CN106330343B - 一种基于小波包和模糊理论的水声信标信号提取方法 - Google Patents

一种基于小波包和模糊理论的水声信标信号提取方法 Download PDF

Info

Publication number
CN106330343B
CN106330343B CN201510392978.1A CN201510392978A CN106330343B CN 106330343 B CN106330343 B CN 106330343B CN 201510392978 A CN201510392978 A CN 201510392978A CN 106330343 B CN106330343 B CN 106330343B
Authority
CN
China
Prior art keywords
sequence
wavelet packet
signal
beacon
fuzzy
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.)
Expired - Fee Related
Application number
CN201510392978.1A
Other languages
English (en)
Other versions
CN106330343A (zh
Inventor
巴巍
周志民
李笑媛
王彩玲
曲加圣
朱凌
邱梦然
栾源泠
安冲
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.)
Dalian Scientific Test & Control Technology Institute
Original Assignee
Dalian Scientific Test & Control Technology Institute
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 Dalian Scientific Test & Control Technology Institute filed Critical Dalian Scientific Test & Control Technology Institute
Priority to CN201510392978.1A priority Critical patent/CN106330343B/zh
Publication of CN106330343A publication Critical patent/CN106330343A/zh
Application granted granted Critical
Publication of CN106330343B publication Critical patent/CN106330343B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明涉及一种基于小波包和模糊理论的水声信标信号提取方法，首先采用小波包的方法对信号频段进行细化，然后采用模糊阈值的方法进行小波包分解系数量化，提出噪声信号比最大值用以表征小波包序列中信号相对噪声的强度，并给出其计算方法和信标频率分布概率的简单计算方法，并将噪声信号比最大值与信标频率分布概率一起作为模糊输入，为了计算方便，模糊输出不再采用传统的曲线表示形式，而是定义模糊输出为0或1两个固定数值，建立模糊规则，利用模糊阈值对小波包进行量化并重构，此方法实现了多频率信标的自主提取，能够在复杂海洋条件下更加快速、清晰的提取信标信号，提高了信标信号的探测距离。

