首页期刊导航|信号处理
期刊信息/Journal information
信号处理
信号处理

谢维信

月刊

1003-0530

010-64010656;64034443-3004

100009

北京鼓楼西大街41号

信号处理/Journal Signal ProcessingCSCD北大核心CSTPCD
正式出版
收录年代

    基于低轨卫星机会照射源的无人机目标前向散射探测方法与实验

    周昕易建新万显荣袁祎平...
    2105-2115页
    查看更多>>摘要：随着无人机技术的发展与普及,当下对无人机典型"低慢小"目标的高效监测需求逐渐凸显.针对无人机探测的难点,本文提出一种利用低轨卫星作为机会照射源的新式无人机低空探测方法,结合前向散射体制小型化、反隐身与卫星信号全天候、易获取的特点,深入研究了卫星信号前向散射雷达在无人机探测领域的潜在应用.首先,本文详细分析了卫星信号前向散射雷达的几何结构,介绍了前向散射雷达信号处理流程,构建了基于目标水平基线距离的雷达评估模型,仿真了不同目标飞行高度下雷达可探测的最大水平基线距离,仿真结果表明:无人机飞行高度对前向散射探测距离的影响较小,当无人机飞行高度为100 m时,雷达探测的最大水平基线距离为77.2 m;同时分析了卫星运动与天线波束对无人机目标时频特征的影响,分析结果表明,低轨卫星运动对时频特征影响较小;当天线波束过于狭窄时,时频响应由"V"形图像变为"竖条"图像.随后,针对低轨卫星高速运动的特点设计了一套低轨卫星信号接收系统,开展了系统测试实验,测试实验结果表明所设计系统能够稳定、实时地接收低轨卫星信号.最后,利用所设计的接收系统,开展了低轨卫星前向散射雷达无人机探测实验,获得了无人机穿越基线时的前向散射时频特征,实验结果与仿真结果相吻合,证明了理论分析的正确性以及所提体制探测无人机目标的可行性.

    低轨卫星前向散射雷达星链无人机探测

      原文链接:
    • 万方数据
    • 维普

    基于广义循环相关熵的改进MSK载波估计方法研究

    孔垚付天晖
    2116-2125页
    查看更多>>摘要：针对甚低频通信中常用的最小频移键控(Minimum shift keying,MSK)信号在传输过程中由于雷击引起的强脉冲性的噪声干扰,原有的基于广义循环相关熵的估计算法对这种强脉冲噪声的抑制性能下降,导致载波参数估计能力的退化甚至失效的问题,本文算法通过引入非线性函数Sigmoid,提出一种基于广义循环相关熵的改进的载波估计(Sigmoid generalized cyclic correntropy,SGCCE)方法.首先,指出广义循环相关熵算法在脉冲噪声背景下实现载波估计的特性,以及算法退化甚至失效的原因.然后根据Sigmoid函数可以有效抑制强脉冲噪声且保持MSK信号特征不变的特性,利用Sigmoid函数改进广义循环相关熵算法中的广义高斯核函数,再通过数学建模推导出MSK信号的SGCCE函数,并由此推出MSK信号的广义循环相关熵谱(Sigmoid generalized cyclic correntropy spectrum,SGCCES),在SGCCES的基础上验证谱截面上循环频率和载波频率的关系,并检索正半轴中最大谱峰位置实现载波频率估计.本文算法使用有界非线性函数对原信号中的强脉冲噪声进行幅度抑制,实现对原算法载波估计性能的改进,通过与不同的谱函数对比,计算机仿真结果表明,本文改进的载波估计算法相比原有算法在Alpha稳定分布噪声特征指数较小,信号的广义信噪比(Generalized signal-to-noise ratio,GSNR)较低时具有较高的估计准确度,能保持良好的估计性能,并能够实现对载波频率的有效估计,验证了该算法对强脉冲环境下载波频率估计的性能的影响.

