CN102736070A - 一种基于希尔伯特黄变换的风廓线雷达去噪方法 - Google Patents

一种基于希尔伯特黄变换的风廓线雷达去噪方法 Download PDF

Info

Publication number
CN102736070A
CN102736070A CN2012102396061A CN201210239606A CN102736070A CN 102736070 A CN102736070 A CN 102736070A CN 2012102396061 A CN2012102396061 A CN 2012102396061A CN 201210239606 A CN201210239606 A CN 201210239606A CN 102736070 A CN102736070 A CN 102736070A
Authority
CN
China
Prior art keywords
signal
wind profile
hilbert
profile radar
formula
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2012102396061A
Other languages
English (en)
Inventor
张银胜
单慧琳
李家强
周杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN2012102396061A priority Critical patent/CN102736070A/zh
Publication of CN102736070A publication Critical patent/CN102736070A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明涉及一种基于希尔伯特黄变换的风廓线雷达去噪方法，基于风廓线雷达去噪处理机，所述处理机包括改进型经验模式分解模块，希尔伯特变换模块以及后续信号处理模块，所述方法包括如下步骤：1）风廓线雷达去噪处理机接收回波信号，利用改进型经验模式分解模块获得回波信号的一系列的固有模式函数分量；2）每一个固有模式函数分量通过希尔伯特变换模块进行希尔伯特变换，得到原始信号的能量谱值；3）通过后续信号处理模块对原始信号的能量谱值进行变换得到去除噪声后的风廓线雷达数据。其有益效果为：具有良好的适应性，能够明显的去除噪声等非平稳干扰，尤其能够有效消除邻近频率的混叠影响和边界效应。