Description

一种基于小波包和模糊理论的水声信标信号提取方法
技术领域
本发明涉及信号特征提取和模糊技术领域，特别涉及一种基于小波包和模糊理论的水声信标信号提取方法。
背景技术
水声信标是一种最常用的海洋声学仪器。它安装在水下载体上，按照一定规律发射信号，可与水声定位系统配合实现水下载体定位，也可为水下载体引航。近年来，其应用已不仅限于军事目的，在海洋渔业安全、海洋开发和海洋科考中的应用也日益广泛。
受到复杂海洋环境的影响，水声信标信号的快速准确提取是水声信号处理领域公认的难题，它是军事上实现水声装备现代化和武器智能化的关键技术，也是民用和商用领域增加产品科技含量，提升产品性能的法宝。
目前，对声信标信号的提取除了采用常规滤波方法，小波包、模糊理论等方法也逐渐得到应用。号称“数学显微镜”的小波包能将复杂的水声信号按频率细化，实现微弱信号的提取，但是其最终结果受系数量化阈值影响较大，对于非常微弱且多变的水声信号而言，阈值很难准确反映当前信号状态，从而导致信号提取失败。模糊理论可使小波包量化阈值按照模糊输入动态变化，从而使阈值反映信号的真实情况，该方法已经用于图像去噪，但模糊输出产生的阈值复杂多变，应用到水声信标信号提取领域较困难，因此急需一种将小波包和模糊理论结合起来提取远距离微弱水声信标信号的方法。
发明内容
本发明的目的在于提供一种基于小波包和模糊理论的水声信标信号提取方法，该方法将小波包和模糊理论相结合，对在远距离和嘈杂水域环境下提取的微弱水声信标信号进行处理，能够快速、准确地得出结果。
本发明解决技术问题采用的技术方案是：一种基于小波包和模糊理论的水声信标信号提取方法，其特征在于包括以下步骤：
一种基于小波包和模糊理论的水声信标信号提取方法，其特征在于包括以下步骤：
A、获取信号并根据信标频率进行滤波预处理，并对水下探测设备进行混频及降采样操作；
B、对步骤A获取的信号进行基于mallat的小波包分解，
计算不同小波包基下的小波包熵值，选取小波包熵值最小的小波包基作为最优小波包基，然后，利用最优小波包基对信号进行小波包分解，设定系统采样率为
Figure DEST_PATH_IMAGE001
，信标频率为
Figure 695782DEST_PATH_IMAGE002
，对第一步得到的信号进行小波包分解，分解层数为N,在第N层上得到序列组
Figure 100002_DEST_PATH_IMAGE003
，其下标代表各序列在序列组中的位置，其中
Figure 444662DEST_PATH_IMAGE004
表示该序列是序列组中第r个序列，序列共有
Figure DEST_PATH_IMAGE005
个；
C、对步骤B得到的序列组进行信标频率分布概率计算，
将序列组
Figure 710428DEST_PATH_IMAGE003
按照频率从小到大重新排列为
Figure 333039DEST_PATH_IMAGE006
,其下标代表各序列在新序列组中的位置，下标数值越小，该序列所处频率越小，首先找到信标频率
Figure 901423DEST_PATH_IMAGE002
所属频段的序列编号
Figure 245205DEST_PATH_IMAGE007
，构造信标频率分布概率如下式：
Figure 190027DEST_PATH_IMAGE008
（1）
Figure 667144DEST_PATH_IMAGE009
表示序列组
Figure 672010DEST_PATH_IMAGE006
中第
Figure 100002_DEST_PATH_IMAGE010
个序列的信标频率分布概率，受信标本身误差以及信标信号经换能器接收产生的频移影响，信标在
Figure 293965DEST_PATH_IMAGE011
、
Figure 776899DEST_PATH_IMAGE007
以及
Figure DEST_PATH_IMAGE012
中的分布概率应大于0，即分布概率
Figure 436419DEST_PATH_IMAGE013
且
Figure DEST_PATH_IMAGE014
，k值计算方法如下式：
