基于Hilbert信号空间的未知干扰自适应识别方法

针对大样本下未知干扰类型的分类识别问题,该文提出一种基于信号特征空间的未知干扰自适应识别方法。首先,基于Hilbert信号空间理论对干扰信号进行处理,建立干扰信号特征空间,进而利用投影定理对未知干扰进行最佳逼近,提出基于信号特征空间的概率神经网络(PNN)分类算法,并设计了未知干扰分类识别器的处理流程。仿真结果表明,与两种传统方法相比,该方法在已知干扰的分类精度方面分别提高了12.2%和2.8%;满足条件的未知干扰最佳逼近效果随功率强度呈线性变化,设计的分类识别器在满足最佳逼近的各类干扰中总体识别率达到91.27%,处理干扰识别的速度明显改善;在信噪比达到4 dB时,对未知干扰识别准确率达到92%以上。

高效前缀约简的三维Hilbert空间填充曲线编解码算法

3维Hilbert空间填充曲线(3D HSFC)的编码和解码效率对空间查询处理、图像处理等领域的应用举足轻重。现有的3维编解码算法独立编解码每一个点,忽略了Hilbert曲线的局部保持特性。为了提高编解码效率,该文设计了高效的3D状态视图,并提出一种新的前缀约简的3D HSFC编码算法(PR-3HE)和前缀约简3D HSFC解码算法(PR-3HD),这两个算法通过公共前缀的定义和识别、公共前缀约简及多种优化技术来最小化需要编码的阶数,从而提高3D HSFC的编解码效率。理论上证明:当编码或解码一个k阶的窗体(窗体内总共含有2k×2k×2k个点)时,PR-3HE平均每个点的编码阶数不超过2,PR-3HD平均解码阶数不超过8/7。相对于传统的基于迭代的方法,编解码时间复杂度从O(k)降低到了O(1)。实验结果表明,该文算法在模拟数据集和真实数据集上的表现显著优于现有算法。

基于空间变换技术的脉冲激光声信号检测

针对目前脉冲激光声信号检测方法极易受到环境噪声的影响,导致检测精确度不理想的问题。提出基于空间变换技术的脉冲激光声信号检测方法。首先,采用小波阈值法去除脉冲激光声信号中的噪声;其次,利用球傅里叶空间变换技术对声信号中的声源展开定位,获取声信号的准确位置;最后,分别提取声信号中的比值特征、比重特征、频率特征三种参数,在此基础上通过SVM算法对其展开分类识别,以此实现脉冲激光声信号的有效检测。实验结果表明,所提方法的声信号检测精度超过96%。

Galileo高精度定位服务的空间信号误差及精密单点定位评估

Galileo高精度定位服务(high accuracy service,HAS)利用E6B信号向全球用户播发免费精密卫星轨道、钟差和码偏差改正信息,在卫星高精度实时应用领域有重要意义.评估其空间信号误差及精密单点定位(precise point positioning,PPP)性能是用好HAS的重要前提.基于2023年12月1日至31日的HAS轨道钟差产品进行评估测试,Galileo卫星轨道产品在径向(R)、切向(A)和法向(C)的均方根误差(root mean square error,RMSE)分别为3.24 cm、7.40 cm和6.85 cm,GPS分别为4.52 cm、8.19 cm和6.71 cm;Galileo钟差产品的标准差(standard deviation,STD)为0.16 ns,GPS为0.26 ns.基于欧洲10个测站PPP的实验结果表明:Galileo在E、N、U方向的定位精度分别为6.44 cm、4.65 cm和11.36 cm,GPS分别为7.42 cm、5.78 cm和12.04 cm,联合定位分别为4.11 cm、3.10 cm和7.56 cm,HAS可以满足高精度定位需求.

加权Hilbert型空间中超齐次核离散算子的最佳搭配参数及范数计算

引入超齐次核概念,利用权系数方法,讨论具有超齐次核离散算子在加权Hilbert型空间中的有界性及算子范数,得到该类算子最佳搭配参数的充分必要条件和算子范数的计算公式,统一了齐次核,广义齐次核及若干非齐次核情形的相关结果.

基于共空间模式的脑电信号疲劳检测

因脑电信号更能直接反映大脑皮层疲劳状况,论文提出了一种基于共空间模式的脑电信号疲劳检测方法。该方法首先对数据集进行滤波等预处理操作,然后应用共空间模式提取特征,最后用支持向量机对提取到的有效空间特征二分类。此外,实验还采用了5折和10折交叉验证法进行评估;探索了脑电疲劳特征阶数相关系数m的取值;划分了脑区并对各区域疲劳识别准确率进行了比较。研究结果表明:论文方法的识别率高于基于样本熵、模糊熵等方法的识别率,疲劳检测准确率均值可达98.54%,全头皮疲劳识别率最高,额区疲劳识别率优于其他区域,可达92.54%。论文研究可为疲劳检测设备的研发提供更简单准确的检测方法,有助于促进可穿戴脑机接口在疲劳驾驶预警中的应用。

