了基于深度学习的智能化预处理方法。针对非合作场景下特定辐射源智能识别预处理中信号检测和信噪比估计的需求,本文在深入分析典型的信号检测方法和信噪比估计方法后,引入了深度学习理论,分别提出了一种基于深度学习的信号检测方法和基于深度学习的信噪比估计方法。实验结果表明,本文提出的信号检测方法和信噪比估计方法性能更优、通用性更强。（3）研究提出了基于深度学习的辐射源个体智能表征方法。本文首先分析了辐射源指纹特征产生的机理,然后针对非合作场景下基于暂态信号和稳态信号的特定辐射源识别任务需求,分别提出了基于深度学习的暂态智能表征方法和基于深度学习的稳态智能表征方法。最后通过实采数据证明本文提出的辐射源个体智能表征方法的性能更优、鲁棒性更好、通用性更强。此外,可视化的分析表明,基于深度神经网络提取的DNN特征具有类间差异大、类内聚集性好的特点。（4）研究提出了一种具备开集识别能力的辐射源个体分类系统。针对特定辐射源智能识别系统的开集识别任务需求,本文首先分析了基于深度神经网络提取的特征的特点,并针对该特点,提出了相应的辐射源个体分类系统架构。然后,研究提出了一种基于MGMM的异常目标样本检测模型和基于SD-DPC的聚类分析方法。实验结果表明,本文提出的辐射源个体分类系统能够从待分类样本集中有效地发现异常目标样本,提升已知目标的识别正确率,减少虚假新目标的产生以及筛选提取新目标的核心样本。（5）研究提出了弱标注条件下辐射源个体智能表征方法。针对特定辐射源智能识别系统在弱标注条件下的特定辐射源识别任务需求,本文首先分析了对抗训练方法能够提升深度神经网络泛化能力的原因,然后介绍了虚拟对抗训练方法,最后阐述了弱标注条件下基于虚拟对抗训练的辐射源个体智能表征方法。实验结果表明,该方法能够有效提升弱标注场景下基于深度学习方法表征辐射源个体的性能。
李科[7]（2019）在《小样本条件下通信辐射源个体识别方法研究》文中进行了进一步梳理在军事斗争领域,通信辐射源个体识别对提高通信对抗作战能力具有极其重要的意义。通过提取敌方通信辐射源信号的细微特征,并利用先验信息确定信号来自哪个通信辐射源,为准确预测敌方的战略、战术意图等情报提供了重要依据。同时,在军转民应用领域中,该技术在无线通信网络安全、认知无线电和机械故障诊断等方面也具有重要的应用前景和价值。本文立足于通信对抗领域,在对现有通信辐射源个体识别方法的现状进行深入剖析的基础上,提出了一种小样本条件下通信辐射源个体识别方法,该方法围绕小样本条件下通信辐射源个体识别中特征提取、特征降维,以及分类器设计等关键技术展开研究,通过实际采集数据验证了所提方法的有效性。论文的主要工作归纳如下:（1）根据发射信号状态的不同,从暂态特征和稳态特征两方面研究通信辐射源特征提取方法。在暂态特征提取方面,为解决暂态信号起点和终点的精确检测问题,研究了改进相位的起点检测法和基于HHT能量轨迹自适应阈值的终点检测法,在此基础上,提出了一种基于HVG-NTE的特征提取方法,提高了特征的抗噪声性能;在稳态特征提取方面,通过对四种积分双谱性能的比较分析后,研究了基于SIB的特征提取方法,该方法得到的稳态特征对高斯噪声有抑制作用,能够较好地表征通信辐射源之间的差异。（2）为解决提取特征的高维小样本问题,根据是否使用标签信息,研究了两种通信辐射源非线性特征降维方法。当没有使用标签信息时,提出一种基于MKPCA的无监督特征降维方法,能有效的对高维双谱特征进行维数约简,提高运算效率;当使用部分标签信息时,提出一种基于ESDA的半监督特征降维方法,将高维双谱特征映射到低维子空间,从而提高特征的可分性。（3）在分类器设计方面,为了说明先降维再识别这种方案的优势,首先设计了一种直接针对高维特征进行识别的分类器,以相关熵模型为基础,并结合稀疏表示系数中的重构残差与判别信息,构造相关熵稀疏表示分类器,可在一定程度上缓解小样本问题。然后针对降维后的特征,在研究SVM-KNN分类器的基础上,提出了一种改进型SVM-KNN分类器,将每类待检测样本到属于该类支持向量的距离定义为流形测地距离,对核函数参数选择不敏感,在大大提高实时性的同时,具有比CSRC更好的识别性能,并且适用于样本数量较少的情况。本文从特征提取能力、特征降维效果和分类识别性能等方面,分别进行了对比实验。实验结果表明,在特征提取方面,基于HVG-NTE的特征提取方法与基于NPE的方法相比,平均识别率提高了5.7%;基于SIB的特征提取方法与基于RIB、CIB、AIB的方法相比,平均识别率分别提高了4.5%、6%和8.9%。在特征降维方面,基于MKPCA的降维方法比基于PCA、KPCA的方法平均识别率分别提高了16.9%和5%;基于ESDA的降维方法比基于RDRA、SDA的方法平均识别率分别提高19.3%和4.2%。在分类器设计方面,CSRC的识别率比SRC提高了5%;改进型SVM-KNN分类器的平均识别率比SVM-KNN分类器提高2%以上,比CSRC高5.2%,计算时间降低了165倍。为了完整验证本文所提方法的有效性,构建了由信号接收与采集子系统和个体识别软件子系统组成的验证环境,并根据信号样本的状态、是否使用标签信息等情况,建立了三种识别模式,对同厂、同批、同型号的同类通信辐射源进行个体识别实验。识别率在85%到98%之间,能够满足小样本条件下通信辐射源个体识别的需求。
拓世英[8]（2017）在《阵列信号序贯检测与快速测向方法研究》文中研究说明随着雷达、通信等电子设备的快速发展和广泛使用,空间电磁环境日益复杂,电磁信号呈现出典型的频域交叠、时域交错、空域交织特点。阵列信号处理技术具有同时多信号处理和空域邻近信号超分辨等多方面优势,近年来在学术界和工业界受到了持续关注。为了及时准确地掌握空间谱的动态变化信息,为电磁频谱管理、动态频谱接入等应用提供信息支持,有必要深入研究延迟时间短、处理效率高的阵列信号检测与测向方法,以满足实时和近实时的空间谱信息获取需要。特别是在星载、无人机载等计算资源严重受限的阵列平台上,减小阵列处理的计算量,并尽可能采取序贯处理的方式将计算负担分摊到整个采样时间内,对增强此类系统的实际可用性显得尤为重要。本文围绕阵列信号序贯检测与快速测向问题展开研究,力图从两个方面提高阵列处理的时效性。一是对阵列观测数据进行序贯处理,实现对空间谱动态的及时掌握,并尽可能提取各信号的方向信息;二是基于现有大多数阵列测向系统的组成结构,在获得信号采样数据之后,采用快速测向方法尽快给出信号波达方向估计结果。基于这两方面的考虑,论文研究了对阵列信号的序贯检测与测向方法,以及一维和二维方向的快速估计方法。信号检测与截获是阵列接收机获取有效采样数据和进行测向处理的前提。为了解决这一问题,论文首先在未知信号入射方向和到达时间的前提下,引入子空间追踪技术,提出了一种阵列信号序贯检测方法。