信号识别

摘要： 当前特高压换流阀冷却系统中的均压电极结垢程度采用人工拆卸识别的方法,针对该方法易造成冷却水喷溅影响设备运行安全的问题,提出一种基于RWSSA-OMP-DBN的均压电极超声无拆卸结垢检测识别方法。利用改进的麻雀搜索算法优化正交匹配追踪,对不同结垢程度的均压电极超声回波信号做降噪处理和特征提取;选择Hilbert法获取特征信号的包络线;以包络线作为特征参数,运用优化后的深度置信网络进行均压电极结垢程度识别。实验结果表明,RWSSA-OMP算法的信噪比为12.8898 dB,该识别方法识别均压电极结垢程度的准确率达到95.33%。

摘要： 随着无人机管制技术的迅速发展,全球导航卫星系统(Global Navigation Satellite System,GNSS)欺骗干扰信号日益增多,严重威胁卫星导航安全。对GNSS欺骗干扰信号识别技术进行了研究,提出了基于小波奇异值与支持向量机(Support Vector Machine,SVM)的GNSS欺骗干扰信号识别算法,搭建了仿真模型并进行了仿真测试验证,最后分析比较了基于北斗导航系统的欺骗干扰识别技术和基于载噪比与经纬度的欺骗干扰识别技术。结果表明,基于小波奇异值和SVM的GNSS欺骗干扰信号识别算法能够有效提高识别准确率,识别准确率可达90%。

摘要： 本文主要分析讨论无线电监测中时域信号数据的获取,涉及时域信号的采集方式、传输方案,以及时域信号数据对信号频谱分析、特定信号分析、识别、解调的影响。随着无线电监测中对信号分析能力的要求不断提高,对信号时域I Q数据的采集能力要求也会随之提升,本文将I Q信号数据的获取能力总结为三个要求:完整性、连续性、准确性,并重点针对这三个重要特性进行分析讨论。

摘要： 微震监测技术是目前预测岩体损伤最有前景的探测技术之一。为提升微震监测技术的准确性,以云县至凤庆高速公路隧道开挖工程为背景,现场进行了微震监测,并对爆破、打炮眼、电气干扰及岩石破裂信号进行了分析。结果表明,可以根据体变势、频谱最大频率、视体积及视应力大小等特征来区分不同信号。其中爆破信号的体变势、视体积和视应力的数值最大,频谱最大频率多数分布在0~10 Hz。岩石破裂产生的微震信号的体变势大多集中在0~10 m^(3),数值较大,频谱最大频率多数分布在50~60 Hz和180~200 Hz。研究结果对剔除干扰信号和指导现场微震监测具有重要意义。

摘要： 在当前复杂的战场环境中,低截获概率雷达信号因其具有大时宽带宽积、强干扰性能、高分辨率和低截获性特点得到了广泛应用,传统的雷达侦察手段很难对其进行有效识别。在低截获概率雷达典型调制分析的基础之上,研究基于人工智能的雷达信号分类识别方法。从低截获概率雷达信号时频特征入手,提出基于多窗口时频谱图分析方法。该算法采用Hermite函数作为谱图分析的窗函数,利用多个窗函数进行谱图分析,获得了聚集性更佳的有效信号,分散了噪声干扰,并且使信号调制特征的时频分析特征更加明显。在多窗口时频谱图基础上,采用迁移学习的思想,利用ImageNet-VGG-f神经网络完成信号的分类识别任务。实验结果表明,在低信噪比情况下,所提算法的性能优于传统的崔威廉姆斯分布和平滑伪维格纳分布方法。

摘要： 当前使用的绿色能源传感器识别方法不具备传感器信号识别能力,导致其识别率较低、时间开销较大。针对该问题,设计基于数字滤波技术和动力学的绿色能源传感器识别方法。使用RVM回归算法处理采集到的传感器信号,构建样本集;基于数字滤波技术构建数字滤波器,剔除样本集中无用的信号与噪声;基于动力学分析信号冲击特征,确定信号来源,完成绿色能源传感器的识别。实验结果表明,基于数字滤波技术和动力学的绿色能源传感器识别方法的传感器识别率在98%以上,提高了传感器的实际识别效果;传感器识别时间波动值均在0 s以下,在保证传感器识别效果的基础上,降低了时间开销,提升了识别速度。