Description

一种基于希尔伯特黄变换的风廓线雷达去噪方法
技术领域
     本发明涉及信号处理与检测领域，尤其涉及一种基于希尔伯特黄变换的风廓线雷达去噪方法。
背景技术
风廓线雷达是利用大气湍流对电磁波的散射作用对大气进行探测的一种遥感设备，诞生于20世纪80年代，多年来的运行结果表明，风廓线雷达雷达满足观测精度要求，其时空分辨率超过任何高空风测量系统。但由于雷达探测的目标大气风场中的湍流对电磁波的散射非常微弱，其易受噪声、地物杂波、降水干扰和间歇性杂波干扰等影响。地物杂波是由周围树木、建筑物等地物造成的干扰，这种干扰使雷达基础数据受到污染，进而影响到基本产品以及导出产品，其抑制主要依赖于降低天线副瓣电平和加装天线屏蔽网措施。降水杂波是在降水天气情况下，风廓线雷达接收到的信号主要是由降水粒子散射的回波组成，其功率谱密度、垂直径向速度、信噪比、谱宽等比晴空天气下都有明显的增大。对噪声的干扰抑制，Strauch等人在Colorado风廓线雷达组网时采用一种经典的处理方法，由中频接收机输出的I/Q数据经过相干积累、WFFT和谱平均等步骤，提高了风谱的可检测性，后续很多改进算法也是基于这种方法。改进算法鉴于风廓线回波窄带性质，努力提高其谱分辨率的措施，Boyer等人比较了复倒谱、参数建模谱估计算法和MUSIC算法在提取风谱中的应用，MUSIC算法有较高的谱分辨率，MUSIC算法仅仅完成对风谱的检测，风速等参量的估计需要另行处理，该算法的运算量很大，硬件实现困难。在干扰抑制，尤其是杂波对消的研究方面，在杂波功率谱服从高斯包络的前提下，Siggia和Passarelli提出了基于模型的杂波处理方法，提出用小波变换算法去除地杂波和间歇性杂波；May和Strauch、Jordan 等人提出用多项式拟合对消杂波。对于降水杂波的干扰抑制，国内的卜祥元等人把分数阶傅里叶变换应用到WPR杂波抑制，选定最优的分数阶数，在相干积累的基础上进行分数阶FRFT，利用各阶矩的统计特性确定杂波干扰检测阈值，最后进行FRFT逆运算。王勇、卜祥元等利用小波变换对风廓线雷达间歇性杂波抑制方法进行了研究。张雯雯等利用提升的小波静态变换对风廓线雷达的地杂波抑制进行了研究。以上方法对噪声和杂波干扰都有一定的抑制，很多算法具有优良的性能，某些算法对硬件的要求很高，目前还不能实际采用，在噪声消除和杂波抑制处理上自适应性和边界效应改善不大。
希尔伯特-黄变换(Hilbert-Huang Transform，简称HHT)是Huang等人在1998年提出的一种处理非平稳信号的新方法，其分析非稳态资料方法独特，基于信号的局部时间尺度进行信号分解，相对于其他信号处理方法的最大优势在于自适应性，因此很适合对高噪声背景下的非线性、非平稳信号的分析。
发明内容
本发明的目的在于克服现有技术的不足，提出一种基于希尔伯特黄变换的风廓线雷达去噪方法，其具体技术方案如下：
所述基于希尔伯特黄变换的风廓线雷达去噪方法，基于风廓线雷达去噪处理机，所述处理机包括改进型经验模式分解模块，希尔伯特变换模块以及后续信号处理模块，所述方法包括如下步骤：
1）风廓线雷达去噪处理机接收回波信号，利用改进型经验模式分解模块获得回波信号的一系列的固有模式函数分量；
2）每一个固有模式函数分量通过希尔伯特变换模块进行希尔伯特变换，得到原始信号的能量谱值；
3）通过后续信号处理模块对原始信号的能量谱值进行变换得到去除噪声后的风廓线雷达数据。
所述的基于希尔伯特黄变换的风廓线雷达去噪方法进一步设计在于，所述改进型经验模式分解模块的操作步骤包括；
a）计算原始回波信号的所有极值点的局部平均值                                                
Figure 2012102396061100002DEST_PATH_IMAGE001
，使用公式(1)计算出两相邻极值点间的局部均值序列；
Figure 309475DEST_PATH_IMAGE002
                                                  (1)
b）在原始数据介于
Figure 351249DEST_PATH_IMAGE004
和之间，利用公式(2)计算
Figure 258550DEST_PATH_IMAGE003
对应的时间；
Figure 716076DEST_PATH_IMAGE006
                       (2)
c)利用公式(3)加权平均计算
Figure 2012102396061100002DEST_PATH_IMAGE007
处极值点的局部均值
Figure 655082DEST_PATH_IMAGE001
；
Figure 477545DEST_PATH_IMAGE008
                                      (3)
其中,
Figure 2012102396061100002DEST_PATH_IMAGE009
                                    (4) 
d）使用公式(5)将局部均值从原始信号
Figure 130429DEST_PATH_IMAGE010
中分离出来，得到剩余部分
Figure 2012102396061100002DEST_PATH_IMAGE011
，
Figure 926871DEST_PATH_IMAGE012
                                                          (5)
利用公式(6)对第一个固有模式函数分量
Figure 2012102396061100002DEST_PATH_IMAGE013
进行第二次过滤处理，可消除叠加波从而确保波形对称，
Figure 44869DEST_PATH_IMAGE014
                                                        (6)
重复
Figure 2012102396061100002DEST_PATH_IMAGE015
次，直到满足公式(7)停止筛选,
 
Figure 923832DEST_PATH_IMAGE016
                                      (7)
其中
Figure 2012102396061100002DEST_PATH_IMAGE017
为离散信号序列的总长度，
Figure 785477DEST_PATH_IMAGE018
为重复次数，
Figure 2012102396061100002DEST_PATH_IMAGE019
取0.2-0.3之间的一个值，
Figure 374109DEST_PATH_IMAGE020
是一个基本模式分量公式(8) ； 
Figure 2012102396061100002DEST_PATH_IMAGE021
                                                        (8)
e）根据公式（9）从原始型号中提取第一个固有模式函数分量，
Figure 928587DEST_PATH_IMAGE022
                                                        (9)
重复该步骤直至无法再提取固有模式函数分量，得到
Figure 2012102396061100002DEST_PATH_IMAGE023
                                                       (10)
最终得到原始信号公式(11)   
 
