基于压缩感知的整体叶盘多模态振动叶尖定时信号重构方法

叶尖定时测量技术是近年来发展的一种非接触式旋转叶片振动监测方法,具有非入侵性的优点,但是该系统测得的振动信号通常是欠采样的。为了能够重构叶尖定时欠采样信号,本文根据压缩感知理论以及叶尖定时采样原理引入了叶尖同步振动信号稀疏模型以及叶尖振动信号重构方法。对整体叶盘有限元模型进行瞬态分析得到叶尖振动信号,使用优化的正交匹配追踪算法以及基追踪对欠采样信号进行重构并和传统方法进行对比。计算结果表明：在信噪比为30dB的噪声环境下,限制频域的正交匹配追踪算法(OMP-RFD)可以准确地识别出叶尖振动信号的主要频率成分。最后使用试验所获得的叶尖振动信号进行重构,验证了OMP-RFD算法有效性。综上可知：压缩感知方法可以很好地应用于叶尖定时测量装置中,能够使用较少传感器识别叶尖同步振动欠采样信号参数,有效提高噪声环境下识别高阶频率的成功率以及准确度。     

压缩感知在轴流压气机周向模态识别中的应用

研究了将压缩感知应用于轴流压气机管道周向模态识别的方法。采用数值实验的方法对稀疏模态信号进行压缩感知分析。对确定性信号，讨论了信号欠采样因子和感知常数对不同稀疏比信号重构成功率的影响，当感知常数大于3.5时，感知成功率超过90%；对未知信号，随机选取测量矩阵在感知失败时信号的模态分布没有规律。在此基础上，将Nyquist-Shannon采样定理和压缩感知方法结合，提出了轴流压气机管道周向模态传感器双均布测点布置方式，发现了其感知的成功与否与信号模态数的差值和测点数相关，选择合适的测点数，可用于基于动静干涉的压气机周向模态的可靠重构。讨论了双均布测点分布的鲁棒性，发现任意减少3个测点时仍可保证研究对象中至少5个叠加模态的成功感知。最后，将压缩感知方法应用于轴流压气机管道周向模态识别，成功感知到了基于Tyler-Sofrin的轴流压气机高阶动静干涉模态。该研究为轴流压气机管道模态分析和测量提供了新的实验数据处理方法。      

基于压缩感知的高频响流场重构方法及其应用

粒子图像测速（PIV）方法具有高空间分辨率的优势,但是往往受到采样频率的限制（一般在15 Hz以下）,难以完成高频响测量。压缩感知（CS）能够基于稀疏采样数据获得高频信息,但如果直接应用于所有的数据点则计算量过大。基于亚采样（sub-Nyquist）PIV数据,本文提出了基于压缩感知和本征正交分解（POD）的高频响流场重构方法。首先采用POD对数据降维,同时获取空间模态和相应的亚采样时间系数,将亚采样时间系数作为观测值,选取适当的稀疏基,通过求解基追踪问题来计算高频响的模态系数。结合空间模态和所得到的时间分辨模态系数,可以重构高频响的非定常流场。利用该方法分别对周期性的振荡器流场和非周期性的不同直径圆柱流场进行重构,检测该方法的适应性。结果表明,压缩感知方法无需侵入式的辅助测量,可以为周期性流场提供准确的重构,重构误差低于3%,而对于非周期性复杂流场,则出现较大的高频噪声。因此,本文所提出的方法可以应用到周期性流场中以提高测量数据的时间分辨率。     

基于稀疏随机阵列配置的CS-MIMO雷达感知矩阵构造

压缩感知(CS)理论中的感知矩阵在观测数据获取和信号重建过程中起关键性作用。目前,大部分研究通过引入高斯随机矩阵作为测量矩阵实现压缩观测,这类测量矩阵对硬件要求很高,工程实现困难。提出了一种基于稀疏随机阵列配置的压缩感知-多输入多输出(CS-MIMO)雷达中的感知矩阵构造方法,当MIMO雷达阵元配置为满足某种概率分布的稀疏随机阵列时,发射与接收导引矢量的Kronecker积能够起到压缩测量的作用。从理论上分析了所构造的感知矩阵的归一化互相关系数、Gram矩阵以及阵列方向图之间的内在联系,并证明了当随机阵元位置满足均匀分布时所构造的感知矩阵满足压缩感知重构条件。在这种稀疏随机阵列配置方式下,既可以避免额外引入随机测量矩阵,又能减少所需的阵元个数,从而大大降低CS-MIMO雷达系统复杂度。仿真实验表明,该方法具有较低的感知矩阵归一化互相关系数,与满阵CS-MIMO雷达相比能够在减少阵元个数的同时获得良好的重构性能,且使重构所需运算量大大降低。     