摘要： 针对无人机遥控端个体间信号相似,难以识别的问题,提出了一种基于信号指纹的无人机遥控端个体识别方法。方法通过多项式拟合暂态信号瞬时幅值包络曲线,得到暂态信号特征,再提取稳态信号的瞬时频率特征,并采用K最近邻(KNN)等多种机器学习方法进行信号识别。对实际数据处理结果表明:能够有效识别2个无人机遥控端个体,仿真实验结果表明:对5个无人机遥控端个体在信噪比5 dB时平均识别正确率大于90%。

摘要： 近年来,很多高质量的数据集支撑了深度学习在计算机视觉、语音和自然语言处理领域的快速发展。但在电磁信号识别领域仍缺乏高质量的数据集,为促进深度学习在电磁信号识别中的应用,本文基于广播式自动相关监视(ADS-B)建立了一个大规模的真实电磁信号数据集。首先设计了一个自动数据收集和标注系统,在开放和真实的场景中自动捕获ADS-B电磁信号。通过对ADS-B信号进行数据清理和排序,建立高质量的ADS-B信号数据集;其次,对使用数据集的深度学习模型的性能进行深入研究,在不同信噪比、采样率、样本数目下对模型进行综合评估。该数据集给相关研究者提供了有价值的研究基准。

摘要： 针对目前基于模糊函数提取的几何学特征,在低信噪比时表征能力弱,导致识别准确率不高的问题,提出了一种基于EEMD降噪和模糊函数奇异值向量的识别方法。选取合适的EEMD参数,对时域信号进行降噪,提取模糊函数矩阵奇异值向量,求解其交叉熵作为特征,实现雷达辐射源信号识别。仿真实验表明,信噪比大于-5 dB时,所提方法对于BPSK、QPSK、MSEQ、BFSK、FMCW和LFM-BC六类典型调制信号,能达到大于90%的平均识别准确率,基本满足实际复杂电磁环境需求。

摘要： 采用传统方法判别油浸式变压器失效故障时存在有效率低、性能差的问题,提出了基于概率神经网络的油浸式变压器失效判别仿真方法。利用时频定义了油浸式变压器失效信号,根据失效信号的能量分布情况提取出其模态特征,结合希尔伯特变换完成变压器失效信号的识别。采用概率神经网络连接拓扑结构,将失效故障值转换为网络错误帧,根据变压器的连接特性计算变压器失效的响应特性,引入变量分析法建立变压器失效数据关联函数,通过排列运算失效数据的关联变量构建失效数据统计量,以此进行油浸式变压器的失效判别。仿真实验结果表明,该方法不仅可以提高失效判别的有效率,还可以提升判别效率,具备一定的实际应用价值。

摘要： 信号识别技术是无线电监测、信号情报、干扰定位等领域中的关键技术.传统的无线电信号识别方法依赖个人经验,需要手动提取大量特征,并且经验难以传承,难以应对日益复杂的电磁环境下的信号分类工作.提出一种基于机器学习的信号识别框架,并利用机器学习算法对实际监测中遇到的复杂无线电干扰进行识别验证.结果表明了基于机器学习的方法在识别效率、识别正确性和数据累积等方面具有优势.

