2．2 MIMO雷达的匹配滤波处理 对每个接收阵元收到的信号都用 个匹配 滤波器进行匹配滤波，即可分离出 个发射信号 所贡献的回波成份。由于各信号满足正交性，匹 配滤波可以用相关器来等效实现。 第 n个阵元收到的信号为 (t)=o：e—J(一 ) aTt(O)s(t)+ (t) (13) 用 S (t)(i=1，2，⋯， )与 (t)做相关进行 匹配滤波可以得到 个输出 rt+ = I (t)Si (t)dt (14) 0 式(14)中 ti是第 个距离单元的起始时间。则 n1= e—J( 一1) c O+ “nl 『 Z nl J] “c-n-1)~『。一 三1_。 ]c。+『 (15) (16) 即 Z ：oge—J( 一 a (0)Co+U (17) U 是第 n个阵元的噪声和信号向量的进行 相关处理得出的向量，将 Ⅳ个阵元的匹配滤波输 出Z1，2：2，⋯，ZⅣ组成MN维列向量 Z = Z1 ： ● ZN a (0) e—j a ，(0) e-j(Ⅳ一 ) a (0) 匹配滤波在具体实现时，除时域求相关外，也 可以采用频域处理来实现，如图2所示。 图2 MIMO雷达频域匹配滤波 2．3 MM O雷达的波束形成 对于 发Ⅳ收的 MIMO雷达，接收端匹配滤 波后有 MN个输出，由于各发射和接收单元的位 置是已知的，对这 MN个信号进行移相相加，则可 以在一个或多个方向上形成波束。 如在 P方向上形成接收波束，其输出为 Y(P)=b“(P)·Z (22) 其中 b(P)=a，(肛) a (P) (23) 当 P=0时，，，(p)输出有峰值，表示有 目标。 匹配滤波及 DBF如图 3所示。若在 Ⅳ个方 向上形成接收波束，各波束的输出分别为 Y(P )， _y(II2)，⋯，Y(PⅣ)，若在 P 的方向上有 目标，则会 出现峰值。 ＼ ⋯ ＼ z 2 二|! z l !! Z1 Z2 y(p )=b“(p ． )·z (p )=b“(p )·z y(p )=b“(p )·z 图3 MIMO雷达的波束形成 ) 一 1 一 Ⅳ e 一 e

三、窗口傅里叶变换（傅里叶→小波） 由于传统傅里叶分析只适用于平稳信号，在进行非平稳信号的分析时通常采用时频处理方法，它将一维时域信号分解为二维时域—频域联合分布表示。传统傅里叶分析不适用于时变信号的分析，但是可以在时域和频域内进行加窗处理，窗内的信号认为是准平稳的，对它们可以采用平稳信号的分析方法，如频谱分析和功率谱分析。这就是窗口傅里叶变换。

多层小波分解： [A,L]=wavedec(X,N，’wname’) [A,L]=wavedec(X,N,H,G) 其中：A ：各层分量， L：各层分量长度 N：分解层数 X：输入信号。 wname：小波基名称 H：低通滤波器 G：高通滤波器

激光测高仪高斯回波分解算法.doc

关于图像的噪声，可以这样理解：妨碍眼睛或者视觉传感器对接收到的图像进行理解或分析的因素，例如透过窗户看窗外的风景，但是却有一层“雾水”使得窗外风景在你眼中变得朦胧，窗外实际的风景显然不是如此的，所以这层“雾水”就相当于噪声了。一般噪声是不可预测的随机信号，只能用概率统计的方法去认识，但是图像噪声又不可忽视，它存在于图像处理的输入、采集、处理的各环节以及输出结果的整个过程，特别是图像的输入、采集部分，该部分的噪声是个很关键的因素，如果输入的时候就跟随着较大噪声，之后的环节也将受到影响。因此一个良好的图像处理系统，都会将减少前级噪声作为一个主要的目标，去噪是图像处理中极为重要的步骤，由于噪声并不能完全去除，因此也可以称作是降噪。 去噪步骤 二维图像信号用二维小波分析的去噪步骤含三步，即： 1）、对图像信号s进行小波分解：选择好小波以及小波分解的层次N，然后计算图像信号s到第N层的分解。 2）、对高频系数进行阈值量化：从1到N的每一层，选择一个阈值，并对该层的高频系数进行软阈值量化处理。 3）、二维小波的重构：根据小波分解的第N层的低频系数和经过阈值量化处理的从第一层到第N层的

小波分解和重构的信息代码，可以帮助大家学习小波的分解与重构。

小波变换

小波频带能量累加法主要利用小波包将信号中不同分量无冗余、无疏漏、正交地分解到独立的频带内,根据各频带内能量变化来判断机械系统技术状况。发动机气门出现磨损故障时,会对缸体振动信号的各频率成分产生不同的抑制或者增强效果,与正常状态相比就是某些频带能量会增加,而有些频带的能量会减少,因此在信号各频率成分的能量包含着丰富的故障信息,某个或某几个频带的能量改变代表着某种故障状态,利用这一特征可以建立振动信号各频带能量与异响各故障状态间的映射关系,通过各频率成分能量的变化进行故障诊断。 具体方法步骤如下 (1)振动信号采集:诊断对象为斯太尔实车发动机一缸进气门、排气门故障,振动传感器放置在一缸缸盖上,通过调整气门间隙来模拟气门异响故障。采样频率为128kHz,采集转速为800r/min、1300r/min,采集点数为16384点。 (2)小波分解:将振动信号进行4层小波分解,得到高频信号的小波系数S1低频小波系数S2、S3、S4、S5。 (3)计算频段能量:将分解得到的5个频段信号的小波系数平方后求和,再进行归一化得到E1、E2、E3、E4、E5,作为信号特征参数。

小波分析提取文件特征 用二维多分辨分析方法提取文件参考线, 从而达到能提取文件中任意兴趣信息的目的. 这在各种支票、票据的分析和识别中具有重大意义.

小波分析（Wavelet）库文件，dotnet下可以