基于分数阶傅里叶变换的GNSS接收机抗线性调频干扰技术研究

研究了分数阶傅里叶变换(Fractional Fourier Transform,FRFT)抗线性调频(Linear Frequency Modulation,LFM)干扰技术,提出了一种基于FRFT域幅度一阶矩的逐精度求取最佳变换阶次的方法,并针对连续LFM干扰提出了一种求取最佳变换阶次的策略。同时针对全球导航卫星系统(Global Navigation Satellite System,GNSS)中的LFM干扰,对信号的预处理、阈值的自适应选取做了研究与分析,给出了相应的处理方法。仿真结果表明,该方法能够减少抗连续LFM干扰时求取最佳变换阶次的计算量,而且可以有效抑制GNSS接收机中的LFM干扰。     

基于压缩感知的叶端定时信号参数辨识方法

叶端定时技术作为一种非接触式测量手段,在实际应用中的主要问题之一是测量信号欠采样。压缩感知方法是解决信号欠采样问题的有效手段,但由于求解过程中引入了正则化项,在提高稀疏度时,降低了幅值重构精度,而转子叶片振动幅值参数的准确辨识对于叶片动应力重构具有重要意义。将叶片振动方程设计矩阵与压缩感知字典相结合,在不依赖先验信息的条件下对叶片振动参数进行辨识。首先,根据振动方程设计矩阵形式及关注的最大振动频率,构造压缩感知字典;其次,通过叶端定时信号稀疏表示中的非零元素所在位置,从压缩感知字典中提取对应原子构成设计矩阵进而求得振动参数;接着,叶端定时（BTT）模拟仿真结果表明,所提方法可有效辨识叶片单模态、多模态振动参数;最后,开展旋转叶片振动测试试验,同时利用应变片和叶端定时系统采集振动信号,结果表明,与应变片测量结果相比,提出的方法振动频率辨识相对误差仅为0.14%;对比4个叶片的位移-应变传递比,其中偏离均值的最大百分比仅为2.15%。     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。     

多尺度自适应直接信息采样与重构

现有的直接信息采样(Analog-to-Information Conversion,AIC)方法在压缩感知框架下,将采集和压缩过程融合,但并未充分考虑不同稀疏成分在信号重构当中的地位。针对该不足之处,提出一种多尺度自适应直接信息采样与重构算法。该算法充分考虑小波变换后的高频信号和低频信号在重构中的不同地位,实现速率自适应的直接信息采样。同时,给出变速率采样下的信号重构策略,以解决常规重构算法在速率自适应采样时失效的问题。仿真结果表明,多尺度自适应AIC系统可以获得比传统AIC系统更好的AFSNR性能。     

基于FRFT和相位差分算法的信号特征提取

基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)算法的信号识别方法已广泛应用于雷达信号处理领域,相位差分算法对于检测相位编码信号尤为高效。基于 FRFT和相位差分法的信号检测算法已被提出,但在较低的信噪比下该算法并不能准确识别 LFM、LFM-BPSK信号。针对低信噪比背景下该算法性能较差的问题,给出 1种改进的算法,并通过加入多相编码信号的识别,扩大其适用范围。仿真验证结果表明,提出的算法不仅较原有算法能在较低信噪比条件下有效检测 LFM、BPSK、Frank3种单一调制方式的信号,还能检测出复杂调制的 LFM-BPSK信号。     