摘要： 目的：癫痫是一种由大脑神经元突发性异常放电,导致瞬时的大脑功能障碍的慢性疾病,对患者的脑部神经有很大的影响.但现在对脑电图的判读一直靠人工进行,主观因素大、劳动强度高,并很难实现大规模筛查识别等问题依然存在.因此,在平稳状态下对癫痫脑电信号筛选算法的研究就可以解决这一问题并辅助医生更准确、便捷的对患者是否患有癫痫做出判断,为后续的系列研究提供依据. 方法：本文提出了数学形态学的骨架抽取改进算法对在平稳状态下的癫痫脑电信号进行识别.首先对正常脑电图的幅值和周期进行分析;其次与小波变换法、离散S变换法、样本熵法和技师诊断观察值进行比较;最后应用到对癫痫脑电图的识别. 结果：实验结果表明这种算法的可行性和可靠性较高,且对癫痫信号的识别率较其他三种方法高,达到了将近79％. 结论：数学形态学的骨架抽取改进算法可以满足医生对癫痫信号识别的要求.

摘要： 为了识别和量化管道漏磁内检测的缺陷信号特征,本文以有限元方法对缺陷特征量与漏磁信号的关系进行仿真,分析了缺陷长度、缺陷宽度、缺陷深度、尖锐度及缺陷形状对缺陷漏磁场的影响.通过对每个通道的检测数据求平均值来判断环焊缝,利用金属增加与减少在频域中的不同形态,建立了漏磁内检测中金属损失的信号识别和量化模型.缺陷尺寸模型以漏磁场轴向分量的两蜂谷间距量化缺陷长度,以周向传感器超过一定阈值变化的通道数目量化缺陷宽度,以轴向峰谷值和缺陷长宽比来量化缺陷深度.通过在含有42个预制金属损失的标样管上进行牵拉试验,结果表明该模型对金属损失识别率为100％,量化准确率满足90％的置信度要求.

摘要： 由于微地震信号能量弱,监测到的原始微地震数据的信噪比较低,而监测数据品质对微地震有效信号的识别影响较大.因此,提高微地震监测数据的信噪比是微地震处理的关键环节之一.由于微地震信号具有频率高、持续时间短、能量小的特点,有效的微地震信号可能淹没在随机噪声中.因而,在利用监测的微地震数据进行震源定位、发震时刻和震源强度确定之前,需要进行去噪等预处理.常规的滤波方法在消除噪声、提高信噪比方面可能难以胜任.文中提出了一种新的微地震数据去噪方法,主要利用有效信号和随机噪声在相空间的重构轨道的几何特征不同,将有效信号与随机噪声分离开来,达到去噪的目的,更好、更准确地识别出有效的微震事件.

摘要： 多功能相控阵雷达具有波束灵活、抗干扰强等优点,在现代防御系统中得到广泛应用.如何实现复杂战场环境下的相控阵雷达信号分选与波形参数认知,已成为电子侦察技术亟待解决的关键问题.在分析雷达工作模式和任务参数的基础上,采用小波脊方法进行信号调制特征提取.为获取更为详尽的信号结构特征,研究了基于小波包匹配跟踪算法的信号特征提取方法.仿真实验表明,该方法有助于提高辐射源信号特征识别性能.

摘要： 多功能相控阵雷达具有波束灵活、抗干扰强等优点,在现代防御系统中得到广泛应用.如何实现复杂战场环境下的相控阵雷达信号分选与波形参数认知,已成为电子侦察技术亟待解决的关键问题.在分析雷达工作模式和任务参数的基础上,采用小波脊方法进行信号调制特征提取.为获取更为详尽的信号结构特征,研究了基于小波包匹配跟踪算法的信号特征提取方法.仿真实验表明,该方法有助于提高辐射源信号特征识别性能.

摘要： 多功能相控阵雷达具有波束灵活、抗干扰强等优点,在现代防御系统中得到广泛应用.如何实现复杂战场环境下的相控阵雷达信号分选与波形参数认知,已成为电子侦察技术亟待解决的关键问题.在分析雷达工作模式和任务参数的基础上,采用小波脊方法进行信号调制特征提取.为获取更为详尽的信号结构特征,研究了基于小波包匹配跟踪算法的信号特征提取方法.仿真实验表明,该方法有助于提高辐射源信号特征识别性能.