Figure 357163DEST_PATH_IMAGE024
                                                      (11)
其中
Figure 2012102396061100002DEST_PATH_IMAGE025
为残余函数，表示信号的平均趋势。
所述的基于希尔伯特黄变换的风廓线雷达去噪方法进一步设计在于，所述希尔伯特变换模块的操作步骤包括：
A）获取原始信号的时频参数，对每个固有模式函数分量分别作希尔伯特变换后得到信号的瞬时频率, 
                                   (12)
其中,残余函数
Figure 2012102396061100002DEST_PATH_IMAGE027
通常是一个常数或是一个单调分量， 
Figure 516236DEST_PATH_IMAGE028
，分别为第i个固有模式函数分量的时变幅度和相位，每个固有模式函数分量为
Figure 976037DEST_PATH_IMAGE030
；
B）对原始信号完整希尔伯特能量谱
Figure 2012102396061100002DEST_PATH_IMAGE031
  进行采样，在整个时域
Figure 891909DEST_PATH_IMAGE032
内采样点数为
Figure 2012102396061100002DEST_PATH_IMAGE033
，频域
Figure 98287DEST_PATH_IMAGE034
内采样点数为
Figure 658581DEST_PATH_IMAGE035
，对于非平稳信号，为消除相邻频率的干扰扩大采样点数，令
Figure 492545DEST_PATH_IMAGE036
，得到公式（13）；
  
Figure 505500DEST_PATH_IMAGE037
                     （13）
C）通过采样点数的扩大使频率分辨率提高k倍，用k个能量谱值的（加权）平均值来表示原始信号谱值，即
Figure 450323DEST_PATH_IMAGE038
         (14)
, 其中
Figure 865123DEST_PATH_IMAGE039
为权值，一般可以取为1。
本发明提供的风廓线雷达雷达去噪方法优点如下：
所述风廓线雷达信号处理机能够有效抑制非平稳噪声干扰信号，具有良好的适应性，尤其能够有效消除邻近频率的混叠影响和边界效应。
附图说明
图1是本发明的基于希尔伯特黄变换的风廓线雷达去噪方法的设计流程图。
图2是本发明的基于希尔伯特黄变换的风廓线雷达去噪方法的模块图。
图3是本发明的改进型经验模式分解获取固有模式函数的流程图。
具体实施方式
下面结合附图对本发明做进一步详细说明：
结合图1-图3，本发明提供的基于希尔伯特黄变换的风廓线雷达去噪方法，基于风廓线雷达去噪处理机，风廓线雷达去噪处理机主要由改进型经验模式分解模块，希尔伯特变换模块以及后续信号处理模块组成，该方法包括如下步骤：
1）风廓线雷达去噪处理机接收回波信号，利用改进型经验模式分解模块获得回波信号的一系列的固有模式函数分量，改进型经验模式分解模块的操作步骤包括
a）计算原始回波信号的所有极值点的局部平均值
Figure 807672DEST_PATH_IMAGE001
，使用公式(1)计算出两相邻极值点间的局部均值序列；
Figure 307923DEST_PATH_IMAGE040
                                                    (1)
b）
Figure 790857DEST_PATH_IMAGE003
在原始数据介于和
Figure 566757DEST_PATH_IMAGE042
之间，利用公式(2)计算
Figure 554304DEST_PATH_IMAGE043
对应的时间；
Figure 840929DEST_PATH_IMAGE044
                                   (2)
c)利用公式(3)加权平均计算
Figure 964743DEST_PATH_IMAGE007
处极值点的局部均值；
                                      (3)
其中,
Figure 879500DEST_PATH_IMAGE047
                                  (4) 
d）使用公式(5)将局部均值
Figure 61082DEST_PATH_IMAGE001
从原始信号
Figure 313072DEST_PATH_IMAGE010
中分离出来，得到剩余部分
Figure 275212DEST_PATH_IMAGE011
，
Figure 903639DEST_PATH_IMAGE012
                                                          (5)
利用公式(6)对第一个固有模式函数分量
Figure 267625DEST_PATH_IMAGE013
进行第二次过滤处理，可消除叠加波从而确保波形对称，
Figure 690516DEST_PATH_IMAGE014
                                                        (6)
重复
Figure 139952DEST_PATH_IMAGE015
次，直到满足公式(7)停止筛选,
 