基于实波束扫描的相控阵雷达前视成像

实现机载或弹载雷达正前方目标区域高分辨力成像对提高着陆安全性或制导精度有着重要的意义,基于相控阵雷达(PAR)工作原理,建立前视扫描过程中的回波信号模型,对目前广泛研究的解卷积前视成像方法进行了深入分析,指出其未能有效提高方位分辨力的原因,并在此基础上提出了一种基于压缩感知理论的扫描雷达前视成像方法。该方法通过对大时宽带宽积信号的脉冲压缩获得径向高分辨,并基于场景中的强散射中心分布具有稀疏性(可压缩)这一事实,利用压缩感知最优化方法获得高的方位分辨力,仿真结果证明了所提方法的有效性,分析了基于压缩感知前视成像方法的性能。该方法同样适用于机械扫描雷达的前视成像。     

一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。     

海杂波FRFT域分形特征在动目标检测中的应用

文中研究了海上动目标雷达回波与海杂波在分数阶Fourier域(FRFT域)的分形特性,利用两者幅值起伏程度的不同,提出了一种基于FRFT域分形维数差异的动目标检测方法。该方法以处处连续而不可导的非平稳不规则信号模型——分数布朗运动作为FRFT域分形模型,通过仿真分析实测海杂波数据的分形曲线,证明海杂波在FRFT域的无标度区间内具有分形特性。提取出FRFT域海杂波与动目标回波的分形维数,并利用其固有的差异进行目标检测。经不同极化方式下海杂波数据仿真,验证了算法的有效性。     

翼型不确定性量化中正交匹配追踪的应用

不确定性在实际系统中广泛存在，为了研究不确定性因素影响下系统输出的随机响应特性，传统的不确定性量化方法如蒙特卡洛采样、混沌多项式展开等需要大量的样本，制约了在飞机机翼等复杂系统中的应用。近年来，在信号处理领域发展迅速的压缩感知技术，利用原始信号的稀疏性可以用少量的样本精确重构信号。这一特性促使研究人员探索将压缩感知技术应用于不确定性量化研究中。以RAE2822实际翼型为研究对象，使用类函数/形函数变换将原始翼型参数化，考虑加工、装配过程和实际飞行工况下的几何不确定性，将压缩感知技术与混沌多项式展开相结合，利用正交匹配追踪算法实现多项式系数的稀疏重构，获得翼型气动力系数和流场参数在考虑几何不确定性影响下的均值和标准差，并与蒙特卡洛采样和满秩概率配点法获得的结果进行对比。通过对收敛性能、样本数需求和重构精度等方面的对比分析表明，正交匹配追踪算法能够利用相对较少的样本获得与传统不确定性量化方法相近的精度。考虑到实际系统的随机响应在混沌多项式基底上大多具有稀疏的展开形式，因此将压缩感知技术应用到不确定性量化中可以显著降低样本数需求，从而降低时间成本，提高计算效率。     

基于卡尔曼滤波的翼型表面压力实时重构方法

为实现基于稀疏数据的翼型表面压力实时重构，提出了一种基于压缩感知与卡尔曼滤波器的数据融合方法，该方法主要包括线下建立数据库和线上实时感知两部分。首先，在线下通过粒子图像测速技术、压敏漆、计算流体力学等方法对翼型表面压力进行全场采样，并采用本征正交分解对所测得的全场压力数据进行降维，建立含有主导相干流动结构的模态数据库以及各模态时间系数之间的状态转换关系。其次，在线上基于压缩感知，利用离散压力传感器所测量数据与压力场主导模态，通过求解L₁范数下的最优化问题，对各主导模态的时间系数进行初步求解。最后，将线下所得各模态时间系数之间的状态转换关系放入卡尔曼滤波器，作为其系统模型进行预测；将线上所求得各模态时间系数放入卡尔曼滤波器，作为其观测值进行校正。以CFD模拟翼型压力作为验证数据，对该方法的性能进行评估，结果显示：该方法与仅采用压缩感知进行重构对比，升力重构误差从18.15%减小至6.39%。     