与以往基于阵列观测协方差矩阵特征分解的信号检测与源个数估计方法不同,新方法中主要包含计算量小、并行性强的线性相关运算,避免了大计算量的矩阵分解运算,计算效率显着提高。新方法对顺序接收的观测数据逐个快拍进行处理,以时效性更强的方式积累信号能量,突破了协方差矩阵分解方法检测时延受限于观测数据积累时间窗宽度的限制。论文理论分析了序贯检测方法的检测概率、检测时延和对应的测向精度等技术指标,给出了该方法在观测噪声方差已知和多信号场景中的不同实现形式。基于信号检测之后采集的阵列观测数据,论文进一步研究了对阵列信号一维方向的快速估计问题,分多快拍和单快拍场景分别提出了相应的解决方法。在多快拍条件下,引入传播算子快速估计阵列观测数据的信号子空间,并据此建立关于各信号入射方向的低阶特征方程,该方程的阶数与入射信号个数相等,最后通过求解该低阶方程实现了对信号方向的估计。整个处理过程较好地回避了传统子空间测向方法中计算量较大的协方差矩阵分解和空域搜索步骤,代之以计算效率更高的低阶运算和数值解算,阵列测向过程的计算量显着减小。针对单快拍条件下的阵列测向问题,引入匹配追踪和迭代优化技术,首先得到两个同时入射信号的角度预估值,随后将该预估结果作为初始值进行迭代优化,得到了更高精度的测向结果。该部分研究为单快拍阵列测向这一难点问题提供了一种较为高效的解决方案。针对阵列信号的快速二维测向问题,论文基于广泛研究的L形阵列加以解决。首先将L形阵列在两个正交维度上分解为两个线性子阵,提出高效的一维测向方法估计入射信号在两个维度上的方向参数。随后着重研究了多个信号同时入射时两个维度方向参数的无模糊配对问题,分别提出了基于两子阵观测数据协方差矩阵的方位角-俯仰角配对方法,以及基于信号功率估计的配对方法。这两种方法在实际环境中可以组合运用,以得到最优效果。借助严格的计算量分析,证明了新方法相对于已有方法的计算效率优势。在阵列处理系统计算资源相对宽裕的情况下,论文最后提出了一种基于信号空域稀疏性的序贯检测与测向方法,发挥贝叶斯稀疏重构类方法在噪声抑制方面的性能优势,并对稀疏重构过程进行结构优化和数学简化,采用高效的序贯处理方式逐步提取观测数据中的信号信息,最终恢复出了动态变化的整个空间谱。重构空间谱中包含了任一时刻的信号个数与方向、各信号的起止时刻等完整信息,这是阵列信号处理领域和稀疏重构领域首次得到类似结果。该方法经适当修正后,可以较好地从窄带信号扩展至宽带信号。
张文玉[9]（2013）在《匹配时频原子的电能质量扰动压缩重构方法研究》文中提出近年来，电能质量问题日益突出，引起供电部门和用户的密切关注。电能质量扰动分析处理的关键是能够对电网监测的海量数据进行有效的压缩储存、检测定位以及分类识别，而对扰动信号进行有效处理依赖于高效的扰动信号分析方法。针对传统电能质量扰动分析方法难以简洁灵活提取非平稳电能质量扰动有效细微特征以及所提取扰动特征信息量数据过大难以存储传输的问题，本文在匹配追踪算法（MP）基础上，提出了一种应用于电能质量扰动压缩重构及扰动匹配特征参量提取框架及其相应改进算法。主要研究内容及成果如下：首先，提出了一种匹配Gabor时频原子的电能质量扰动压缩重构及扰动匹配特征参量提取框架。通过对Gabor过完备时频原子库离散优化处理，采用匹配追踪方法（MP）对常见的非平稳电能质量扰动信号进行匹配时频原子自适应稀疏分解，获得一系列最佳匹配电能质量扰动信号整体以及局部细微特征的时频原子及其参量化解析形式。设定本地和检测端原子库,建立原子序号一一映射关系,将最佳匹配扰动信号特征的时频原子对应的原子序号及分解系数通过编码处理后进行低数据量传输存储,在本地端调取对应的时频原子,实现扰动信号的高精度压缩重构。算例仿真表明，该方法扰动匹配特征重构信噪比高达50dB，均方误差数量级为0.001，能量恢复系数达到0.99以上，在压缩率优于小波包基础上，具有更优良的压缩重构性能及多分辨能力，表达信号更加精确、简洁、灵活及自适应,满足电能质量扰动分析处理要求。其次，针对匹配扰动特征冗余分量过多及分解效果较差的问题，提出了一种正交优化时频原子的电能质量扰动匹配特征分析改进算法（O-MP）。该算法在匹配时频原子框架基础上，通过对搜寻的最佳时频原子进行正交变换及更新投影空间,减小冗余分量，实现电能质量扰动的压缩重构及特征参量提取。通过仿真算例分析，该方法相对基于MP的稀疏分解框架，匹配扰动特征精度及收敛性能进一步提高。再次，针对匹配扰动特征搜寻最佳时频原子计算复杂度大及搜寻效率较差的问题，提出了一种遗传优化时频参量的电能质量扰动匹配特征分析改进算法（GA-MP）。该算法在匹配时频原子框架基础上，通过遗传算法（Genetic Algorithm，GA）对时频原子参量进行优化计算，以寻优空间代替过完备原子库，降低了匹配追踪搜索过程的复杂度，从而实现电能质量扰动的压缩重构及特征参量提取。通过仿真算例分析，改进算法基本保持了MP优良的压缩重构性能，计算复杂度缩减率为95.8%，算法收敛性得到提高，匹配扰动信号计算效率提高80-100倍。最后，结合O-MP和GA-MP思想，提出了一种正交优化遗传搜寻最佳原子的电能质量扰动匹配特征分析改进算法（GA-OMP）。该算法在匹配时频原子框架基础上，通过遗传算法（GA）对时频原子参量进行优化计算，降低匹配追踪搜索过程的计算复杂度，同时对遗传优化搜寻的最佳时频原子进行正交化处理及更新投影空间,减小冗余分量，从而实现电能质量扰动的压缩重构及特征参量提取。算例仿真结果表明，在迭代次数相同情况下，GA-OMP相对GA-MP和MP,具有更优良的压缩重构性能和收敛性，且基本保留了GA-MP优良的计算复杂度及匹配扰动信号特征的运行效率。
赵勇[10]（2011）在《小波变换与匹配追踪电能质量分析方法研究》文中研究表明电能质量问题主要是由电网中的各种非线性负载引起的。从总体上看,电能质量问题可分为稳态的和非稳态的两大类。相应地,电能质量信号包括稳态成分和非稳态扰动两类现象。其中,稳态成分（如谐波和间谐波等）一般能量较大,具有周期性和较长的时域支集；非稳态扰动（如脉冲暂态、振荡暂态等）的能量较小,出现的时间具有随机性,持续时间较短且频谱分布分散。所以,从信号形态成分特征的角度来看,电能质量稳态成分的频谱在频域是紧支的且具有稀疏性；而非稳态扰动的波形一般是时域紧支和时域稀疏的。由于稳态成分的能量和幅值很大,所以电能质量信号中的非稳态扰动的分析准确度较低；同时,稳态成分是由多个谐波成分组成的,而各谐波功率正负的不同也影响了电能质量信号功率的准确测量。本文在系统总结前人工作的基础上,指出谐波功率的测量和电能质量扰动参数的估计是目前电能质量分析的热点和亟待解决的难点问题。对此,进行了如下研究工作：首先,从理论上分析指出小波（包）变换电能质量谐波功率分频带测量算法存在带内能量泄漏误差,研究揭示误差变化规律并构造整系数交迭窗函数,提出基于整系数交迭窗的抗带内泄漏的谐波功率分频带测量算法,并实验验证。