Figure 572070DEST_PATH_IMAGE048
                                      (7)
其中
Figure 539631DEST_PATH_IMAGE017
为离散信号序列的总长度，为重复次数，
Figure 70155DEST_PATH_IMAGE019
取0.2-0.3之间的一个值，
Figure 243648DEST_PATH_IMAGE020
是一个基本模式分量公式(8) ； 
Figure 316646DEST_PATH_IMAGE049
                                                        (8)
e）根据公式（9）从原始型号中提取第一个固有模式函数分量，
Figure 346919DEST_PATH_IMAGE050
                                                       (9)
重复该步骤直至无法再提取固有模式函数分量，得到
Figure 505368DEST_PATH_IMAGE051
                                                         (10)
最终得到原始信号公式(11)   
                                                   (11)
其中为残余函数，表示信号的平均趋势。
2）每一个固有模式函数分量通过希尔伯特变换模块进行希尔伯特变换，得到原始信号的能量谱值，希尔伯特变换模块的操作步骤包括：
A）获取原始信号的时频参数，对每个固有模式函数分量分别作希尔伯特变换后得到信号的瞬时频率, 
Figure 410897DEST_PATH_IMAGE053
                                   (12)
其中,残余函数通常是一个常数或是一个单调分量， 
Figure 368675DEST_PATH_IMAGE028
，
Figure 416265DEST_PATH_IMAGE029
分别为第i个固有模式函数分量的时变幅度和相位，每个固有模式函数分量为
Figure 788341DEST_PATH_IMAGE030
；
B）对原始信号完整希尔伯特能量谱  进行采样，在整个时域
Figure 974788DEST_PATH_IMAGE055
内采样点数为
Figure 876885DEST_PATH_IMAGE056
，频域
Figure 419862DEST_PATH_IMAGE057
内采样点数为
Figure 777550DEST_PATH_IMAGE058
，对于非平稳信号，为消除相邻频率的干扰扩大采样点数，令
Figure 696964DEST_PATH_IMAGE059
，得到公式（13）；
  
Figure 453568DEST_PATH_IMAGE060
                （13）
C）通过采样点数的扩大使频率分辨率提高k倍，用k个能量谱值的（加权）平均值来表示原始信号谱值，即
Figure 167446DEST_PATH_IMAGE061
     (14)
其中
Figure 275079DEST_PATH_IMAGE062
为权值，一般可以取为1。在时频面内综合了各固有模式函数分量对整个信号时频能量分布的影响，式(16)在式(14)的基础上对能量谱进行了数据平均，消除邻近频率的混叠影响，提高了精度。
3）通过后续信号处理模块将采样结果与自适应冲激响应进行卷积积分，得到杂波抑制后的时域信号，从而得到去除杂波干扰后的风廓线雷达数据。
该风廓线雷达信号处理机能够有效抑制非平稳噪声干扰信号，具有良好的适应性，对硬件要求较小，尤其能够有效消除邻近频率的混叠影响和边界效应。

Claims (3)