Figure 471240DEST_PATH_IMAGE015
（2）
D、对步骤B得到的序列组进行噪声信号比最大值计算，
先对序列组
Figure 461718DEST_PATH_IMAGE003
中的每个小波包序列进行单子带重构，设序列组中第i个序列单子带重构序列为
Figure DEST_PATH_IMAGE016
，其中
Figure 872976DEST_PATH_IMAGE017
，n为原始信号长度，也是各重构序列的长度，针对每个重构序列
Figure DEST_PATH_IMAGE018
，查找序列中数据最大值，用
Figure 387003DEST_PATH_IMAGE019
表示，并将以
Figure 793058DEST_PATH_IMAGE019
为中心信标发射长度内的数据视为信号，其余全部视为噪声，针对
Figure 267902DEST_PATH_IMAGE018
中的噪声数据，查找噪声数据最大值，用
Figure DEST_PATH_IMAGE020
表示，然后用
Figure 217272DEST_PATH_IMAGE021
表示第i个序列的噪声信号比最大值，其计算方法如下式所示：
Figure DEST_PATH_IMAGE022
（3）
E、利用步骤C和D的结果进行基于模糊阈值的小波包分解系数量化，
综合步骤B、C和D的结果，建立
Figure 651052DEST_PATH_IMAGE023
、
Figure DEST_PATH_IMAGE024
与
Figure 293255DEST_PATH_IMAGE021
的对应关系，针对步骤B得到的序列
Figure 255395DEST_PATH_IMAGE004
，选取其对应的信标频率分布概率
Figure 883822DEST_PATH_IMAGE024
以及噪声信号比最大值
Figure 44545DEST_PATH_IMAGE021
为模糊输入，设定信标频率分布概率隶属度函数，设定噪声信号比最大值隶属度函数，设定模糊输出为0或1这两个固定的数值，设序列
Figure 730085DEST_PATH_IMAGE004
的模糊输出为模糊阈值
Figure 241838DEST_PATH_IMAGE025
，则
Figure 408377DEST_PATH_IMAGE025
可用下式表示：
Figure DEST_PATH_IMAGE026
（4）
建立其模糊规则如下：
当
Figure 751503DEST_PATH_IMAGE009
为低，且
Figure 676121DEST_PATH_IMAGE021
为小，则
Figure 347274DEST_PATH_IMAGE027
；
当
Figure 645400DEST_PATH_IMAGE009
为低，且
Figure 718398DEST_PATH_IMAGE021
为中，则
Figure DEST_PATH_IMAGE028
；
当
Figure 873305DEST_PATH_IMAGE009
为低，且
Figure 52262DEST_PATH_IMAGE029
为大，则
Figure 622920DEST_PATH_IMAGE028
；
当
Figure DEST_PATH_IMAGE030
为高，且
Figure 940638DEST_PATH_IMAGE021
为小，则
Figure 141812DEST_PATH_IMAGE027
；
当
Figure 852804DEST_PATH_IMAGE030
为高，且
Figure 164836DEST_PATH_IMAGE021
为中，则
Figure 274744DEST_PATH_IMAGE031
；
当
Figure 646819DEST_PATH_IMAGE009
为高，且
Figure 779860DEST_PATH_IMAGE029
为大，则
Figure DEST_PATH_IMAGE032
；
由模糊规则得到步骤B中序列
Figure 17288DEST_PATH_IMAGE004
的模糊阈值