基于Hilbert空间向量赋权的网络选择算法

为了提升海上异构无线网络中移动节点业务完成率和网络资源配置效率,针对现有网络选择算法与业务需求匹配性较差、动态环境下业务完成率不高的问题,该文提出一种基于Hilbert空间向量赋权的网络接入选择算法。该算法采用基于Hilbert空间的网络-业务匹配模型,将网络特征与业务需求映射至同一空间,在同一坐标系内衡量网络是否满足业务需求;同时,采用基于优劣解距离法的预切换网络选择算法,引入网络-业务匹配权重对优劣解距离法标准化矩阵进行修正,确保所选网络与业务需求相匹配,克服传统网络选择中业务需求考虑较少、网络特征与业务需求难以进行统一衡量的问题。此外,采用基于空间距离的网络切换控制算法,将匹配权重、空间距离引入网络切换控制,保证业务传输连续性,提高动态环境下的业务完成率。仿真结果表明,相较于对比算法,该算法的业务平均完成率提高6.81%以上,有效提升了网络的业务传输能力和通畅度,间接实现了网络资源的有效配置。

指数权的加权Lebesgue空间中拟齐次核最优Hilbert型积分不等式的参数条件及应用

首先,引入拟齐次核的概念,讨论权函数为指数函数的加权Lebesgue空间中具有拟齐次核的Hilbert型积分不等式;其次,利用权系数方法及若干分析技巧,给出最优Hilbert型积分不等式的等价参数条件,并获得了最佳常数因子的计算公式;最后,讨论其在算子理论中的应用.

Hilbert空间中Riesz-型框架的刻画

研究了Hilbert空间中Riesz-型框架的一些性质,给出了连续框架成为Riesz-型框架的一些等价条件,证明Hilbert空间中任意两个Riesz-型Parseval连续框架酉等价,进而证明了Hilbert空间中任意两个Riesz-型框架相似,最后通过引入由两连续Bessel序列诱导的有界线性算子进一步刻画了Riesz-型框架的等价性。

一种基于前向空间平滑的分组相干信号测向算法

在日趋复杂的电磁环境中,由于存在着大量反射信号,以及人为操作等因素,使得到达的信号存在大量的相干信号,呈现出不同来源的多组相干信号。由于信号存在相干性,导致传统的谱估计MUSIC算法失效,研究者们提出了许多解相干的算法,包括各种空间平滑算法,矩阵重构的算法,最大似然算法等。但是上述所提出的算法都是将所有的相干信号同时测向,当相干信号数过多时会出现漏测的问题。

空间音频技术在广播电视无线信号传输中的应用

广播电视无线信号传输是现代传媒技术的核心部分,涉及将视听内容通过无线方式传递至各种接收设备。无线信号传输的基本原理包括信号的编码、传输及解码,这一过程必须高效且尽可能减少信息损失。基于此,系统分析空间音频技术在广播电视无线信号传输中的应用,重点探讨该技术如何优化音质和增强空间感知,以及如何通过频道分离和混音技术改善声音的整体传输效果。

基于EMD的Hilbert变换应用于暂态信号分析

将一种新的非平稳信号处理方法--基于经验模态分解(EMD)的希尔伯特(Hilbert)变换方法,应用于电力系统暂态信号分析中。通过EMD方法提取信号的固有模态函数(IMF),再进行Hilbert变换,求瞬时频率、瞬时振幅,得到信号的Hilbert谱,进而得到Hilbert边际谱,对故障暂态和扰动信号进行了分析。通过瞬时频率进行故障暂态和扰动时刻的准确检测;通过Hilbert边际谱与傅里叶幅值谱的比较,表明Hilbert边际谱在分辨率上具有明显的优越性。该方法为电力系统暂态信号分析提供了一种新的分析手段。仿真结果验证了该方法的有效性。

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

对于非平稳信号时频分析,提出了一种基于改进Hilbert-Huang变换(HHT)的分析方法.根据HHT的已有原理,改进了经验模式分解(EMD)过程中的筛选停止准则,提高了分解精度;给出了Hilbert谱分析的完整过程;以线性调频连续波(FMCW)信号模型作为研究对象,结合改进的EMD分解和完整的Hilbert谱分析,通过分析时频分布特征实现高噪声背景下雷达目标信号的检测以及干扰信号的提取.仿真结果表明了改进后的HHT方法对于低信噪比非平稳信号分析的有效性.