1.一种基于希尔伯特黄变换的风廓线雷达去噪方法，基于风廓线雷达去噪处理机，所述处理机包括改进型经验模式分解模块，希尔伯特变换模块以及后续信号处理模块，其特征在于，所述方法包括如下步骤：
1）风廓线雷达去噪处理机接收回波信号，利用改进型经验模式分解模块获得回波信号的一系列的固有模式函数分量；
2）每一个固有模式函数分量通过希尔伯特变换模块进行希尔伯特变换，得到原始信号的能量谱值；
3）通过后续信号处理模块对原始信号的能量谱值进行变换得到去除噪声后的风廓线雷达数据。
2.根据权利要求1所述的基于希尔伯特黄变换的风廓线雷达去噪方法，其特征在于，所述改进型经验模式分解模块的操作步骤包括：
a）计算原始回波信号的所有极值点的局部平均值                                                
Figure 426506DEST_PATH_IMAGE001
，使用公式(1)计算出两相邻极值点间的局部均值序列；
Figure 186651DEST_PATH_IMAGE002
                                               (1)
b）在原始数据介于和
Figure 196829DEST_PATH_IMAGE005
之间，利用公式(2)计算
Figure 626412DEST_PATH_IMAGE003
对应的时间；
                               (2)
c)利用公式(3)加权平均计算
Figure 55436DEST_PATH_IMAGE007
处极值点的局部均值
Figure 516504DEST_PATH_IMAGE008
；
Figure 884032DEST_PATH_IMAGE009
                                        (3)
其中,
Figure 125657DEST_PATH_IMAGE010
                                 (4) 
d）使用公式(5)将局部均值
Figure 836999DEST_PATH_IMAGE001
从原始信号
Figure 418153DEST_PATH_IMAGE011
中分离出来，得到剩余部分
Figure 753319DEST_PATH_IMAGE012
，
Figure 419924DEST_PATH_IMAGE013
                                                (5)
利用公式(6)对第一个固有模式函数分量进行第二次过滤处理，可消除叠加波从而确保波形对称，
                                                         (6)
重复
Figure 142264DEST_PATH_IMAGE016
次，直到满足公式(7)停止筛选,
 
Figure 30586DEST_PATH_IMAGE017
                                       (7)
其中
Figure 850774DEST_PATH_IMAGE018
为离散信号序列的总长度，
Figure 203258DEST_PATH_IMAGE019
为重复次数，
Figure 83490DEST_PATH_IMAGE020
取0.2-0.3之间的一个值，
Figure 957642DEST_PATH_IMAGE021
是一个基本模式分量公式(8) ； 
Figure 315943DEST_PATH_IMAGE022
                                                           (8)
e）根据公式（9）从原始型号中提取第一个固有模式函数分量，
Figure 788512DEST_PATH_IMAGE023
                                                            (9)
重复该步骤直至无法再提取固有模式函数分量，得到
Figure 839645DEST_PATH_IMAGE024
                                                          (10)
最终得到原始信号公式(11)   
 
Figure 702559DEST_PATH_IMAGE025
                                                 (11)
其中
Figure 926867DEST_PATH_IMAGE026
为残余函数，表示信号的平均趋势。
3.根据权利要求1所述的基于希尔伯特黄变换的风廓线雷达去噪方法，其特征在于，所述希尔伯特变换模块的操作步骤包括：
A）获取原始信号的时频参数，对每个固有模式函数分量分别作希尔伯特变换后得到信号的瞬时频率， 
Figure 424582DEST_PATH_IMAGE027
                 (12)
其中,残余函数
Figure 646616DEST_PATH_IMAGE028
通常是一个常数或是一个单调分量， 
Figure 996826DEST_PATH_IMAGE029
，
Figure 24824DEST_PATH_IMAGE030
分别为第i个固有模式函数分量的时变幅度和相位，每个固有模式函数分量为
Figure 144090DEST_PATH_IMAGE031
；
B）对原始信号完整希尔伯特能量谱
Figure 769981DEST_PATH_IMAGE032
  进行采样，在整个时域
Figure 669804DEST_PATH_IMAGE033
内采样点数为
Figure 173598DEST_PATH_IMAGE034
，频域
Figure 412949DEST_PATH_IMAGE035
内采样点数为
Figure 711207DEST_PATH_IMAGE036
，对于非平稳信号，为消除相邻频率的干扰扩大采样点数，令
Figure 98326DEST_PATH_IMAGE037
，得到公式（13）；
                       （13）
C）通过采样点数的扩大使频率分辨率提高k倍，用k个能量谱值的（加权）平均值来表示原始信号谱值，即
Figure 732624DEST_PATH_IMAGE039
    (14)
， 其中
Figure 529679DEST_PATH_IMAGE040
为权值，一般可以取为1。
CN2012102396061A 2012-07-12 2012-07-12 一种基于希尔伯特黄变换的风廓线雷达去噪方法 Pending CN102736070A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012102396061A CN102736070A (zh) 2012-07-12 2012-07-12 一种基于希尔伯特黄变换的风廓线雷达去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012102396061A CN102736070A (zh) 2012-07-12 2012-07-12 一种基于希尔伯特黄变换的风廓线雷达去噪方法