针对传统小波包功率分频带测量计算量大的缺点,提出基于子带能量熵阈值准则的最优小波包测量算法。其次,研究提出频域匹配追踪（FDMP）算法,构建适用于电能质量信号频域匹配追踪分析的时频原子和冗余字典,实现电能质量稳态成分和非稳态扰动的分离以及稳态成分参数的估计。研究周期信号匹配追踪误差的变化规律,发现并证明匹配追踪算法具有的时域数据窗中点相位最佳匹配性质,利用该性质实现电能质量稳态成分波形和相位的准确估计。使用电能质量信号实验数据来验证频域匹配追踪算法和时域数据窗中点相位最佳匹配性质,比较算法性能；通过实验来实现电能质量非稳态扰动的稀疏化,为非稳态扰动的准确分析和参数估计提供条件。再次,针对电能质量非稳态扰动的特点,提出基于规则的形态成分分析（RMCA）方法。构建适用于电能质量非稳态扰动分析的时频原子和冗余字典,研究非稳态扰动分析的若干重要方法：非稳态扰动的定位与划分、扰动频率与衰减系数估计,以及用来估计振荡非稳态扰动参数的子空间匹配追踪算法（SSMP）。利用实验数据验证RMCA方法对电能质量非稳态扰动分析和参数估计的准确度。通过对比实验,指出RMCA方法在电能质量非稳态扰动分析方面具有优势。同时,从理论上将子空间匹配追踪算法的应用范围推广到衰减振荡非稳态扰动和非正弦周期振荡非稳态扰动的参数估计。最后,研究电能质量信号数据的压缩方法。通过对小波变换后的低高频数据分别进行二次压缩来获得较高的压缩比和较快的实现速度,并实验验证。本文所提出的抗带内泄漏的谐波功率分频带测量方法具有较高的准确度,通过该方法可以准确了解谐波功率的分布情况,为谐波源的识别、谐波污染治理和电能消耗费用的结算提供依据；所提出的电能质量频域匹配追踪算法对稳态成分分离和参数估计的准确度高,使非稳态扰动的时域稀疏性好；针对非稳态扰动提出的基于规则的形态成分分析方法不仅能够分析多重扰动,同时还能准确估计扰动的参数,从而为电能质量分析提供新的有效手段。
二、一种基于子空间匹配投影的暂态信号检测方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于子空间匹配投影的暂态信号检测方法（论文提纲范文）
（1）非合作通信系统中盲源分离及关键算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信号波达方向估计 |
| 1.2.2 时频域盲信号分离 |
| 1.3 本文内容及安排 |
| 第2章 盲源分离与稀疏表示 |
| 2.1 盲源分离数学模型 |
| 2.1.1 盲源分离模型 |
| 2.1.2 盲源分离典型算法 |
| 2.2 稀疏表示理论 |
| 2.2.1 稀疏表示与压缩感知 |
| 2.2.2 稀疏表示DOA估计 |
| 2.3 稀疏表示下精确重构理论与方法 |
| 2.3.1 精确重构的条件 |
| 2.3.2 常用稀疏重构方法 |
| 2.4 本章小结 |
| 第3章 基于L型阵列的二维DOA稀疏估计 |
| 3.1 引言 |
| 3.2 L型阵列模型与相应假设 |
| 3.3 基于数据交叉协方差矩阵的二维DOA稀疏估计 |
| 3.3.1 基于稀疏重构的俯仰角估计 |
| 3.3.2 基于旋转不变处理的方位角匹配估计 |
| 3.3.3 二维DOA估计流程及计算分析 |
| 3.4 仿真实验与分析 |
| 3.5 本章小结 |
| 第4章 时频域稀疏欠定盲源分离算法 |
| 4.1 引言 |
| 4.2 信号模型与假设 |
| 4.3 基于时频域双约束单源点检测的UBI算法 |
| 4.3.1 基于同一阵元相对信息的SSP检测算法 |
| 4.3.2 基于不同阵元相对能量信息SSP检测算法 |
| 4.3.3 基于双约束SSP检测的FCM混合矩阵估计 |
| 4.4 动态k-稀疏下基于奇异值隶属性匹配的USR算法 |
| 4.4.1 k-稀疏分量分析 |
| 4.4.2 基于动态k-SCA的SVMMUSR算法 |
| 4.5 仿真实验与分析 |
| 4.5.1 性能评价准则 |
| 4.5.2 算法仿真与分析 |
| 4.6 本章小结 |
| 第5章 基于双向稀疏自适应和弱选择匹配追踪的稀疏重构 |
| 5.1 引言 |
| 5.2 匹配追踪重构算法 |
| 5.2.1 正交匹配追踪算法 |
| 5.2.2 分段正交匹配追踪算法 |
| 5.2.3 正则化匹配追踪算法 |
| 5.2.4 压缩采样匹配追踪算法 |
| 5.3 稀疏度自适应匹配追踪算法 |
| 5.4 基于双向稀疏自适应和弱选择匹配追踪算法 |
| 5.4.1 BSA-WSAMP算法主要流程 |
| 5.4.2 算法过程分析 |
| 5.4.3 算法计算复杂度分析 |
| 5.4.4 重构条件与误差分析 |
| 5.5 仿真实验与分析 |
| 5.5.1 性能评价准则 |
| 5.5.2 信号重构与分析 |
| 5.6 本章小结 |
| 第6章 全文总结及展望 |
| 6.1 论文主要研究内容及创新点 |
| 6.2 未来工作内容展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（2）基于稀疏表示的外辐射源雷达目标检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号表 |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 外辐射源雷达系统国内外发展现状 |
| 1.2.2 稀疏信号理论在雷达系统中的应用 |
| 1.2.3 外辐射源雷达目标检测算法概述 |
| 1.2.4 基于稀疏表示的信号检测算法概述 |
| 1.3 本文主要工作及章节安排 |
| 第二章 基于稀疏表示的双基地外辐射源雷达目标检测算法 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.2.1 目标回波信号建模 |
| 2.2.2 回波信号的稀疏表示 |
| 2.2.3 消除直达波干扰和杂波 |
| 2.2.4 基于压缩感知的信号检测模型 |
| 2.3 基于支撑集估计的目标检测算法 |
| 2.3.1 基于∥r_k∥_2的DOMP目标检测算法 |
| 2.3.2 性能分析 |
| 2.3.3 基于∥r_k∥_∞的OMP检测算法 |
| 2.3.4 性能分析 |
| 2.3.5 仿真实验 |
| 2.4 基于稀疏表示的CFAR目标检测算法 |
| 2.4.1 目标回波信号压缩检测模型 |
| 2.4.2 测量矩阵的设计 |
| 2.4.3 基于稀疏表示的CFAR检测算法流程 |
| 2.4.4 仿真实验 |
| 2.5 本章小结 |
