论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　对比图5和图6可以看出，经过小波阈值法去噪后的分离信号的信噪比比FastICA算法直接分离的信号有较大提高，且图6中信号脉内特征比较清晰。这说明使用FastICA算法和小波去噪相结合的改进算法对带噪雷达信号进行分选比单纯使用FastICA算法分选效果好。

　　4结语

　　本文提出一种结合FastICA算法和小波去噪的改进算法。该算法结合了FastICA算法优秀的信号分选能力和小波变换良好的去噪能力。实验仿真验证，本文提出的改进方法能够很好地对不同信噪比条件下的雷达信号进行分离、去噪处理，克服了传统的ICA算法对噪声敏感的缺陷，提高了信号分选的准确率。值得注意的是本文是假设在高斯噪声和线性混合模型条件下的雷达信号分选，而对于非高斯噪声和其他混合模型的雷达信号分选，有待继续研究。

　　参考文献

　　[1] HYVARINEN A， KARHUNEN J， OJA E. Independent component analysis [M]. Chichester： John Wiley and Sons， 2001.
　　[2] CHOI S， CICHOCKI A， PARK H M， et al. Blind source separation and independent component analysis： a review [J]. Neural Information Processing， 2005， 6（1）： 1?57.

　　[3]史习智.盲信号处理理论与实践[M].上海：上海交通大学出版社，2008.

　　[4]宋琪，杨承志，孙鑫.基于FastICA的雷达信号分选研究[J].现代电子技术，2010，33（15）：29?32.

　　[5]李承志，吴华，程嗣怡，等.独立分量分析在雷达盲信号处理上的应用[J].现代防御技术，2012，40（1）：128?131.

　　[6]赵贵喜，骆鲁秦，李鑫.基于独立分量分析的雷达信号分选算法[J].电子信息对抗技术，2009，24（1）：34?37.

　　[7]王彪，李建文，王钟斐.基于小波分析的新阈值去噪方法[J].计算机工程与设计，2011，32（3）：1099?1102.

　　[8]叶重元，黄永东.小波阈值去噪算法的新改进[J].计算机工程与应用，2011，47（12）：141?145.

　　[9]赵松，江汉红，张朝亮，等.基于改进小波阈值函数的雷达信号去噪[J].兵工自动化，2011（7）：78?81.

　　[10] HYVARINEN A. Fast and robust fixed?point algorithms for independent component analysis [J]. IEEE Trans. on Neural Networks， 1999， 10（3）： 626?634.

　　[11]乐剑，陈蓓.一种低信噪比雷达信号分选方法[J].电子对抗，2008（6）：22?26.

　　[12]赵彩华，刘琚，孙健德，等.基于小波变换和独立分量分析的含噪混叠语音盲分离[J].电子与信息学报，2006，28（9）：1565?1568.