Publications (1)

Publication Number Publication Date
CN102736070A true CN102736070A (zh) 2012-10-17

Family

ID=46991903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012102396061A Pending CN102736070A (zh) 2012-07-12 2012-07-12 一种基于希尔伯特黄变换的风廓线雷达去噪方法

Country Status (1)

Country Link
CN (1) CN102736070A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103163505A (zh) * 2013-01-31 2013-06-19 西安电子科技大学 基于jade的时变窄带干扰抑制方法
CN103226194A (zh) * 2013-03-26 2013-07-31 中国科学院电子学研究所 一种基于经验模式分解的InSAR干涉相位滤波方法
CN106095729A (zh) * 2016-06-16 2016-11-09 广东工业大学 基于深度学习的光栅尺测量误差动态补偿方法
CN106324601A (zh) * 2016-08-08 2017-01-11 北京无线电测量研究所 一种基于风廓线雷达组网的三维风场反演方法
CN107212881A (zh) * 2017-05-26 2017-09-29 广东工业大学 一种t波电交替检测方法
CN108562904A (zh) * 2018-01-11 2018-09-21 成都信息工程大学 一种x波段双偏振天气雷达降水估测方法
CN108594177A (zh) * 2018-03-16 2018-09-28 西安电子科技大学 基于改进hht的雷达信号调制方式分析方法、信号处理系统
CN109222926A (zh) * 2018-06-19 2019-01-18 江苏峰汇智联科技有限公司 一种用于监测身体状态的智能设备
CN110045338A (zh) * 2018-01-16 2019-07-23 镇江雷森低空探测系统有限公司 基于希尔伯特变换的幅相误差估计与校正方法
CN112083271A (zh) * 2020-08-18 2020-12-15 昆明理工大学 一种基于护层电流行波时频复合分析的10kV电缆在线测距方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5686919A (en) * 1995-06-06 1997-11-11 Jordan; James R. Process for generating wind profiler data free of fixed ground clutter contamination
JP2004347540A (ja) * 2003-05-26 2004-12-09 National Institute Of Information & Communication Technology ウィンドプロファイラにおける信号処理方法及びそのプログラムと装置
CN101334469A (zh) * 2008-08-04 2008-12-31 北京理工大学 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5686919A (en) * 1995-06-06 1997-11-11 Jordan; James R. Process for generating wind profiler data free of fixed ground clutter contamination
JP2004347540A (ja) * 2003-05-26 2004-12-09 National Institute Of Information & Communication Technology ウィンドプロファイラにおける信号処理方法及びそのプログラムと装置
CN101334469A (zh) * 2008-08-04 2008-12-31 北京理工大学 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《2005年上海市国际工业博览会第三届上海市"工程与震动"科技论坛论文集》 20051130 钱振华等 经验模式分解方法（EMD）研究综述 , *
N.PADMAJA等: "Signal processing of radar echoes using wavelets and Hilbert Huang Transform", 《SIGNAL& IMAGE PROCESSING : AN INTERNATIONAL JOURNAL》, vol. 2, no. 3, 30 September 2011 (2011-09-30) *
毛炜等: "一种基于改进Hilbert_Huang变换的非平稳信号时频分析法及其应用", 《上海交通大学学报》, vol. 40, no. 5, 30 May 2006 (2006-05-30) *
钱振华等: "经验模式分解方法（EMD）研究综述", 《2005年上海市国际工业博览会第三届上海市"工程与震动"科技论坛论文集》, 30 November 2005 (2005-11-30) *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103163505A (zh) * 2013-01-31 2013-06-19 西安电子科技大学 基于jade的时变窄带干扰抑制方法
CN103226194A (zh) * 2013-03-26 2013-07-31 中国科学院电子学研究所 一种基于经验模式分解的InSAR干涉相位滤波方法
CN106095729B (zh) * 2016-06-16 2018-05-25 广东工业大学 基于深度学习的光栅尺测量误差动态补偿方法
CN106095729A (zh) * 2016-06-16 2016-11-09 广东工业大学 基于深度学习的光栅尺测量误差动态补偿方法
CN106324601B (zh) * 2016-08-08 2019-04-09 北京无线电测量研究所 一种基于风廓线雷达组网的三维风场反演方法
CN106324601A (zh) * 2016-08-08 2017-01-11 北京无线电测量研究所 一种基于风廓线雷达组网的三维风场反演方法
CN107212881A (zh) * 2017-05-26 2017-09-29 广东工业大学 一种t波电交替检测方法
CN107212881B (zh) * 2017-05-26 2020-08-11 广东工业大学 一种t波电交替检测方法
CN108562904A (zh) * 2018-01-11 2018-09-21 成都信息工程大学 一种x波段双偏振天气雷达降水估测方法
CN110045338A (zh) * 2018-01-16 2019-07-23 镇江雷森低空探测系统有限公司 基于希尔伯特变换的幅相误差估计与校正方法
CN108594177A (zh) * 2018-03-16 2018-09-28 西安电子科技大学 基于改进hht的雷达信号调制方式分析方法、信号处理系统
CN109222926A (zh) * 2018-06-19 2019-01-18 江苏峰汇智联科技有限公司 一种用于监测身体状态的智能设备
CN109222926B (zh) * 2018-06-19 2021-07-09 苗珍录 一种用于监测身体状态的智能设备
CN112083271A (zh) * 2020-08-18 2020-12-15 昆明理工大学 一种基于护层电流行波时频复合分析的10kV电缆在线测距方法
CN112083271B (zh) * 2020-08-18 2021-10-22 昆明理工大学 一种基于护层电流行波时频复合分析的10kV电缆在线测距方法