| 第三章 基于稀疏域信息积累的单源多接收站外辐射源雷达目标检测算法 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 多接收站外辐射源雷达目标压缩检测模型 |
| 3.2.2 测量矩阵的设计 |
| 3.3 基于稀疏域信息积累的压缩子空间检测算法 |
| 3.3.1 CSD算法原理 |
| 3.3.2 CSD算法性能分析 |
| 3.4 基于线性融合的压缩子空间检测算法 |
| 3.4.1 LFCSD算法检测统计量分析 |
| 3.4.2 权值优化 |
| 3.4.3 设置检测门限 |
| 3.5 基于噪声功率未知的压缩子空间检测算法 |
| 3.5.1 各监视通道噪声功率相同:UNCSD算法 |
| 3.5.2 各监视通道噪声功率不同 |
| 3.6 仿真实验 |
| 3.6.1 虚警概率 |
| 3.6.2 检测概率 |
| 3.7 本章小结 |
| 第四章 基于样本方差统计的单源多接收站外辐射源雷达目标检测算法 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 基于稀疏表示的多观测向量信号检测模型 |
| 4.2.2 测量矩阵的设计 |
| 4.3 基于样本方差统计的MMV检测算法 |
| 4.3.1 MMV检测算法:噪声功率已知 |
| 4.3.2 MMV算法性能分析 |
| 4.3.3 UNMMV检测算法:噪声功率未知 |
| 4.3.4 UNMMV算法性能分析 |
| 4.3.5 计算复杂度分析 |
| 4.4 仿真实验 |
| 4.4.1 虚警概率 |
| 4.4.2 检测性能 |
| 4.5 本章小结 |
| 第五章 基于顺序统计量的单频网外辐射源雷达目标检测算法 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 目标回波信号模型 |
| 5.2.2 基于SFN的压缩检测模型 |
| 5.3 基于SFN的压缩子空间检测算法 |
| 5.3.1 信号支撑集已知的SFN-CSD算法:噪声功率已知 |
| 5.3.2 信号支撑集已知的SFN-UNCSD算法:噪声功率未知 |
| 5.3.3 SFN-UNCSD算法性能分析 |
| 5.4 支撑集未知的OSOMP检测算法 |
| 5.4.1 OSOMP算法原理 |
| 5.4.2 OSOMP检测器的等价形式 |
| 5.4.3 OSOMP算法性能分析 |
| 5.4.4 最少迭代次数分析 |
| 5.5 仿真实验 |
| 5.5.1 虚警概率 |
| 5.5.2 检测性能 |
| 5.6 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文工作总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的成果 |
（3）基于子空间估计的干扰抑制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 合作式声纳系统发展现状 |
| 1.2.2 干扰抑制算法研究现状 |
| 1.2.3 子空间估计算法研究现状 |
| 1.3 子空间估计算法存在的问题 |
| 1.4 论文研究内容 |
| 第2章 子空间理论下的信号模型 |
| 2.1 引言 |
| 2.2 子空间理论下的信号模型 |
| 2.3 子空间投影原理 |
| 2.4 本章小结 |
| 第3章 基于广义贝叶斯信息量准则的子空间维度估计 |
| 3.1 引言 |
| 3.2 基于信息量准则的子空间维度估计 |
| 3.3 基于广义贝叶斯信息量准则的子空间维度估计算法 |
| 3.3.1 确定信号的子空间维度估计算法 |
| 3.3.2 随机信号的子空间维度估计算法 |
| 3.4 仿真分析 |
| 3.4.1 确定信号 |
| 3.4.2 随机信号 |
| 3.5 水池试验数据处理 |
| 3.6 本章小结 |
| 第4章 基于匹配广义似然比检测的子空间估计 |
| 4.1 引言 |
| 4.2 子空间纠缠问题 |
| 4.3 基于匹配广义似然比检测的子空间估计算法 |
| 4.3.1 确定干扰下的信号子空间估计算法 |
| 4.3.2 随机干扰下的信号子空间估计算法 |
| 4.4 仿真分析 |
| 4.4.1 确定干扰 |
| 4.4.2 随机干扰 |
| 4.5 声源定位水池数据处理 |
| 4.5.1 单点静态试验 |
| 4.5.2 直线轨迹试验 |
| 4.6 本章小结 |
| 第5章 匹配约束子空间跟踪 |
| 5.1 引言 |
| 5.2 匹配约束子空间跟踪算法 |
| 5.3 仿真分析 |
| 5.3.1 时变子空间估计性能仿真分析 |
| 5.3.2 干扰抑制性能仿真分析 |
| 5.4 声源定位水池数据处理 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（4）混叠条件下直扩信号的截获与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 混叠条件下DSSS信号盲分析相关技术研究现状 |
| 1.2.1 混叠的强干扰信号的抵消研究现状 |
| 1.2.2 DSSS信号检测与参数估计研究现状 |
| 1.2.3 SC-DSSS信号PN码盲估计研究现状 |
| 1.2.4 LC-DSSS信号PN码盲估计研究现状 |
| 1.3 主要研究工作 |
| 1.4 论文章节安排 |
| 第二章 DSSS信号强功率干扰抵消 |
| 2.1 引言 |
| 2.2 信号模型 |
| 2.3 基于强信号波形重构的干扰抵消算法 |
| 2.3.1 定时同步 |
| 2.3.2 载波同步 |
| 2.3.3 幅度估计 |
| 2.4 基于强信号硬判决值的干扰抵消算法 |
| 2.4.1 算法原理 |
| 2.4.2 性能仿真 |
| 2.5 基于互补对称滤波器的干扰抵消算法 |
| 2.5.1 互补对称滤波器滤波 |
| 2.5.2 强弱信号分离 |
| 2.5.3 算法总结 |
| 2.5.4 性能仿真 |
| 2.6 本章小结 |
| 第三章 DSSS信号检测与参数估计 |
| 3.1 引言 |
| 3.2 信号模型 |
| 3.3 DSSS信号检测与载波频率估计 |
| 3.3.1 倍频法检测 |
| 3.3.2 循环谱检测 |
| 3.3.3 性能仿真 |
| 3.4 DSSS信号检测与码片速率估计 |
| 3.4.1 延时相乘算法 |
| 3.4.2 小波时频分析算法 |
| 3.4.3 性能仿真 |
| 3.5 DSSS信号检测与PN码周期估计 |
| 3.5.1 自相关波动 |