利用Hilbert变换提取信号瞬时特征参数的问题研究

解析Hilbert变换利用其实部与虚部的关系,定义出任意时刻的瞬时频率、瞬时相位及瞬时幅度,因而工程中人们设法将其应用对实际信号的瞬时参数提取中。然而,在利用Hilbert变换提取瞬时特征参数的工程实现中存在一些问题,如何解决这些问题,特别是如何高精度提取瞬时频率特征参数问题是文中的研究重点。

利用Hilbert-Huang变换提取地震信号瞬时参数

通过Hilbert变换求取的信号瞬时参数并非对任何信号都有物理意义,此法通常要求被分析信号是窄带或平稳的,而且对噪声很敏感。而实际地震信号既非平稳又含有噪声,若在实际应用中不加考虑地对地震信号进行Hilbert变换以求取瞬时参数,这种情况下求取的瞬时参数将缺乏物理意义甚至失真。Hilbert-Huang变换是一种新的分析非平稳非线性信号的方法,它先将信号进行经验模态分解(EMD),形成有限个固有模态函数(IMF)之和,再对固有模态函数作Hilbert变换求取时频谱,求取的时频谱在时域和频域都具有较高的分辨率。本文将Hilbert-Huang变换应用于地震瞬时参数的提取,实例表明,对地震剖面做EMD可以得到不同时间尺度上的特征,Hilbert谱比传统的时频谱在时间和频率域上的分辨率都要高,强反射层在第1阶IMF瞬时频率剖面上比原瞬时频率剖面上表现得更为明显。

Hilbert-Huang变换在提取阵列声波信号动力特性中的应用

阵列声波信号是典型的非线性、非平稳信号,其动力特性的量化提取对于进行地层结构构造分析提供了必要的基础资料.而Hilbert-Huang变换(HHT)是一种处理非线性、非平稳信号的新方法.它通过经验模态分解(EMD)将信号分解为有限个固有模态函数(IMF),并对每个固有模态函数进行Hilbert变换得到Hilbert谱.本文将这种方法应用于阵列声波信号动力特性的提取,有效地获得了信号能量的时频分布,瞬时能量、Hilbert能量、最大振幅对应的时频分布等动力特性,显示了HHT的优势以及对于进一步实现地层结构构造分析的重要意义.

一种基于Hilbert排列码的GIS空间索引方法

分析了基于栅格格网的索引数据结构在空间查询中的重要地位 ,讨论了基于多维数据一维映射的空间排列的优点 ,对 Morton码、Gray码、Hilbert码和 Sierpinsky码的空间聚类特征进行了分析和比较 ,得出了 Hilbert码在空间查询中效率最高的结论 .考虑到基于特征的 GIS数据模型的特点 ,兼顾内存索引与磁盘索引 ,提出了基于Hilbert空间排列的点特征二叉平衡排序树动态索引结构和基于角点回溯的线特征索引结构 ,并对其在 GIS空间查询中的应用方法进行了论述 .

基于Hilbert曲线层次分解的空间数据划分方法

针对现有空间数据划分方法普遍存在的不考虑空间对象自身大小和相邻对象空间关系对数据划分的影响等问题,提出一种基于Hilbert空间填充曲线层次分解的空间数据划分方法。该方法使用Hilbert曲线保持划分后空间数据之间的邻近性,利用少数子网格的层次分解避免对整个空间范围的密集划分,减少空间对象的Hilbert编码计算和排序时间;通过计算划分区域平均数据量和子网格内空间对象大小,确定合适的层次分解参数,实现各划分区域内空间数据量均衡。实验表明,该方法提高了空间数据的划分效率,能够保持划分后空间数据之间的邻近性和各个分区数据量的平衡。

基于特征空间MUSIC算法的相干信号波达方向空间平滑估计

为了高效、准确地估计相干信号的波达方向(DOA),提出了一种基于特征空间多重信号分类(MUSIC)算法的空间平滑估计方法。首先对相干信号进行空间平滑处理,然后对其应用特征空间MUSIC算法进行DOA的精确估计,使其最大限度地利用信号子空间和噪声子空间的信息。本文方法并不影响非相关信号存在时DOA的估计,且还可以对信号源功率进行有效的估计,以提高对小能量信号的成功估计概率。与传统空间平滑算法及修正MUSIC算法相比,本文方法具有更低的信噪比门限和更高的估计精度及分辨力。最后的仿真实验验证了本文方法的有效性和鲁棒性。

基于Hilbert-Huang变换的煤矸声波信号分析

基于Hilbert—Huang变换技术，对综采工作面上采集的煤和矸石振动声波信号进行了经验模态分解（EMD）和Hilbert谱分析，得到顶煤下落和煤矸混放2种情况下声波信号的频率和幅值特征，即顶煤下落产生的声波信号主要集中在400—600Hz范围内；当有矸石出现，即煤矸混放时，声波信号中还出现了比较强的高频信号成分（1000～2800Hz），而因为煤矸混放，放煤量降低，其400～600Hz频率范围内的信号成分减弱。煤矸声波信号的上述特征可用于煤矸界面的识别。