Figure 981702DEST_PATH_IMAGE025
，如果所有
Figure 524679DEST_PATH_IMAGE025
均为0，则令
Figure 941753DEST_PATH_IMAGE002
所属频段对应的模糊阈值为1，将步骤B所得小波包分解序列组
Figure 861168DEST_PATH_IMAGE003
中各序列分别与其对应的模糊阈值相乘，产生新的序列组
Figure 683018DEST_PATH_IMAGE033
，其计算方法如下式表示：
Figure DEST_PATH_IMAGE034
（5）
F、对步骤E得到的序列组进行基于mallat的小波包重构，提取信标信号，
对步骤E得到的新的序列组
Figure 521530DEST_PATH_IMAGE033
进行基于mallat的小波包重构，提取信标信号。
本发明的有益效果是：采用小波包分解重构的方法增强了对微弱水声信号的提取效果，同时采用模糊阈值的方法，用噪声信号比最大值来表征小波序列中信号相对噪声的强度，并给出其计算方法以及信标频率分布概率的简单计算方法，将噪声信号比最大值与信标频率分布概率一起作为模糊输入，模糊输出采用设定固定值的方法，使小波包变换模糊阈值的计算变得方便快捷。本发明能够适应不同频率信标的需要，进一步有效抑制了海洋噪声对信号的影响，增强了信号提取能力，提高了信标信号的探测距离。
附图说明
图1是本发明信标频率分布概率隶属度函数图；
图2是本发明噪声信号比最大值隶属度函数图；
图3是本发明的一个实例的探测系统原理示意图；
图4是本发明基于小波包和模糊理论的水声信标信号提取方法流程框图；
图5原始信号图；
图6是本发明基于小波包和模糊理论的水声信标信号提取方法的小波包重构信号图；
图7是匹配滤波信号图。
具体实施方式
下面结合附图对本发明作进一步说明：
本发明利用水声定位设备采集置于水中的水声信标信号，水声定位设备采集到信号后，依据本发明所述的原理编写程序，并在显控终端显示最终结果。
实现本发明方法所采用的设备如图3所示，探测物1装有声信标，声信标入水后自动启动工作，以1秒为周期发射声脉冲信号，换能器2在水中接收声信标发出的声信号，并传送回探测主机3，在探测主机3是由信号调理模块4、信号采集模块5、信号处理模块6、显控终端7构成。信号调理模块4完成对接收到的声信号的调理，包括信号放大，滤波，然后，信号经信号采集模块5完成AD采样后到达信号处理模块6，信号处理模块6主要是将本发明基于小波包和模糊理论的水声信标信号提取方法在DSP中编程实现，最后，将本发明处理后的信号在显控终端7显示。
本实施例设定的水声信标频率为40800Hz，声信标探测系统的采样率为312500Hz，为了能够听到声信标的声音，将信号混频至1000Hz，降采样至4000Hz。
实施本发明的具体步骤如下（见流程图4）：
1、将探测物1和换能器2放入水中，开启探测主机3，采集1秒钟数据，将信号采集模块5采集的信号导出，并存为dat格式；
2、用MATLAB对步骤1采集的数据进行分析。首先，按照设备要求，对采集到的信号进行混频和降采样，然后，对降采样后的数据进行四层小波包分解，并求取不同小波包基下的小波包熵，当小波包基为sym16时，小波包熵最小，因此，选取sym16作为小波包分解的小波包基，按照此结果修改信号处理模块6中相应程序；
3、探测主机再次采集1秒钟数据，在信号处理模块6中，用sym16对混频、降采样后的数据进行四层分解；降采样后采样率为4000Hz，信标信号频率为1000Hz，分解后的小波序列组为
Figure 629163DEST_PATH_IMAGE035
，其中下标代表各序列在序列组中的位置，如
Figure 149006DEST_PATH_IMAGE023
表示该序列是序列组中第r个序列，序列共有16个；
4、针对步骤3得到的小波包序列组计算信标频率分布概率；
由采样率为4000Hz，计算小波包序列的频率间隔为
Figure DEST_PATH_IMAGE036