FRFT域能量谱模拟电路故障特征提取方法

故障特征提取是模拟电路故障诊断的关键技术之一,为了提高故障特征的可诊性,提出 1种基于分数阶傅里摘叶变换(Fractional Fourier Transform,FRFT)域能量谱的模拟电路故障特征提取方法。首先,采集测试节点电压信号并将其映射到不同的 FRFT域空间中(p从 0变化到 1);然后,计算所有 FRFT域空间中的能量谱峰值并将其作为故障特征;最后,将归一化后的特征用于训练最近邻分类器进行诊断验证。与现有的 FRFT故障特征提取方法相比,该方法减少了计算量,且提取的特征能够在所有 FRFT域中更全面地反映不同故障响应信号的细微差异,有利于提高故障特征的可分性。在仿真和物理电路上进行了验证,实验结果表明:所提方法能提高故障诊断准确率,且时间复杂度有明显改善。     

基于相位差分的雷达信号参数估计方法

由于接收信号长度有限而存在频率离散化采样的限制,FFT(Fast Fourier Transform,快速傅里叶变换)对雷达信号频率的估计精度会降低。基于相位差分的频率估计方法可以对这一偏差进行估计,从而减小FFT的估计误差。尝试将该方法应用于LFM(Linear Frequency Modulated,线性调频)信号带宽的估计问题,并对此进行了仿真验证,结果证明该方法对雷达信号频率和带宽估计有一定的应用价值。     

稀疏孔径ISAR机动目标成像与相位补偿方法

现代逆合成孔径雷达(ISAR)可实现多模式下对多目标的交替测量工作,但波束切换使得任一目标的方位孔径具有稀疏性,同时目标的机动性也使得目标的方位维信号具有高次调制特性,这均导致以连续采样信号模型为基础的传统ISAR运动补偿和成像方法难以直接应用。本文提出一种新的稀疏孔径(SA)ISAR机动目标相位补偿和成像方法。该方法首先建立了稀疏孔径ISAR机动目标的信号模型,然后通过求解2范数最大化的优化函数,实现对相位误差的精确估计,并且通过迭代处理提高了相位误差的估计精度。相位误差补偿后,根据压缩感知理论,构造了机动目标情况下的Chirp-Fourier字典,通过对稀疏优化问题的求解,能够较精确地从稀疏孔径信号中重构出机动目标的全孔径(FA)信号。仿真和实测数据处理结果证明了本文方法的有效性。     

基于周期FRFT的多分量LFMCW雷达信号分离

 多分量线性调频连续波(LFMCW)信号的截获和特征提取是雷达情报侦察的难点,为了实现对多分量LFMCW信号的快速检测和有效分离,提出了一种基于周期分数阶Fourier变换(PFRFT)的多分量LFMCW雷达信号分离新方法。首先介绍了PFRFT,分析了PFRFT和FRFT之间的关系,讨论了LFMCW信号的PFRFT特征。然后给出了一种离散PFRFT的计算方法,结合周期分数阶Fourier域(PFRFD)的窄带滤波和CLEAN算法实现了多分量LFMCW信号的分离。仿真结果表明:①PFRFT的计算效率较周期Wigner-Hough变换(PWHT)具有明显优势;②LFMCW信号分量在特定PFRFD中具有能量峰值,分离后能较好保留时频特征;③当两个LFMCW信号分量的功率相差较大时,适合在PFRFD分离,反之适合在时域分离;④当信噪比(SNR)为0 dB时,两个具有相同功率的LFMCW信号分量分离后,与初始信号分量的相关系数都达到了0.9以上。     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

一种孔径和频率二维稀疏的步进频SAR成像方法

 步进频率信号(SFWs)在不增加雷达系统瞬时带宽的情况下能够获得高的距离向分辨率的同时,也存在着抗干扰能力较差及其等效重复频率较低的问题,并且在方位向积累时间内由于雷达载机工作状态的变化,会导致方位向的数据录取不完整。针对上述问题,提出一种孔径和频率二维稀疏的步进频合成孔径雷达(SAR)成像方法。首先,分析了稀疏步进频率信号(SSFWs)的SAR成像模型,然后基于压缩感知理论完成距离向成像处理。其次,针对稀疏孔径的回波数据,通过构造成像算子和压缩感知重建模型的方法实现其距离徙动校正和方位压缩处理,进而获得二维成像结果。相比于传统的步进频率信号SAR成像,利用所提方法能够在少量的频率资源和雷达回波数据情况下实现准确的SAR成像。最后,通过对仿真和实测的步进频率雷达数据进行成像处理,验证了所提方法的有效性和可行性。