低信噪比下基于深度学习TCNN-MobileNet的调制识别

将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点,但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法,提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-MobileNet)的调制识别方法。首先通过小波变换对数据进行预处理,将信号作为输入传送到双路卷积神经网络中进行不同维度的特征提取;然后通过融合层进行特征融合并送入轻量级神经网络MobileNetV1中,进行调制识别模型训练;最后通过全连接层进行11种调制识别的分类输出。在公开数据集RML2016.10a上的实验结果表明,在-20dB的低SNR下TCNN-MobileNet的识别准确率可达88.71%,在18dB的高SNR下识别准确率可达96.66%,SNR在-20~18dB范围内时平均识别准确率为88.37%,相比于ResNet18、ResNet34等经典网络架构提升了约35%。TCNN-MobileNet识别方法在保证识别精度不变的情况下能够降低训练参数量以及网络训练时间,有效简化网络架构,降低对硬件设备的要求,对轻量级神经网络在调制识别中的应用具有借鉴意义。

基于FRFT的低信噪比LFM信号参数快速估计算法

基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)对线性调频(Linear Frequency Modulated,LFM)信号参数进行估计,问题关键是确定FRFT最佳阶数,根据误差迭代思想提出新的参数估计算法,该算法利用归一化带宽和旋转角的转化关系,由估计误差推算角度差值,有效降低了运算量,不需要调频斜率正负的先验信息,改进的对数搜索算法可以进一步提高参数估计结果的稳定性和可靠性。仿真结果表明,信噪比在-8 dB以上时该方法在高效率的前提下仍具有良好的参数估计性能,平均估计误差在1%以内,估计结果接近Cramer-Rao下限,满足工程实时处理需求。

利用双通道激光雷达验证低信噪比反演算法

针对相干测风激光雷达(LiDAR)在低信噪比(SNR)下反演算法的可靠性和精度难以验证的问题,搭建了一种双通道的脉冲相干测风LiDAR系统,可以同时获取高、低SNR的2组数据,并使用高SNR通道的结果作为真值,比较利用不同的算法在低SNR通道进行矢量风速估计的结果。该系统避免了使用其他观测设备作为真值时难以配准或观测目标不统一的问题。本文研究利用雷达获取的观测结果验证了各个算法的有效性,并在各个算法间进行了横向对比。最终,依据各个算法的性能表现和计算复杂度,指明了各个算法具有优势的使用场景。该结果对于充分利用现有系统、使用新算法提高低SNR下的数据获取效率,或在指定探测指标的前提下降低激光能量等硬件要求、实现系统小型化有一定意义。

低信噪比下基于多元变分模态分解的水下蛙人特征提取

为提高低信噪比下对蛙人辐射噪声的提取能力,提出了一种矢量多通道信号的水下蛙人辐射噪声特征提取方法。首先针对矢量多通道信号使用多元变分模态分解,得到固有模态函数。然后选取能量最高的模态函数组作为研究对象,计算该模态函数组互谱后的加权排列熵。最后提取加权排列熵频谱的蛙人特征量。海试结果表明,本方法可在无需先验信息情况下,提取由矢量水听器采集的蛙人信号特征,在检测率为80%的情况下抗噪能力较传统算法提升了10 dB。

高动态低信噪比下信号接收机捕获算法研究

为提升高动态低信噪比下信号接收机的信号捕获精准性,文章从经典数字匹配滤波算法出发,研究了基于频域划分和基于FFT的捕获算法。考虑到伪码多普勒引起的伪码频偏随时间积累的伪码相偏效应,文章提出了伪码频偏的估计与补偿方法,其中包括基于不确定域划分的并行捕获方法和直接估计伪码频偏的方法,以减小伪码相位偏移对信号捕获的影响。研究减少剩余伪码相偏效应的伪码捕获算法,进一步提高信号接收机在高动态低信噪比环境下的性能,为提升扩频接收机在复杂场景中的应用性能提供支持。

海洋低信噪比小道距地震处理关键技术

海洋高分辨小道距地震探测方法具有高精度、作业方式灵活、适应区域广等优势,在浅表天然气水合物高精度识别、近海底地层层序确定方面都有广泛应用。基于现阶段研发设备的固有问题,原始地震数据的信噪比低、成像品质差。针对小道距高分辨率电缆固有的背景噪声严重、沉放深度和主频高引起的虚反射严重、电缆姿态不稳导致信号反射时间-距离不符合双曲线变化规律等问题,采用“叠前多域噪声压制技术”“基于F-K鬼波压制技术”“基于相干函数控制的电缆等浮校正技术”等关键手段,逐步质控,处理后的地震剖面信噪比高、波组特征清楚、地层反射连续性好,能满足浅层地质构造特征识别及地层层序划分的需求。