,由公式（2）计算，信号应该出现在第8个频段，频率范围为875-1000Hz，由于信标频率1000Hz是下一个频段1000-1125Hz的起点，因此，认为频段9也是信号该出现的频段，考虑信标本身误差以及信标信号经换能器接收产生的频移影响，信号还可能出现在750-875Hz或1125-1250Hz序列中，构造信标频率分布概率如下式：
Figure 881820DEST_PATH_IMAGE037
（6）
其中，
Figure 94496DEST_PATH_IMAGE009
表示序列组
Figure DEST_PATH_IMAGE038
中第
Figure 486163DEST_PATH_IMAGE010
个序列的信标频率分布概率，信标在7、8、9、10中均有可能出现，其分布概率均应大于0，这里不计算分布概率的具体数值，尽管在这几个频段分布的概率不一定相同，统一用
Figure 544117DEST_PATH_IMAGE039
表示（
Figure 100002_DEST_PATH_IMAGE040
且
Figure 402877DEST_PATH_IMAGE041
）；
Figure 100002_DEST_PATH_IMAGE042
、
Figure 848770DEST_PATH_IMAGE043
、
Figure 100002_DEST_PATH_IMAGE044
、
Figure 521541DEST_PATH_IMAGE045
分别对应小波序列组
Figure 100002_DEST_PATH_IMAGE046
、
Figure 711083DEST_PATH_IMAGE047
、
Figure DEST_PATH_IMAGE048
、
Figure 421419DEST_PATH_IMAGE049
；
5、针对步骤3得到的小波包序列组计算噪声信号比最大值；依次对小波包序列
Figure DEST_PATH_IMAGE050
进行单子带重构，并按照（3）式求取噪声信号比最大值：
Figure 775565DEST_PATH_IMAGE051
（3）
6、利用步骤4和步骤5的结果，计算模糊阈值，利用模糊阈值进行小波包分解系数量化；
根据本发明提出的模糊阈值求取方法设定信标频率分布概率隶属度函数(如附图1），设定噪声信号比最大值隶属度函数(如附图2)，求取模糊阈值
Figure DEST_PATH_IMAGE052
。如果所有
Figure 141824DEST_PATH_IMAGE052
均为0，则令
Figure 807160DEST_PATH_IMAGE053
且
Figure 247369DEST_PATH_IMAGE054
。按照公式（4），将步骤3所得小波包分解序列组
Figure 993256DEST_PATH_IMAGE050
中各序列分别与其对应的模糊阈值相乘，产生新的序列组
Figure 518915DEST_PATH_IMAGE055
，
Figure 174894DEST_PATH_IMAGE056
Figure 735188DEST_PATH_IMAGE057
（4）
7、对步骤6得到的
Figure DEST_PATH_IMAGE058
进行基于mallat的小波包重构，提取信标信号，得到重构后的信号波形图，见图6。从波形图中在1秒的时间内可以清晰的看到一段突起的波形，即为成功提取到信标信号，此后，无需再次选择小波包基，重复步骤3至步骤7。
本实施例中，当探测目标在2440米远处，本发明基于小波包和模糊理论的水声信标信号提取方法与原始信号以及匹配滤波的实验结果对比，原始信号图见图5，本发明基于小波包和模糊理论的水声信标信号提取方法的小波包重构信号图见图6，匹配滤波信号图见图7。从图中可以看出，利用已有方法，原始信号完全找不到信标信号，匹配滤波提取的信标信号通过对周期的判断可知是错误的。而本发明基于小波包和模糊理论的水声信标信号提取方法能够清晰的提取信标信号，通过判断其信号周期以及信号长度等手段对信号进行进一步的识别工作，确定了该信号为真实的信标信号，验证了提取方法的有效性。本发明不但实现了多频率信标的自主提取，还能够在复杂海洋条件下更加快速、清晰的提取信标信号，提高了信标信号的探测距离。