摘要： 多功能相控阵雷达具有波束灵活、抗干扰强等优点,在现代防御系统中得到广泛应用.如何实现复杂战场环境下的相控阵雷达信号分选与波形参数认知,已成为电子侦察技术亟待解决的关键问题.在分析雷达工作模式和任务参数的基础上,采用小波脊方法进行信号调制特征提取.为获取更为详尽的信号结构特征,研究了基于小波包匹配跟踪算法的信号特征提取方法.仿真实验表明,该方法有助于提高辐射源信号特征识别性能.

摘要： 基于SA多普勒天气雷达资料,从其基本反射率、径向速度和谱宽三个基本产品中提取出6个能反映出它们之间差异的特征参量,并对它们进行概率统计分析,作为BP神经网络的识别因子.通过建立适当的训练集对神经网络进行训练,从而得到最优的网络结构,再利用测试集对经过训练的网络做进一步测试,对其识别效果进行评判.结果表明:当神经网络的输入层、隐含层和输出层的神经元个数分别为6、6、2时,能够对超折射回波达到最优的识别效果.最终通过实际个例对识别效果做再次验证.

摘要： 基于SA多普勒天气雷达资料,从其基本反射率、径向速度和谱宽三个基本产品中提取出6个能反映出它们之间差异的特征参量,并对它们进行概率统计分析,作为BP神经网络的识别因子.通过建立适当的训练集对神经网络进行训练,从而得到最优的网络结构,再利用测试集对经过训练的网络做进一步测试,对其识别效果进行评判.结果表明:当神经网络的输入层、隐含层和输出层的神经元个数分别为6、6、2时,能够对超折射回波达到最优的识别效果.最终通过实际个例对识别效果做再次验证.

摘要： 本发明涉及一种磁共振防伪材料的识别设备和识别方法、防伪材料识别的控制方法。识别设备包括微处理器、射频发射单元、射频接收单元、天线。控制方法包括：读取频率合成器配置数据；发送控制信号到频率合成器生成基准电磁波；射频发射模块发射电磁波至磁共振防伪材料；读取磁共振材料中对应的信号；接收模块接收射频返回的数字信号；从数字信号分解出Cs和Cn；读取Cs阙值Cs_min；判断Cs是否大于Cs_min；若为否，则不通过；若为是，则用Cs、Cn计算SNR；读取阙值SNR_min；判断SNR是否大于SNR_min；若为否，则不通过；若为是，则检测通过，确定是磁共振防伪材料。

摘要： 信号分析装置具备：频带分割单元，用来将输入信号分割为多个频带的信号；频带能量提取单元，用来针对被分割成各个频带的输入信号提取各个频带的频带能量；标准化单元，用来按每个频带标准化提取出来的频带能量，求取各个频带的标准化频带能量。利用这种结构，即使在高噪音环境中也能够获得稳定的语音识别精度。另外，在输入了完全没有噪声区间的语音的情况下或者在发声过程中噪声电平逐渐变化的情况下也能够获得稳定的语音识别精度。

摘要： 本发明涉及一种磁共振防伪材料的识别设备和识别方法、防伪材料识别的控制方法。识别设备包括微处理器、射频发射单元、射频接收单元、天线。控制方法包括：读取频率合成器配置数据；发送控制信号到频率合成器生成基准电磁波；射频发射模块发射电磁波至磁共振防伪材料；读取磁共振材料中对应的信号；接收模块接收射频返回的数字信号；从数字信号分解出Cs和Cn；读取Cs阙值Cs_min；判断Cs是否大于Cs_min；若为否，则不通过；若为是，则用Cs、Cn计算SNR；读取阙值SNR_min；判断SNR是否大于SNR_min；若为否，则不通过；若为是，则检测通过，确定是磁共振防伪材料。