低信噪比下信号联合参数测量与识别方法

针对传统的辐射源信号参数测量方法精度不高、工程实现困难且需要单独的信号调制识别步骤,本文基于信号的瞬时相位差特征提出了一种适用于低信噪比下的信号联合参数测量与识别方法,并进行了工程实现。该方法运用非相参累积检测算法提高低信噪比时域参数测量精度,获取信号瞬时相位差特征,联合测量并识别载频信息和调制方式,算法计算复杂度低、便于工程实现。经仿真和实测结果验证,对二相编码信号、线性调频信号和单载频信号有较高的测量精度和识别概率。

低信噪比下导航信号多普勒频率估计方法研究

全球导航卫星系统(GNSS)卫星与GNSS接收机相对距离遥远,到达GNSS接收机的卫星导航信号信噪比较低,GNSS接收机不易估计导航信号多普勒频率。另一方面,接收机工作在高动态环境也会导致接收到的卫星导航信号信噪比差。因此,研究了串行搜索算法、并行频率搜索算法和并行码相位搜索算法的原理以及在低信噪比条件下的适应能力,为接收机捕获算法的设计提供参考。

基于LSTM联合卷积网络的低信噪比干涉相位解缠方法

针对合成孔径雷达(Synthetic Aperture Radar,SAR)干涉测量处理技术中的缠绕相位解缠的问题,提出了一种基于LSTM联合卷积网络的低信噪比干涉相位解缠方法。该方法采用复合损失函数对网络进行训练,并利用空间四向长短时记忆(Spatial Quadrature-Difference Long Short-Term Memory,SQD-LSTM)网络模块将相位解缠分解为一个回归问题,以避免典型卷积神经网络(Convolutional Neural Networks,CNN)难以学习局部空间特征参数的困难。实验结果表明,所提方法在低信噪比的情况下性能指标优于现有相位解缠方法,同时计算速度快,不需大规模训练数据集,相位解缠精度高,在SNR=0 dB时,归一化均方根误差达到了1.3%,提升了干涉测量的精准性。

一种低信噪比下基于弱相关性的信号检测方法

针对现有信号检测算法在低信噪比下性能受限的问题,提出了一种基于弱相关性的信号检测方法。首先,分析了能量检测和相关检测在低信噪比下性能受限的原因;其次,介绍了该方法的检测原理;最后,对该方法进行验证,并对比了3种方法的检测概率。实验结果表明,针对正交相移键控(Quadrature Phase Shift Keying,QPSK)信号,在信噪比低至-5 dB时,该方法的信号检测概率超过80%。与能量检测算法相比,检测概率提升了约50%;与相关检测算法相比,检测概率提升了10%~20%。

一种适于低信噪比环境的语音识别智能玩具小车设计

常见的语音识别智能玩具小车在高信噪比环境下表现良好,但在低信噪比环境下其语音识别性能表现较差,导致小车无法有效地执行相关动作。为此,提出一种适于低信噪比环境下的语音识别智能玩具小车设计。小车通过麦克风采集语音信号,利用深度学习算法及语音识别模块进行语音识别,主控芯片根据语音识别结果控制电机运转,实现控制玩具小车执行前进、后退、左转或右转动作。小车在行进过程中通过红外光电传感器进行避障。在低信噪比环境下,所设计的玩具小车语音识别正确率高,能正确实现既定动作,有较好的应用前景。

一种新的低信噪比下的突发帧同步方法

帧同步是系统接收机进行解调的基础,只有获得正确的帧同步,才能从接收的数据流中识别出帧的起始时刻和结尾时刻,正确地恢复帧信息,实现对数据信息的处理。通过对已有DVB-S2帧同步方案进行研究,提出一种基于B-GPDI帧同步改进算法的方案。与原有方法进行对比,该方案在低信噪比下更能提高帧同步正确检测概率并降低帧同步虚警率,快速准确完成同步。

用优化聚束滤波方法消除低信噪比地震资料中的多次波

针对常规方法如f k ,Radon变换不能很好解决的消除低信噪比地震勘探资料的多次波问题 ,本文提出了优化聚束滤波方法 ,采用具有静态权的自适应聚束滤波器 ,并调整聚束滤波器设计的约束准则 ,去除低信噪比复杂实际资料中的多次波 .实际资料处理结果表明 ,优化聚束滤波方法改善了最小方差无偏聚束滤波方法不能较好地处理低覆盖低信噪资料处理的局限性 。