    脉冲噪声广义循环相关熵Alpha稳定分布Sigmoid载波估计

      原文链接:
    • 万方数据
    • 维普

    相关性增强的OFDM粗同步序列分析与设计

    白瀚云彭进霖朱立东鲁兴波...
    2126-2137页
    查看更多>>摘要：正交频分复用技术(Orthogonal frequency-division multiplexing,OFDM)在通信领域被广泛应用,OFDM信号在接收时要求子载波严格正交,同步精度对传输效果影响很大,因此OFDM信号同步始终是该领域的一个研究重点.首先,包含同步序列的同步算法可分为自相关和互相关两类,文章分析了各类算法的特点,尤其针对S&C、Minn、Park、Ren四种经典自相关算法和Two-Stage算法的优势和局限做出详细讨论,并比较了上述算法的理论公式复杂度与迭代计算复杂度.其次,本文设计了一种自相关同步序列结构以及对应的度量函数和频偏估计算法;其核心原理是在同步序列间引入相关性,增大计算度量函数时引入的数据点数,通过提高计算复杂度提高同步精度,尽量避免度量函数出现副峰;该算法还保留了迭代计算的特性,便于硬件实现.最后,在比较提出算法和其他经典算法的同步效果时,用度量函数最大值落在接收信号保护间隔内的概率刻画定时准确度,用归一化频偏的均方误差(Mean square error,MSE)刻画频偏估计精度.仿真结果表明,在加性高斯白噪声(Additive white Gaussian noise,AWGN)信道和两径信道下,算法的定时准确度优于其他经典自相关算法,与Two-Stage算法接近,但是复杂度比前者低.此外,得益于提出算法在低信噪比下较高的定时准确度,其在AWGN信道下的频偏估计精度优于其他经典自相关算法;在两径信道下,以20 dB为界,信噪比在20 dB以下时提出算法的频偏估计精度更高.

    正交频分复用定时同步自相关前导序列频偏估计

      原文链接:
    • 万方数据
    • 维普

    基于短包通信选择中继辅助的全双工双向系统信息新鲜度分析

    牛夏秧贾向东张亮薛凯来...
    2138-2150页
    查看更多>>摘要：针对日益复杂的通信场景和日渐稀缺的频谱资源,以及信息新鲜度极其重要的现状.本文结合全双工(Full duplex,FD)、双向中继等技术,并基于短数据包传输(Short packet communication,SPC),构建一个选择中继辅助的全双工双向(Full duplex two-way,FDTW)模型.采用信息年龄(Age of Information,AoI)作为度量信息新鲜度的性能指标,为了深入研究中继辅助链路在此类模型中对AoI所带来的性能增益,同时考虑直连链路、中继辅助链路与中继的工作状态,设计三种传输方案:无中继辅助(Non relay-assisted,NRA)方案、放大转发中继辅助(Amplify-and-forward relay-assisted,AFRA)方案、解码转发中继辅助(Decode-and-forward relay-assisted,DFRA)方案.利用短包传输理论对每种方案下目的节点接收数据包的平均包错误率公式进行建模;利用图形分解法求解在每种方案下的平均信息年龄(Average Age of Information,AAoI).其中在考虑中继辅助的方案中,AoI的演变较复杂,因此借助马尔可夫链进一步求解,这是对复杂传输情况下利用图形分解法求AoI方法的进一步补充.在仿真部分依据直连链路和中继辅助链路的相对状态进行分类讨论,结果表明,在直连链路信道状态相对较差时,中继辅助对AAoI的降低明显,最佳AAoI在AFRA方案下C为220 bits左右获得,可降低8.33%,在所考虑情况下由于数据包长度对误包率的影响,在数据包长度较小时,DFRA方案获得更优的AAoI,在数据包长度超过160～180 bits时,AFRA方案则获得更优的AAoI,同时随着直连链路状态不断变好,整体AAoI也会降低.

    信息年龄全双工中继协作短包通信非正交多址接入双向通信

      原文链接:
    • 万方数据
    • 维普

    基于多域表征与多分辨率融合的多通道毫米波雷达手势识别

    祝庆曦范孝冬刘剑刚贾勇...
    2151-2164页
    查看更多>>摘要：随着智能设备的普及和技术的快速发展,手势识别技术在智慧家居、智能驾驶领域展现了巨大的应用价值.手势识别的关键在于如何在不同用户、不同方位、手势特征易混淆的情况下仍然保持较高识别精度.为解决易混淆手势识别率低,特征利用不充分的问题,本文提出了一种基于多域表征与多分辨率融合的卷积神经网络的手势识别方法,首先分别通过短时傅里叶变换(Short-Time Fourier Transform,STFT)、二维快速傅里叶变换(Two-Dimensional Fast Fourier Transform,2D-FFT)、最小方差无畸变响应(Minimum Variance Distortionless Response,MVDR)波束形成生成不同域下的三种表征图像,即时间-频率域、时间-距离域和时间-角度域图像.针对三种表征图像,设计了由三个并行二维卷积神经网络(Two-Dimensional Convolutional Neural Networks,2DCNNs)与多分辨率融合模块(Multi-Resolution Fusion Module,MRFM)串联的复合神经网络,用于从图像中提取手势特征并进行识别.最后,创建了包含七种手势的多域表征图像数据集,对模型进行训练和测试,测试结果表明,在不同用户、不同方位、不同环境的手势识别场景下,本文提出的方法与不使用多分辨率融合模块的模型相比,对七种易混淆手势的平均识别准确率提高了2.6%.与仅使用单一类别表征的模型相比,该模型的识别准确率提高了4.8%.