摘要： 本申请实施例提供了一种交通信号灯识别模型的训练方法、交通信号灯的识别方法、交通信号灯识别模型的训练装置、交通信号灯的识别装置、电子设备、计算机可读存储介质及计算机程序产品。涉及自动驾驶和辅助驾驶技术领域。该方法包括：对多张样本图像进行裁剪、缩放以及排布后合并，得到合并图像；样本图像中标注有交通信号灯的成像内容的有界框的实际位置；将合并图像输入至初始神经网络，得到初始神经网络输出的有界框的预测位置，根据该预测位置和实际位置计算损失函数值，并根据损失函数值对初始神经网络模型进行迭代更新，得到交通信号灯识别模型。本申请实施例交通信号灯识别模型能准确地识别交通信号灯的有界框，提高识别的准确度。

摘要： 本发明实施例公开了一种信号灯识别模型训练方法、信号灯识别方法及相关装置，包括：获取训练数据集，训练数据集包括包含信号灯图像区域的训练图像和训练标签；设置表示信号灯的灯框与灯泡的从属关系的参考框；将训练图像输入信号灯识别模型中得到检测框的识别结果；根据识别结果、训练标签以及参考框所表示的灯框与灯泡的从属关系计算损失率；根据损失率调整信号灯识别模型的模型参数，本实施例的信号灯识别模型学习到灯框与灯泡之间的从属关系来做信号灯的识别检测，从而可以通过一个模型识别信号灯的灯框、灯泡的位置和属性，解决了多个模型串行来识别信号灯耗时长和传输误差大的问题，减少了信号灯的识别耗时以及提高了信号灯识别的准确度。

摘要： 本发明的信号机识别方法及信号机识别装置，获取由基于拍摄车辆的行进方向的多张图像判定信号机的显示状态而得到的时间序列顺序的多个判定结果构成的结果序列，在构成结果序列的判定结果中的最新的特定判定结果是显示状态为允许通过与信号机对应的停止线的允许显示的判定结果的情况下，将第一阈值设定为个数阈值，在特定判定结果是显示状态为允许显示的判定结果以外的情况下，将比第一阈值小的第二阈值设定为个数阈值，在与特定判定结果相同的判定结果的个数比个数阈值多的情况下，输出特定判定结果。

摘要： 本发明的信号机识别方法及信号机识别装置，基于与位于车辆的行进方向上的信号机对应的停止线的位置，推定车辆是否能够以预定的规定减速加速度减速并在停止线的跟前停车，在推定为在停止线的跟前不能停车的情况下，选择与停止线对应的信号机作为对象信号机，在拍摄了车辆的行进方向的图像上设定与对象信号机对应的检测区域，并对检测区域执行图像处理，判定对象信号机的显示状态。

摘要： 防止V.34调制方式的调制解调器信号的传输中信号识别结果为“声音”。具有从输入信号检测2400Hz的音调信号的2400Hz检测单元4、从输入信号检测V.34调制解调器信号的起动程序中使用的特定信号的ANSam信号检测单元5、基于2400Hz检测单元4和ANSam信号检测单元5的输出识别输入信号的种类的声音/数据识别单元2A,未检测到特定的信号时,将检测出2400Hz的音调信号时的信号识别结果作为声音,而在检测出特定信号时,不将检测出2400Hz的音调信号时的信号识别结果作为声音。

摘要： 本发明实施例公开了一种脑电信号识别模型训练、脑电信号识别方法、装置及介质。该脑电信号识别模型训练方法具体可以包括：获取目标用户的脑电信号样本数据以及所述脑电信号样本数据的电极位置图像样本数据；根据所述脑电信号样本数据和所述电极位置图像样本数据生成脑电信号识别模型输入样本数据；其中，所述脑电信号识别模型输入样本数据包括脑电信号时域位置图和脑电信号频域位置图；根据所述脑电信号识别模型输入样本数据训练脑电信号识别模型，得到所述目标用户匹配的目标脑电信号识别模型。本发明实施例的技术方案能够提高脑电信号的识别效率和识别准确率。

摘要： 本发明公开了一种水声信号的识别方法与水声信号识别模型的训练方法。该水声信号的识别方法，包括：获取水声信号；利用小波散射变换模型，提取所述水声信号的小波散射特征；基于已训练神经网络模型识别所述小波散射特征，得到所述水声信号对应的目标对象。