Claims (1)

1.一种基于小波包和模糊理论的水声信标信号提取方法，其特征在于包括以下步骤：
A、获取信号并根据信标频率进行滤波预处理，并对水下探测设备进行混频及降采样操作；
B、对步骤A获取的信号进行基于mallat的小波包分解，
计算不同小波包基下的小波包熵值，选取小波包熵值最小的小波包基作为最优小波包基，然后，利用最优小波包基对信号进行小波包分解，设定系统采样率为
Figure DEST_PATH_IMAGE002
，信标频率为
Figure DEST_PATH_IMAGE004
，对第一步得到的信号进行小波包分解，分解层数为N,在第N层上得到序列组
Figure DEST_PATH_IMAGE006
，其下标代表各序列在序列组中的位置，其中
Figure DEST_PATH_IMAGE008
表示该序列是序列组中第r个序列，序列共有
Figure DEST_PATH_IMAGE010
个；
C、对步骤B得到的序列组进行信标频率分布概率计算，
将序列组
Figure DEST_PATH_IMAGE011
按照频率从小到大重新排列为
Figure DEST_PATH_IMAGE013
,其下标代表各序列在新序列组中的位置，下标数值越小，该序列所处频率越小，首先找到信标频率
Figure DEST_PATH_IMAGE003
所属频段的序列编号
Figure DEST_PATH_IMAGE015
，构造信标频率分布概率如下式：
Figure DEST_PATH_IMAGE017
（1）
Figure DEST_PATH_IMAGE019
表示序列组
Figure 702935DEST_PATH_IMAGE013
中第
Figure DEST_PATH_IMAGE021
个序列的信标频率分布概率，受信标本身误差以及信标信号经换能器接收产生的频移影响，信标在
Figure DEST_PATH_IMAGE023
、
Figure 31892DEST_PATH_IMAGE015
以及
Figure DEST_PATH_IMAGE025
中的分布概率应大于0，即分布概率
Figure DEST_PATH_IMAGE027
且
Figure DEST_PATH_IMAGE029
，k值计算方法如下式：
Figure DEST_PATH_IMAGE031
（2）
D、对步骤B得到的序列组进行噪声信号比最大值计算，
先对序列组
Figure 865594DEST_PATH_IMAGE011
中的每个小波包序列进行单子带重构，设序列组中第i个序列单子带重构序列为
Figure DEST_PATH_IMAGE033
，其中
Figure DEST_PATH_IMAGE035
，n为原始信号长度，也是各重构序列的长度，针对每个重构序列
Figure DEST_PATH_IMAGE037
，查找序列中数据最大值，用
Figure DEST_PATH_IMAGE039
表示，并将以
Figure 155367DEST_PATH_IMAGE039
为中心信标发射长度内的数据视为信号，其余全部视为噪声，针对
Figure DEST_PATH_IMAGE040
中的噪声数据，查找噪声数据最大值，用
Figure DEST_PATH_IMAGE042
表示，然后用
Figure DEST_PATH_IMAGE044
表示第i个序列的噪声信号比最大值，其计算方法如下式所示：
Figure DEST_PATH_IMAGE046
（3）
E、利用步骤C和D的结果进行基于模糊阈值的小波包分解系数量化，
综合步骤B、C和D的结果，建立
Figure DEST_PATH_IMAGE047
、
Figure DEST_PATH_IMAGE049
与
Figure 545766DEST_PATH_IMAGE044
的对应关系，针对步骤B得到的序列
Figure 919110DEST_PATH_IMAGE047
，选取其对应的信标频率分布概率
Figure 648948DEST_PATH_IMAGE049
以及噪声信号比最大值
Figure 474952DEST_PATH_IMAGE044
为模糊输入，设定信标频率分布概率隶属度函数，设定噪声信号比最大值隶属度函数，设定模糊输出为0或1这两个固定的数值，设序列
Figure 232824DEST_PATH_IMAGE008
的模糊输出为模糊阈值
Figure DEST_PATH_IMAGE051
，则
Figure 398357DEST_PATH_IMAGE051
可用下式表示：
Figure DEST_PATH_IMAGE053
（4）
建立其模糊规则如下：
当
Figure DEST_PATH_IMAGE054
为低，且
Figure DEST_PATH_IMAGE055
为小，则
Figure DEST_PATH_IMAGE057
；
当
Figure 839440DEST_PATH_IMAGE054
为低，且
Figure 212128DEST_PATH_IMAGE055
为中，则
Figure DEST_PATH_IMAGE059
；
当
Figure 445795DEST_PATH_IMAGE054
为低，且
Figure 793731DEST_PATH_IMAGE055
为大，则
Figure 782546DEST_PATH_IMAGE059
；
当
Figure 642531DEST_PATH_IMAGE054
为高，且
Figure 742205DEST_PATH_IMAGE055
为小，则
Figure 679068DEST_PATH_IMAGE057
；
当
Figure 901102DEST_PATH_IMAGE054
为高，且
Figure 188995DEST_PATH_IMAGE044
为中，则
Figure 151747DEST_PATH_IMAGE057
；
当
Figure 208696DEST_PATH_IMAGE054
为高，且
Figure 336052DEST_PATH_IMAGE055
为大，则
Figure 111241DEST_PATH_IMAGE059
；
由模糊规则得到步骤B中序列
Figure 552718DEST_PATH_IMAGE008
的模糊阈值
Figure 789139DEST_PATH_IMAGE051
，如果所有
Figure 25080DEST_PATH_IMAGE051
均为0，则令
Figure 349882DEST_PATH_IMAGE004
所属频段对应的模糊阈值为1，将步骤B所得小波包分解序列组
Figure 595050DEST_PATH_IMAGE006
中各序列分别与其对应的模糊阈值相乘，产生新的序列组
Figure DEST_PATH_IMAGE061
，其计算方法如下式表示：
Figure DEST_PATH_IMAGE063
（5）
F、对步骤E得到的序列组进行基于mallat的小波包重构，提取信标信号，
对步骤E得到的新的序列组
Figure 171131DEST_PATH_IMAGE061
进行基于mallat的小波包重构，提取信标信号。
CN201510392978.1A 2015-07-07 2015-07-07 一种基于小波包和模糊理论的水声信标信号提取方法 Expired - Fee Related CN106330343B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510392978.1A CN106330343B (zh) 2015-07-07 2015-07-07 一种基于小波包和模糊理论的水声信标信号提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510392978.1A CN106330343B (zh) 2015-07-07 2015-07-07 一种基于小波包和模糊理论的水声信标信号提取方法