| 3.5.2 二次功率谱 |
| 3.5.3 性能仿真 |
| 3.6 本章小结 |
| 第四章 短码直扩信号PN码盲估计 |
| 4.1 引言 |
| 4.2 信号模型 |
| 4.3 高斯信道下短码直扩信号PN码估计 |
| 4.3.1 矩阵分解 |
| 4.3.2 子空间跟踪 |
| 4.3.3 神经网络 |
| 4.3.4 性能仿真 |
| 4.4 多径信道下短码直扩信号PN码估计 |
| 4.4.1 信号二阶统计特性 |
| 4.4.2 最大似然模型 |
| 4.4.3 基于ILSP的联合估计算法 |
| 4.4.4 基于ITLSP的联合估计算法 |
| 4.4.5 合作通信下信道估计的CRB |
| 4.4.6 性能仿真 |
| 4.5 本章小结 |
| 第五章 长码直扩信号PN码盲估计 |
| 5.1 引言 |
| 5.2 信号模型 |
| 5.3 高斯信道下长码直扩信号PN码估计 |
| 5.3.1 基于缺失数据模型的交替投影算法 |
| 5.3.2 基于窄窗口重叠分段的矩阵分解算法 |
| 5.3.3 性能仿真 |
| 5.4 多径信道下长码直扩信号PN码估计 |
| 5.4.1 基于最大似然的PN码和信道的联合盲估计 |
| 5.4.2 基于近似模型的PN码和信道的联合盲估计 |
| 5.4.3 性能仿真 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（5）运动小平台主动声呐目标回波信号检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 立题背景和意义 |
| 1.2 主动声呐目标回波信号检测技术的研究历史与现状 |
| 1.2.1 声呐波形设计及优化 |
| 1.2.2 复合高斯混响下的空时信号检测 |
| 1.2.3 混响干扰下增强目标回波的空时滤波 |
| 1.2.4 抑制相关距离旁瓣的失配滤波技术 |
| 1.2.5 各章主题间的关系 |
| 1.3 论文的研究内容 |
| 第2章 小平台主动声呐波形峰均功率比优化技术 |
| 2.1 引言 |
| 2.2 常用声呐信号混响抑制能力分析 |
| 2.2.1 信号的模糊度函数 |
| 2.2.2 几种声呐信号模糊度分析 |
| 2.3 基于交替投影法优化波形峰均功率比的频谱成形 |
| 2.3.1 交替投影的误差缩减算法 |
| 2.3.2 误差缩减算法的频谱成形 |
| 2.3.3 算法约束集合及投影算子的选取 |
| 2.4 波形峰均功率比控制的仿真分析 |
| 2.4.1 几何梳状谱信号 |
| 2.4.2 期望功率谱的伪随机信号 |
| 2.5 本章小结 |
| 第3章 运动平台复合高斯混响下的多通道空时自适应信号检测 |
| 3.1 引言 |
| 3.2 空时检测问题描述及常用方法 |
| 3.2.1 基于协方差估计的空时自适应检测方法 |
| 3.2.2 多通道参量型空时自适应检测方法 |
| 3.3 复合高斯混响下低训练需求的多通道参量型检测器 |
| 3.3.1 问题模型假设 |
| 3.3.2 检测器未知参数估计 |
| 3.3.3 多通道参量型检测器CG-PGLRT |
| 3.4 检测器理论性能分析 |
| 3.4.1 高斯模型下的性能 |
| 3.4.2 复合高斯模型下的性能 |
| 3.5 仿真实验 |
| 3.5.1 参数估计性能 |
| 3.5.2 检测性能 |
| 3.5.3 仿真混响下的性能 |
| 3.6 外场试验处理 |
| 3.7 本章小结 |
| 第4章 运动平台混响背景下基于低秩稀疏分解增强目标回波的空时滤波 |
| 4.1 引言 |
| 4.2 分解问题的低秩稀疏表示 |
| 4.2.1 矩阵式离线表示 |
| 4.2.2 向量式在线表示 |
| 4.3 实现低秩稀疏分解的算法 |
| 4.3.1 离线分解算法 |
| 4.3.2 在线分解算法 |
| 4.4 仿真分析 |
| 4.4.1 混响背景的仿真建模和低秩性分析 |
| 4.4.2 低秩稀疏分解增强目标回波的空时滤波 |
| 4.5 外场试验处理 |
| 4.6 本章小结 |
| 第5章 噪声背景下低相关距离旁瓣的失配滤波技术 |
| 5.1 引言 |
| 5.2 常规相关距离旁瓣抑制方法 |
| 5.2.1 时域幅度加权法 |
| 5.2.2 基于驻定相位原理的非线性调频信号 |
| 5.3 失配滤波的互相关特性 |
| 5.4 失配滤波器的一维最优化设计 |
| 5.4.1 加权积分旁瓣最小化 |
| 5.4.2 加权峰值旁瓣最小化 |
| 5.5 失配滤波器的二维最优化设计 |
| 5.5.1 加权积分旁瓣最小化 |
| 5.5.2 加权峰值旁瓣最小化 |
| 5.6 具有色噪声抑制能力的失配滤波器 |
| 5.7 失配滤波性能的仿真分析 |
| 5.7.1 离散相位编码信号 |
| 5.7.2 线性调频信号 |
| 5.7.3 伪随机信号 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
| 附录A 投影算子推导 |
| 附录B QR更新算法 |
| 附录C 加权ISL最小化的KKT条件法 |
（6）特定辐射源智能识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 特定辐射源智能识别系统研究的主要问题 |
| 1.3 主要问题的研究现状 |
| 1.3.1 预处理研究现状 |
| 1.3.2 辐射源个体表征方法研究现状 |
| 1.3.3 特定辐射源分类系统研究现状 |
| 1.4 本文的主要工作和内容 |
| 第二章 特定辐射源智能识别系统处理框架 |
| 2.1 引言 |
| 2.2 特定辐射源识别智能化动机 |
| 2.3 特定辐射源智能识别系统处理新流程 |
| 2.4 特定辐射源智能识别处理新方法 |
| 2.5 本章小结 |
| 第三章 特定辐射源识别智能化预处理方法研究 |
| 3.1 引言 |
| 3.2 基于深度学习的信号检测方法 |
| 3.2.1 信号检测问题概述 |
| 3.2.2 基于深度学习的信号检测模型 |
| 3.3 基于深度学习的信噪比估计方法 |
| 3.3.1 最大似然信噪比估计器 |
| 3.3.2 基于深度学习的信噪比估计模型 |
| 3.4 实验及结果分析 |
| 3.4.1 实验数据集 |
| 3.4.2 基于深度学习的信号检测性能评估 |
| 3.4.3 基于深度学习的信噪比估计性能评估 |
| 3.5 本章小结 |
| 第四章 基于深度学习的辐射源个体智能表征方法研究 |
| 4.1 引言 |
| 4.2 辐射源指纹特征产生的机理分析 |
| 4.3 基于深度学习的暂态智能表征方法研究 |