    手势识别多分辨率多域表征特征融合多通道毫米波雷达

      原文链接:
    • 万方数据
    • 维普

    数字信号的量子补码浮点表示及运算研究

    王兵周冰琪李盼池肖红...
    2165-2177页
    查看更多>>摘要：为了提高量子数字信号表示的灵活性,本文提出了一种新的基于补码浮点表示的一维有限长度量子数字信号表示模型(Complement Floating-point Representation of Digital Signals,CFRDS).该模型使用两组量子比特序列分别表示位置信息与幅值信息.其中,位置信息采用有符号定点整数补码形式表示,保证了信号位置的精确性和负数处理能力;幅值信息则采用浮点数形式表示,浮点数的阶码和尾数均采用补码形式,能够更灵活地应对不同幅值的信号,确保在极端数值条件下依然保持高精度,同时,这种表示方法也简化了数学运算,能够处理更广泛的信号类型.该模型不仅在信号幅值的表示范围与精度上取得了显著提升,还在数学运算的便捷性方面展现了优越性,使得各种信号处理算法更加高效和可靠,适用于更加复杂的信号处理算法,提高了信号处理的效率.本文提出了CFRDS模型,设计了该模型的量子制备线路与基于该模型的量子数字信号基本运算线路,包括两个量子数字信号的序列加法、序列乘法以及自相关函数序列运算,并深入分析了线路复杂度,最后通过计算机仿真实验验证了所提出方案的可行性和有效性.

    量子数字信号补码浮点表示量子浮点数加法量子浮点数乘法量子自相关函数

      原文链接:
    • 万方数据
    • 维普

    时空特征校准和相关性解耦的骨架细粒度动作识别模型

    胡正平王昕宇陈代萍唐熙珩...
    2178-2192页
    查看更多>>摘要：针对骨架数据丢弃部分重要信息导致相关动作识别模型较难捕获动作序列的细微变化从而造成对细粒度动作类别识别率不足的问题,本文提出时空特征校准和相关性解耦的骨架细粒度动作识别模型,在主干网络中间层和输出层中分别引入时空特征校准模块和相关性解耦模块,提高模型对细粒度动作类别识别能力.首先,为动态校准特征空间中容易被错误分类的样本同时提高模型对时空信息表征能力,引入时空特征校准模块,该模块对特征进行时空解耦以丰富特征空间中的时空信息,并且利用对比学习方法在特征空间中动态发现并纠正被错误分类的细粒度模糊样本;随后,为降低特征相似性对最终分类造成的影响,引入相关性解耦模块,该模块在第一阶段强制所有特征样本彼此远离以达到去相关目的,并且在第二阶段使去相关后的特征与相应类别原型聚合进而使最终分类难度降低.本文所引入对比学习模块仅在模型训练阶段参与计算,不会对测试阶段带来计算负担.为验证模型有效性,本文在大型公开骨架动作识别数据集上进行实验,模型在NTU RGB+D的X-Sub和X-View基准上识别准确率分别达到92.6%和96.8%,在NTU RGB+D 120数据集的X-Sub和X-Set基准上识别准确率分别达到89.2%和90.7%,相比于主流骨架动作识别模型有明显提升,实验结果表明,本方法能够提高模型对细粒度动作类别识别能力,具有一定优势.

