首页|应用经验模式分解和随机数据重排的微弱信号感知

应用经验模式分解和随机数据重排的微弱信号感知

Weak Signal Sensing Using Empirical Mode Decomposition and Stochastic Data Reordering

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
给出了一种利用经验模式分解(Empirical Mode Decomposition,EMD)感知微弱信号的技术,对于噪声占支配地位的信号,这种技术具有和二分滤波器组类似的性质.EMD分解将宽带噪声分解为一系列固有模式,以对数尺度衡量,这些模式的平均能量随平均频率线性递减,而某些模式的能量则包含了信号特征.因为微弱随机信号对特定模式(对应于信号频率成分的模式)的能量有贡献,所以这些模式可以用来检测信号的存在性.通过对原始数据样点进行局部随机重排,能够进一步提高EMD技术的有效性.原因在于重排可以产生新的随机噪声信号实现,而该信号的EMD分解和原信号分解的差异可以忽略.通过多次重排,将非线性分解得到的信号模式进行平均可以提高信号检测的可靠性.本文主要讨论了这种新EMD检测流程的应用,并比较了该技术与多种标准信号检测技术的性能.

Arnab Roy、John F.Doherty、郑仕链

展开 >

Department of Electrical Engineering,The Pennsylvania State University University Park,PA 16802.

经验模式分解 微弱信号检测 随机数据重排 二分滤波器组

2012

通信对抗
中国电子科技集团公司第三十六研究所 通信系统信息控制技术国家级重点实验室

通信对抗

ISSN：
年,卷(期)：2012.31(1)
  • 13