| 4.3.1 基本思想 |
| 4.3.2 基于深度学习的暂态智能表征方法 |
| 4.4 基于深度学习的稳态智能表征方法研究 |
| 4.4.1 基本思想 |
| 4.4.2 基于深度学习的稳态智能表征方法 |
| 4.5 实验及结果分析 |
| 4.5.1 实验数据集 |
| 4.5.2 基于深度学习的暂态智能表征方法性能评估 |
| 4.5.3 基于深度学习的稳态智能表征方法性能评估 |
| 4.5.4 基于深度学习的DNN特征可视化分析 |
| 4.6 本章小结 |
| 第五章 辐射源个体分类系统设计 |
| 5.1 引言 |
| 5.2 辐射源个体分类系统架构 |
| 5.3 基于MGMM的异常目标样本检测 |
| 5.3.1 混合高斯模型 |
| 5.3.2 基于MGMM的异常目标样本检测模型 |
| 5.4 基于BTS的已知辐射源个体分类 |
| 5.5 基于SD-DPC的聚类分析 |
| 5.5.1 密度峰值聚类(DPC) |
| 5.5.2 基于SD-DPC的聚类分析算法 |
| 5.6 实验与结果分析 |
| 5.6.1 实验数据 |
| 5.6.2 基于MGMM的异常目标样本检测性能评估 |
| 5.6.3 基于BTS的已知特定辐射源识别 |
| 5.6.4 基于SD-DPC的异常目标样本集聚类分析 |
| 5.7 本章小结 |
| 第六章 弱标注条件下基于虚拟对抗训练的辐射源个体智能表征方法研究 |
| 6.1 引言 |
| 6.2 基本思想 |
| 6.3 虚拟对抗训练 |
| 6.3.1 对抗训练 |
| 6.3.2 虚拟对抗训练 |
| 6.4 基于虚拟对抗训练的辐射源个体智能表征方法 |
| 6.5 实验与结果分析 |
| 6.5.1 不同标注训练数据数目 |
| 6.5.2 不同信噪比条件 |
| 6.5.3 可视化分析 |
| 6.6 本章小节 |
| 第七章 结论与展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（7）小样本条件下通信辐射源个体识别方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 通信辐射源细微特征提取的研究现状 |
| 1.2.2 通信辐射源特征降维的研究现状 |
| 1.2.3 通信辐射源个体识别中分类器设计的研究现状 |
| 1.3 本文的主要工作 |
| 1.4 结构安排 |
| 第二章 通信辐射源个体识别方法分析 |
| 2.1 通信辐射源暂态特征提取方法分析 |
| 2.1.1 小波分析特征提取算法 |
| 2.1.2 分形理论特征提取算法 |
| 2.1.3 系统非线性特征提取算法 |
| 2.2 通信辐射源稳态特征提取方法分析 |
| 2.2.1 时频分析特征提取算法 |
| 2.2.2 信号前导码特征提取算法 |
| 2.2.3 高阶谱分析特征提取算法 |
| 2.3 通信辐射源特征降维方法分析 |
| 2.3.1 线性降维方法 |
| 2.3.2 非线性降维方法 |
| 2.4 通信辐射源个体识别中的分类器分析 |
| 2.5 小样本条件下通信辐射源个体识别方法的提出 |
| 2.6 本章小结 |
| 第三章 通信辐射源暂态特征和稳态特征提取 |
| 3.1 基于系统非线性的暂态特征提取 |
| 3.1.1 暂态信号的检测 |
| 3.1.2 VG与HVG |
| 3.1.3 基于HVG-NTE的暂态特征提取 |
| 3.1.4 实验结果与比较分析 |
| 3.2 基于高阶谱分析的稳态特征提取 |
| 3.2.1 双谱的性质和作用 |
| 3.2.2 四种积分双谱性能比较 |
| 3.2.3 基于SIB的稳态特征提取 |
| 3.2.4 实验结果与比较分析 |
| 3.3 本章小结 |
| 第四章 小样本条件下通信辐射源非线性特征降维 |
| 4.1 面向无标签信息的通信辐射源非线性特征降维 |
| 4.1.1 无监督降维的思想 |
| 4.1.2 MKPCA下的通信辐射源非线性特征降维 |
| 4.1.3 实验结果与比较分析 |
| 4.2 面向少量标签信息的通信辐射源非线性特征降维 |
| 4.2.1 半监督降维的思想 |
| 4.2.2 ESDA下的通信辐射源非线性特征降维 |
| 4.2.3 实验结果与比较分析 |
| 4.3 本章小结 |
| 第五章 小样本条件下通信辐射源个体识别分类器的设计 |
| 5.1 相关熵与稀疏表示结合的通信辐射源个体识别分类器设计 |
| 5.1.1 稀疏表示理论 |
| 5.1.2 相关熵模型 |
| 5.1.3 相关熵稀疏表示通信辐射源个体识别分类器的设计 |
| 5.1.4 实验结果与比较分析 |
| 5.2 SVM与 KNN结合的通信辐射源个体识别分类器设计 |
| 5.2.1 SVM-KNN |
| 5.2.2 改进型SVM-KNN通信辐射源个体识别分类器的设计 |
| 5.2.3 实验结果与比较分析 |
| 5.3 本章小结 |
| 第六章 小样本条件下通信辐射源个体识别系统的设计与验证分析 |
| 6.1 小样本条件下通信辐射源个体识别系统架构设计 |
| 6.1.1 通信辐射源信号接收与采集子系统设计 |
| 6.1.2 通信辐射源个体识别软件子系统设计 |
| 6.2 小样本条件下通信辐射源个体识别实验验证与分析 |
| 6.2.1 某型短波手持式电台个体识别实验 |
| 6.2.2 某型超短波背负式电台个体识别实验 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 在攻读博士学位期间公开发表的学术论文 |
| 在攻读博士学位期间申请的专利 |
| 在攻读博士学位期间获得的科研成果 |
| 在攻读博士学位期间参与的项目 |
| 致谢 |
（8）阵列信号序贯检测与快速测向方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 动态信号环境要求更高的阵列处理实效性 |
| 1.1.2 阵列信号处理方法实用化面临挑战 |
| 1.1.3 对日益复杂电磁环境的适应能力亟待增强 |
| 1.2 国内外研究现状 |
| 1.2.1 阵列信号处理技术研究现状 |
| 1.2.2 阵列信号序贯检测方法研究现状 |
| 1.2.3 阵列信号快速测向方法研究现状 |
| 1.3 本文主要工作及内容安排 |
| 第二章 基于子空间追踪的序贯信号检测方法 |
| 2.1 引言 |
| 2.2 子空间追踪方法基础 |
| 2.2.1 阵列观测模型 |
| 2.2.2 子空间追踪思想 |
| 2.3 单个信号的序贯检测方法 |
| 2.3.1 噪声子空间特性 |