Similar Documents

Publication Publication Date Title
CN102736070A (zh) 一种基于希尔伯特黄变换的风廓线雷达去噪方法
Guan et al. Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter
CN101334469B (zh) 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法
CN108594177A (zh) 基于改进hht的雷达信号调制方式分析方法、信号处理系统
CN103760543A (zh) 一种基于多模式的恒虚警目标检测方法
RU2594005C1 (ru) Способ обработки радиолокационного сигнала в импульсно-доплеровской рлс
CN103163505B (zh) 基于jade的时变窄带干扰抑制方法
CN110852201A (zh) 一种基于多脉冲包络谱匹配的脉冲信号检测方法
CN105445723A (zh) 一种基于背景噪声频谱起伏特性的宽带阵列信号处理方法
CN109871733A (zh) 一种自适应海杂波信号去噪方法
CN103064077A (zh) 一种基于幅值加权的目标检测方法和设备
CN105929380A (zh) 一种卫星激光高度计全波形激光雷达数据去噪方法
Wang et al. An adaptive time-frequency filtering algorithm for multi-component LFM signals based on generalized S-transform
CN103915102A (zh) 一种lfm水声多途信号的噪声抑制方法
CN103885044B (zh) 一种基于clean算法的窄带雷达回波杂噪抑制方法
CN103078661A (zh) 一种基于迭代门限的扩频系统干扰抑制方法
GARVANOV et al. Denoising of pulsar signal using wavelet transform
CN102819012B (zh) 一种基于改进的非负ica的相控阵风廓线雷达信号处理方法
CN104463325A (zh) 一种极地探冰雷达原始数据噪声抑制方法
Yang et al. Wind turbine clutter mitigation in coastal UHF radar
CN202735511U (zh) 一种风廓线雷达信号处理系统
Rachkov et al. Estimation of meteorological objects energy spectra in pulse Doppler weather radar
CN102360074A (zh) 风廓线雷达谱分析方法
CN115950529B (zh) 基于谱增强的微角谐振信号估计方法、装置及电子设备
Chandraiah et al. Denoising of MST Radar Signal using Multi-Band Wavelet Transform with improved thresholding

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20121017