Publications (2)

Publication Number Publication Date
CN106330343A CN106330343A (zh) 2017-01-11
CN106330343B true CN106330343B (zh) 2020-04-17

Family

ID=57728392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510392978.1A Expired - Fee Related CN106330343B (zh) 2015-07-07 2015-07-07 一种基于小波包和模糊理论的水声信标信号提取方法

Country Status (1)

Country Link
CN (1) CN106330343B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113923541B (zh) * 2021-09-13 2023-07-18 广州杰赛科技股份有限公司 一种危化品监测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201901A (zh) * 2006-12-13 2008-06-18 中国科学院沈阳自动化研究所 基于模糊小波包分解的小波特征提取方法
CN102361475A (zh) * 2011-06-15 2012-02-22 南京信息工程大学 基于混沌支持向量机优化的小波加权多模盲均衡方法
CN103033567A (zh) * 2012-12-31 2013-04-10 江苏大学 一种基于导波的管道缺陷信号识别方法
CN104615877A (zh) * 2015-01-28 2015-05-13 辽宁工程技术大学 一种基于小波包进行信号去噪的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201901A (zh) * 2006-12-13 2008-06-18 中国科学院沈阳自动化研究所 基于模糊小波包分解的小波特征提取方法
CN102361475A (zh) * 2011-06-15 2012-02-22 南京信息工程大学 基于混沌支持向量机优化的小波加权多模盲均衡方法
CN103033567A (zh) * 2012-12-31 2013-04-10 江苏大学 一种基于导波的管道缺陷信号识别方法
CN104615877A (zh) * 2015-01-28 2015-05-13 辽宁工程技术大学 一种基于小波包进行信号去噪的方法

Also Published As

Publication number Publication date
CN106330343A (zh) 2017-01-11

Similar Documents

Publication Publication Date Title
CN106909784B (zh) 基于二维时频图像深度卷积神经网络的癫痫脑电识别装置
CN105572649B (zh) 基于稀疏傅里叶变换的雷达目标检测方法
RU2553279C1 (ru) Регистрация радиолокационных импульсов посредством цифрового радиолокационного приемника
CN110927706A (zh) 基于卷积神经网络的雷达干扰检测识别方法
Huynh-The et al. Accurate LPI radar waveform recognition with CWD-TFA for deep convolutional network
Duk et al. Target detection in sea-clutter using stationary wavelet transforms
CN108549078B (zh) 一种雷达脉冲信号跨信道合并及检测方法
CN114782745B (zh) 一种基于机器学习的海洋声速剖面分类方法及装置
CN102590856A (zh) 基于小波频谱分析的位场异常分离方法
CN109741759B (zh) 一种面向特定鸟类物种的声学自动检测方法
CN115206334B (zh) 一种极地声信号增强和识别方法
CN106330343B (zh) 一种基于小波包和模糊理论的水声信标信号提取方法
CN103308829A (zh) 一种gis单次局放信号提取与触发时刻调整方法
Jin et al. Offshore ship recognition based on center frequency projection of improved EMD and KNN algorithm
CN110596458B (zh) Demon谱谐波线谱和基频自动估计方法
Lei et al. Compressed sensing multiscale sample entropy feature extraction method for underwater target radiation noise
CN102663420B (zh) 基于小波包变换和灰色预测模型的高光谱图像分类方法
RU2282209C1 (ru) Способ и устройство обнаружения сложных широкополосных частотно-модулированных сигналов с фильтрацией в масштабно-временной области
Zeng et al. Underwater sound classification based on Gammatone filter bank and Hilbert-Huang transform
RU2351005C1 (ru) Способ оценки параметров сигнала и устройство для реализации способа (варианты)
CN109188473B (zh) 基于盲分离技术的北斗卫星微弱信号高精度快速捕获方法
CN111709279B (zh) 一种利用svd-emd算法分离微地震噪声混合信号的算法
Ni et al. Polyphase-modulated radar signal recognition based on time-frequency amplitude and phase features
CN112764109B (zh) 偶极横波反射波的分离提取方法及装置
CN106629929B (zh) 一种节能环保污水设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200417

Termination date: 20210707

CF01 Termination of patent right due to non-payment of annual fee