| 2.3.2 阵列信号序贯检测算法 |
| 2.3.3 检测门限设置 |
| 2.4 检测性能分析 |
| 2.4.1 有信号时的子空间追踪特性 |
| 2.4.2 子空间追踪过程近似 |
| 2.4.3 信号检测的信噪比门限 |
| 2.4.4 检测概率 |
| 2.4.5 检测延迟 |
| 2.5 序贯检测方法扩展与计算量分析 |
| 2.5.1 噪声方差已知条件下的序贯检测方法 |
| 2.5.2 多信号序贯检测方法 |
| 2.5.3 序贯检测方法计算量分析 |
| 2.6 仿真实验 |
| 2.6.1 单信号序贯检测 |
| 2.6.2 多信号序贯检测 |
| 2.7 本章小结 |
| 第三章 阵列信号一维方向快速估计方法 |
| 3.1 引言 |
| 3.2 多快拍条件下的快速测向方法 |
| 3.2.1 多快拍条件下的阵列观测模型 |
| 3.2.2 基于传播算子的高效子空间估计 |
| 3.2.3 基于低阶特征方程求根的快速测向 |
| 3.2.4 算法计算量分析 |
| 3.2.5 仿真实验 |
| 3.3 单快拍条件下的快速测向方法 |
| 3.3.1 单快拍条件下的阵列观测模型 |
| 3.3.2 基于匹配追踪的信号方向预估 |
| 3.3.3 基于交替投影的信号方向高精度估计 |
| 3.3.4 算法流程 |
| 3.3.5 仿真实验 |
| 3.4 本章小结 |
| 第四章 阵列信号二维方向快速估计方法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 高效的二维方向估计方法 |
| 4.3.1 信号方向与X轴夹角的估计方法 |
| 4.3.2 信号方向与Z轴夹角的估计方法 |
| 4.3.3 基于互相关矩阵的二维角度配对方法 |
| 4.3.4 基于信号功率的二维角度配对方法 |
| 4.3.5 二维角度配对策略选取 |
| 4.4 算法流程和计算量分析 |
| 4.4.1 算法流程 |
| 4.4.2 计算量分析 |
| 4.5 仿真实验 |
| 4.5.1 单信号仿真分析 |
| 4.5.2 多信号测向性能统计分析 |
| 4.6 本章小结 |
| 第五章 基于信号空域稀疏性的序贯检测与测向方法 |
| 5.1 引言 |
| 5.2 阵列信号空域超完备模型 |
| 5.3 窄带信号空间谱序贯重构方法 |
| 5.3.1 单快拍稀疏重构 |
| 5.3.2 多快拍序贯重构 |
| 5.3.3 计算量分析 |
| 5.3.4 收敛性分析 |
| 5.4 窄带信号空间谱秩-1近似重构方法 |
| 5.4.1 观测数据的秩-1 近似重构 |
| 5.4.2 算法流程与计算量分析 |
| 5.5 宽带信号空间谱序贯重构方法 |
| 5.5.1 多频点观测数据联合序贯重构 |
| 5.5.2 宽带信号空间谱秩-1 近似重构 |
| 5.6 仿真实验 |
| 5.6.1 两个窄带信号场景 |
| 5.6.2 两个宽带信号场景 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A 定理3.1 的证明 |
（9）匹配时频原子的电能质量扰动压缩重构方法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 电网结构及负荷的变化 |
| 1.1.2 电能质量问题的危害 |
| 1.1.3 电能质量研究的意义 |
| 1.2 电能质量扰动分析方法研究现状 |
| 1.2.1 时域分析方法 |
| 1.2.2 频域分析方法 |
| 1.2.3 基于数学变换的分析方法 |
| 1.3 电能质量分析关键技术及存在的主要问题 |
| 1.3.1 非稳态电能质量扰动检测 |
| 1.3.2 电能质量扰动录波数据压缩 |
| 1.4 时频原子自适应稀疏分解的提出 |
| 1.4.1 传统电能质量扰动分析方法理论缺陷分析 |
| 1.4.2 信号自适应稀疏分解的提出 |
| 1.4.3 基于 MP 算法的信号自适应稀疏分解应用现状 |
| 1.5 论文研究的主要研究工作 |
| 2 电能质量概论及稀疏分解框架 |
| 2.1 电能质量概论 |
| 2.1.1 电能质量问题的基本概念及一般分类 |
| 2.1.2 电能质量扰动指标现象描述及模型建立 |
| 2.2 信号稀疏分解理论基础 |
| 2.2.1 基本概念及原理 |
| 2.2.2 稀疏分解的主要内容 |
| 2.3 本章小节 |
| 3 匹配时频原子的电能质量扰动稀疏分解框架 |
| 3.1 Gabor 过完备时频原子库构建及离散优化处理 |
| 3.1.1 Gabor 时频原子时频局部特性分析 |
| 3.1.2 Gabor 过完备时频原子库 |
| 3.1.3 Gabor 过完备时频原子库离散优化处理 |
| 3.2 匹配追踪算法 |
| 3.3 Gabor 过完备时频原子库编码 |
| 3.4 匹配时频原子的电能质量扰动压缩重构及特征参量提取流程 |
| 3.5 匹配 Gabor 时频原子的电能质量扰动特征分析 |
| 3.5.1 电能质量扰动压缩重构评价指标 |
| 3.5.2 电能质量扰动匹配特征压缩重构波形对比 |
| 3.5.3 小波包框架与匹配时频原子框架压缩重构性能对比 |
| 3.5.4 MP 压缩重构性能综合分析 |
| 3.5.5 匹配时频原子的电能质量扰动稀疏分解框架后续应用 |
| 3.6 本章小节 |
| 4 正交优化时频原子的电能质量扰动匹配特征分析 |
| 4.1 规范正交基与 Schmidt 正交化 |
| 4.2 正交优化时频原子的电能质量扰动压缩重构及特征参量提取算法实现 |
| 4.2.1 匹配时频原子的电能质量扰动稀疏分解流程 |
| 4.2.2 正交优化最佳匹配时频原子 |
| 4.2.3 算例实现流程框图 |
| 4.3 算例仿真分析 |
| 4.3.1 算例仿真参数设置 |
| 4.3.2 基于 MP 和 O-MP 的电能质量扰动匹配特征压缩重构波形对比 |
| 4.3.3 基于 MP 和 O-MP 的压缩重构性能评价指标对比 |
| 4.3.4 MP 和 O-MP 算法收敛性能对比 |
| 4.4 本章小节 |
| 5 遗传优化时频参数的电能质量扰动匹配特征分析 |
| 5.1 遗传算法基本原理 |
| 5.1.1 遗传算法基本概念 |
| 5.1.2 遗传算法的基本步骤 |
| 5.2 遗传优化时频参数的电能质量扰动压缩重构及特征参量提取算法实现 |
| 5.2.1 匹配时频原子的电能质量扰动稀疏分解 |
| 5.2.2 遗传优化时频参量的最佳时频原子搜索 |
| 5.2.3 算例流程 |
| 5.3 算例仿真分析 |
| 5.3.1 仿真参数设置 |
| 5.3.2 电能质量扰动匹配特征压缩重构波形对比 |