    对比学习细粒度分类动作识别骨架数据

      原文链接:
    • 万方数据
    • 维普

    基于时间-通道拓扑解耦图卷积的异常行为检测

    张家波唐上松何阿娟
    2193-2205页
    查看更多>>摘要：随着姿态估计技术的发展,使用人体骨骼数据而非传统像素数据进行异常行为检测成为可能,这种异常检测方法克服了传统基于像素特征的方法中光照、视角和背景噪声等因素带来的问题.然而,现有的图卷积网络(Graph Convolutional Network,GCN)在处理人体骨骼数据时,通常使用固定的邻接矩阵进行信息聚合,这限制了模型在提取行为特征时的灵活性.为了解决上述问题,本文提出了基于时间-通道拓扑解耦的图卷积网络(Time-Channel Topology Decoupling Graph Convolution Network,TCTD-GCN).TCTD-GCN分别在时间和通道维度上采用拓扑学习的方式来学习自适应的邻接矩阵,从而实现时间和通道的有效解耦.学习得到的自适应邻接矩阵能更准确地聚合特征,促进对人体行为的准确表示.此外,文章提出一种虚拟异常引导的自监督异常检测(Virtual Anomaly-guided Self-supervised Anomaly Detection,VASAD)策略来提高检测精度.VASAD将异常检测问题视作一个多分类问题,通过将正常行为的不同类别视为"虚拟异常"来辅助模型训练,从而在测试阶段更准确地区分正常与异常行为.这种策略增强了模型对正常行为内在差异的学习,提高了对真实异常的判别能力.最后,本文模型在ShanghaiTech Campus、CUHK Avenue和USCD Ped2三个主流数据集上进行实验,帧级曲线下面积(area under the curve,AUC)分别达到76.6%、87.7%和95.3%,在ShanghaiTech Campus和CUHK Avenue数据集上相对主流模型有明显提升,验证了模型的有效性和优越性.

    人体骨骼异常行为检测解耦图卷积自适应邻接矩阵多类别异常检测

      原文链接:
    • 万方数据
    • 维普

    用于声音事件定位与检测的空间信息增强方法

    肖剑郭海燕王婷婷杨震...
    2206-2218页
    查看更多>>摘要：声音事件定位与检测包含到达方向估计和声音事件检测两个子任务.作为当前声音事件定位与检测领域中应用最为广泛的模型之一,卷积循环神经网络模型采用卷积神经网络分别从单个音频通道中提取特征,这导致模型丢失了不同通道间的相关信息.然而,通道间的相关信息蕴含了与声源位置相关的空间线索,空间信息的缺失必然会影响模型的到达方向估计性能.此外,卷积循环神经网络模型中使用的交叉熵损失函数还会引起特征分散问题.为解决这些问题,本文提出采用混合损失函数的图卷积循环神经网络模型.具体地,采用图卷积神经网络对不同特征通道间的信息进行聚合,以获取包含更丰富空间信息的特征,来改进卷积循环神经网络模型的到达方向估计性能.在此基础上,结合交叉熵损失函数和角度间隔softmax函数,提出一种新的混合损失函数来解决特征分散问题提高模型的分类性能.实验结果表明,本文提出的采用混合损失函数的图卷积循环神经网络模型在定位相关声音事件检测错误率、F1分数、定位召回率和声音事件定位与检测得分方面均优于其他声音事件定位与检测模型.

    声音事件定位与检测深度学习图卷积网络多通道

      原文链接:
    • 万方数据
    • 维普

    基于时域卷积网络的两阶段语音增强算法

    周翊王艺赵宇刘宏清...
    2219-2227页
    查看更多>>摘要：在语音信号的传输过程中,通常会受到噪声和回声等因素的干扰,从而导致信号的质量和可懂度下降.为了从信号中去除噪声和干扰,提高语音信号的质量,语音增强算法应运而生.与传统算法相比,基于深度学习的语音增强算法取得了更好的效果.然而现有的算法存在以下问题:现有算法在设计时普遍只考虑到了含噪语音中的语音成分,未能充分考虑噪声成分,且现有的算法大多是用单一网络完成语音增强任务,这需要网络具有较高的性能.对此,本文提出了用于语音增强的频谱掩蔽两阶段时频处理网络(Spectral Masking Two-Stage Time-Frequency Processing Network,SM-TSTFN).该网络将语音增强的过程分解为幅度谱预测和复数谱预测两个阶段,渐进地估计出纯净语音.在第一阶段,将噪声和语音作为学习的目标,利用含噪语音的幅度谱作为输入,初步估计出噪声和语音的幅度谱.第二阶段,使用含噪语音的复数谱作为输入,在第一阶段预测结果的帮助下,估计出纯净语音的频谱.在第二阶段中,本文还设计了一种时频处理模块(Time-Frequency Processing Module,TFPM).该模块结合了长短时记忆网络(Long Short-Term Memory,LSTM)和时域卷积网络(Temporal Convolution Module,TCN),能够分别从时域和频域维度提取特征.在数据集上的实验结果表明,本文提出的SM-TSTFN相比于其他模型取得了更高的分数,能够更有效和更准确地改善语音信号的质量,并提升语音的可懂度.

    深度学习语音增强信号处理

      原文链接:
    • 万方数据
    • 维普