多域组合去噪技术在塔中奥陶系低信噪比资料处理中的应用

塔中地区主要目的层是深层奥陶系碳酸盐岩储层,由于地表沙丘起伏大、沙层松散,地震波吸收衰减严重,干扰波复杂,导致目的层地震资料信噪比非常低。沙丘所产生的噪声不仅使有效波特征受到影响,而且使面波等相干噪声的规律性遭到破坏,从而增加了去噪处理的难度。为了在保真的前提下最大限度地压制干扰波、提高塔中奥陶系目的层资料信噪比,基于多年沙漠区地震资料处理所取得的经验与认识,通过对塔中地区地震资料干扰波成因、类型及其特点进行分析,提出了根据噪声类型、能量强弱、频带范围及其在不同域中所表现的特征,分类、分步、分频、分域、分时窗、分区的六分法多域组合去噪技术思路与处理流程。实际资料应用效果表明,多域组合去噪技术能明显提高奥陶系内幕反射的信噪比以及小断点、碳酸盐岩内部异常或"串珠"状反射的清晰度。

一种低信噪比下LFM信号参数快速估计算法

为了对线性调频(LFM)信号参数进行快速、准确的估计,提出了一种新算法.该算法根据LFM信号当能量一定时在相同时宽范围内频谱幅度平方与调频斜率成反比的特点,通过对若干组快速傅里叶变换(FFT)结果进行模值选大,同时给出了起始频率和调频斜率的估计.仿真结果表明,通过合理设置算法参数,算法可以用于信噪比低至-38 dB的LFM信号的参数估计.

复杂地表区低信噪比地震资料处理技术

对复杂地表区资料处理中存在的静校正问题与低信噪比问题进行了分析与研究。在大量试验及分析的基础上 ,采用近地表校正与折射波静校正相结合的方法 ,有效解决了因地表起伏大、低降速带复杂所造成的野外静校正问题。对于面波、低频干扰、大野值、声波、高频随机干扰、工频干扰等造成信噪比降低的因素进行了针对性的压制与消除。

FastICA算法在低信噪比爆破振动信号信噪分离中的应用研究

传统信噪分离方法对低信噪比爆破振动信号的细节提取能力变弱或近乎失效,因此,提出应用快速独立分量分析(FastICA)方法对信号中的独立分量进行非高斯性度量以完成含噪信号的信噪分离。结合数值仿真算例及实测信号分离试验,验证了FastICA用于爆破振动信号信噪分离的有效性,结果表明,FastICA可以准确地从信噪较低的含噪信号中,分离出贴合源信号的逼近信号,从而为将FastICA引入到爆破振动信号分析领域,实现爆破振动特征的快速提取提供了借鉴。

基于Keystone变换的低信噪比ISAR成像

在ISAR成像中,当目标平稳飞行时,对于低信噪比的回波数据,常规的运动补偿方法不再适用,故提出一种基于Keystone变换的运动补偿方案,完成对低信噪比数据的处理.利用Keystone变换校正由目标速度引起的线性距离走动,通过对相邻距离像相干积累以提高数据信噪比,进而引入相关法和PGA法完成对高次项运动的补偿.仿真实验的结果表明,针对低信噪比数据的处理,基于Keystone变换的运动补偿方法优于传统的方法,从而有效地提高了成像雷达的作用距离.

基于低信噪比条件下新型Seislet变换的阈值去噪方法

Seislet变换是一种类小波变换方法,主要根据小波基沿地震同相轴的局部倾角方向来分析数据,其中,局部地震倾角的表征是该方法的核心。局部倾角的求取方法有很多种,但是往往在低信噪比的条件下存在着一些局限。根据共中心点道集中基于时距关系的地震倾角定义,提出一种适应于低信噪比条件下的倾角求取方法。对比基于时距关系与平面波分解滤波器计算出的局部地震倾角,结果证明,该方法能更加准确地表征低信噪比条件下同相轴的倾角信息。将基于时距关系的局部地震倾角用于Seislet框架,建立表征低信噪比数据的新型Seislet变换方法。在地震数据处理中,引入语音信号中改进的阈值方法。结合新型Seislet变换,提出阈值去噪方法,此方法不但适于地震数据,而且在提高信噪比方面也优于传统的阈值去噪方法。实际数据处理的结果验证了新型Seislet变换与改进阈值去噪方法的组合能够有效地解决低信噪比条件下的信号提取任务。

低信噪比下采用感知语谱结构边界参数的语音端点检测算法

提出了一种采用感知语谱结构边界参数(PSSB)的语音端点检测算法,用于在低信噪比环境下的语音信号预处理。在对含噪语音进行基于听觉感知特性的语音增强之后,针对语音信号的连续分布特性与残留噪声的随机分布特性之间的不同点,对增强后语音的时-频语谱进行二维增强,从而进一步突出连续分布的纯净语音的语谱结构。通过对增强后语音语谱结构的二维边界检测,提出PSSB参数,并用于端点检测。实验结果表明,在白噪声-10 dB到10 dB的各种信噪比环境下,采用PSSB参数的端点检测算法,相对于其它端点检测算法,更有效地检测出语音的端点。在-10 dB的极低信噪比下,提出的方法仍然有75.2%的正确率。采用PSSB参数的端点检测算法,更适合于低信噪比白噪声环境下的语音端点检测。