| 5.3.3 基于 MP 和 GA-MP 压缩重构性能评价指标综合分析 |
| 5.3.4 GA-MP 与 MP 计算复杂度及收敛性分析 |
| 5.4 本章小节 |
| 6 正交优化遗传搜寻原子的电能质量扰动匹配特征分析 |
| 6.1 算例思想来源 |
| 6.2 正交优化遗传搜寻原子的电能质量扰动压缩重构及特征参量提取 |
| 6.2.1 遗传优化时频参数的最佳时频原子搜索 |
| 6.2.2 正交优化遗传搜寻最佳时频原子 |
| 6.2.3 正交优化遗传搜寻最佳时频原子的电能质量扰动压缩重构流程 |
| 6.3 算例仿真分析 |
| 6.3.1 仿真参数设置 |
| 6.3.2 基于 MP、GA-MP、GA-OMP 的电能质量扰动匹配特征压缩重构波形对比 |
| 6.3.3 压缩重构性能评价指标综合对比分析 |
| 6.3.4 匹配时频原子计算复杂度及收敛性分析 |
| 6.4 本章小节 |
| 7 结论与展望 |
| 7.1 本文的主要结论 |
| 7.2 本文的主要创新点 |
| 7.3 后续研究工作与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读硕士学位期间发表的论文目录 |
| B. 作者在攻读硕士学位期间参加的科研项目目录 |
（10）小波变换与匹配追踪电能质量分析方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| Contents |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 电能质量问题的原因与分类 |
| 1.2.1 电能质量问题的产生原因及危害 |
| 1.2.2 电能质量问题的分类 |
| 1.3 电能质量分析的现状 |
| 1.3.1 谐波的检测与分析 |
| 1.3.2 谐波条件下功率的测量 |
| 1.3.3 电能质量非稳态扰动检测与参数估计 |
| 1.3.4 电能质量非稳态扰动的小波变换分析 |
| 1.3.5 基于匹配追踪的电能质量非稳态扰动分析 |
| 1.3.6 电能质量信号数据压缩 |
| 1.4 目前电能质量分析存在的问题 |
| 1.5 主要研究内容 |
| 1.6 主要创新点 |
| 第二章 小波变换谐波功率分频带测量方法与误差分析 |
| 2.1 小波变换谐波功率分频带测量 |
| 2.1.1 多分辨率分析与Mallat算法 |
| 2.1.2 谐波有效值和功率的小波分频带测量 |
| 2.1.3 小波变换谐波分频带测量算法的带内泄漏误差分析 |
| 2.1.4 小波变换谐波分频带测量算法的带内泄漏误差抑制 |
| 2.1.5 多孔算法小波变换谐波分频带测量算法的带内泄漏误差抑制 |
| 2.2 仿真与实验验证 |
| 2.2.1 仿真分析 |
| 2.2.2 实验验证 |
| 2.3 基于子带能量熵阈值的最优小波包变换 |
| 2.3.1 小波包基本原理与能量熵阈值 |
| 2.3.2 仿真结果 |
| 2.4 本章小结 |
| 第三章 频域匹配追踪电能质量分析方法 |
| 3.1 FDMP原理 |
| 3.2 FDMP的时频原子和原子字典 |
| 3.2.1 电能质量信号的频谱 |
| 3.2.2 FDMP的时频原子和冗余原子字典的构造 |
| 3.3 电能质量信号的FDMP分解 |
| 3.3.1 电能质量信号FDMP分解流程 |
| 3.3.2 稳态频谱与时频原子的有效支集 |
| 3.3.3 稳态成分参数的估计 |
| 3.3.4 FDMP分解算法的计算复杂度 |
| 3.3.5 实验结果 |
| 3.4 匹配追踪时域数据窗中点相位最佳匹配性质的证明与应用 |
| 3.4.1 谐波等稳态成分匹配追踪误差变化规律 |
| 3.4.2 稳态成分匹配追踪时域数据窗中点相位最佳匹配性质 |
| 3.5 稳态成分匹配追踪时域数据窗中点相位最佳匹配性质的应用 |
| 3.5.1 稳态成分相位的较准确估计 |
| 3.5.2 微弱暂态扰动信号的检测 |
| 3.6 本章小结 |
| 第四章 基于规则的电能质量非稳态扰动形态成分分析 |
| 4.1 形态成分分析方法 |
| 4.1.1 形态成分分析方法原理 |
| 4.1.2 时间信号的几种形态特征 |
| 4.1.3 电能质量非稳态扰动冗余字典 |
| 4.2 基于规则的电能质量非稳态扰动形态成分分析 |
| 4.2.1 非稳态扰动的定位与分割 |
| 4.2.2 指数衰减非稳态扰动衰减系数的粗估 |
| 4.2.3 非稳态扰动频率的粗估 |
| 4.2.4 振荡非稳态扰动参数的子空间匹配追踪估计 |
| 4.2.5 衰减振荡非稳态扰动参数的子空间匹配追踪估计 |
| 4.2.6 电能质量非稳态扰动分析的RMCA实现 |
| 4.3 实验验证与分析 |
| 4.3.1 电能质量非稳态扰动的RMCA分析实验 |
| 4.3.2 对比实验 |
| 4.4 基于整数算法小波变换的实时数据压缩与重构 |
| 4.4.1 改进的阈值压缩算法 |
| 4.4.2 压缩性能指标 |
| 4.4.3 实验验证 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 项目来源 |
| 攻读博士学位期间发表的论文和参加的科研项目 |
| 发表或已接受的论文 |
| 参与的科研项目 |
| 作者和导师简介 |
| 博士研究生学位论文答辩委员会决议书 |
四、一种基于子空间匹配投影的暂态信号检测方法（论文参考文献）
- [1]非合作通信系统中盲源分离及关键算法研究[D]. 崔伟. 吉林大学, 2021(01)
- [2]基于稀疏表示的外辐射源雷达目标检测技术研究[D]. 马俊虎. 电子科技大学, 2021(01)
- [3]基于子空间估计的干扰抑制技术研究[D]. 李海鹏. 哈尔滨工程大学, 2021(02)
- [4]混叠条件下直扩信号的截获与分析[D]. 刘秋红. 战略支援部队信息工程大学, 2021(03)
- [5]运动小平台主动声呐目标回波信号检测技术研究[D]. 贺玉梁. 哈尔滨工程大学, 2020(04)
- [6]特定辐射源智能识别技术研究[D]. 杨凯. 国防科技大学, 2019(01)
- [7]小样本条件下通信辐射源个体识别方法研究[D]. 李科. 上海大学, 2019(03)
- [8]阵列信号序贯检测与快速测向方法研究[D]. 拓世英. 国防科技大学, 2017(02)
- [9]匹配时频原子的电能质量扰动压缩重构方法研究[D]. 张文玉. 重庆大学, 2013(02)
- [10]小波变换与匹配追踪电能质量分析方法研究[D]. 赵勇. 北京化工大学, 2011(04)