固体发动机外防护涂层紧贴型缺陷太赫兹成像实验研究

针对固体火箭发动机金属壳体外防护涂层紧贴型无黏结缺陷检测问题，采用反射式太赫兹时域光谱成像技术对标准涂层试件进行检测，实现对黏好区、紧密接触但是黏结失效区(无黏结区)、交界区和微小缺陷区分布情况判识。对比了不同原始信号预处理、不同降维处理和不同样本量分类识别处理对四类区域特征识别的效果。结果表明，采用主成分分析结合支持向量机方法，四类特征的预测分类区域图像与实际分类区域分布吻合，并且在较少样本量的情况下保持了稳定的预测分类结果，可靠性较高。证实了太赫兹技术用于对固体火箭发动机壳体与涂层的黏结结构进行非接触无损检测中，能够自动识别紧密接触型黏结失效缺陷和微小缺陷，为进一步的涂层质量控制提供了一种新的检测手段。     

时频图像局部二值模式特征在雷达信号分类识别中的应用

针对低信噪比下雷达辐射源信号的分类识别,提出了一种将时频分析与图像处理相结合的特征提取和识别方法.该方法首先对雷达信号进行时频变换,将得到的时频分布转化为灰度图像;然后运用图像处理方法对时频图像进行增强和去噪;最后提取局部二值模式纹理特征描述子作为信号的识别特征,并采用支持向量机分类器实现信号的分类识别.文中针对12种常见雷达信号进行了仿真,结果表明该方法在较低的信噪比下仍能获得较为满意的识别率,当SNR=0dB时,信号的平均识别率能达到95.35％.所提出方法能有效降低噪声对分类识别的影响,同时对于时频图像相近的信号也有较好的识别效果,表明了该方法的有效性.     

基于多参数特征的辐射源识别技术

针对复杂战场电磁环境下辐射源识别困难的问题,提出一种基于多参数特征的辐射源识别方法。介绍了辐射源辐射信号特征量的提取技术,给出了识别的原理和步骤。最后在小样本和大样本辐射源数据库的基础上,利用该识别技术进行了仿真,结果证明了基于多参数特征的辐射源识别方法的有效性和准确性,相比于传统的辐射源识别技术,该方法识别率更高,速度更快。     

一种新的重频特征识别方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种结合神经网络技术的重频识别方法.该方法分别对7种雷达重频模式,提出了新的特征矢量提取方法,并引用神经网络进行识别.实际仿真结果表明该方法是有效的,特别是对重频固定、重频滑变及重频抖动模式在高漏脉冲率的条件下依然具有较高的正确识别率.     

一种新型的干扰识别与检测算法

在通信系统抗干扰中干扰的检测及识别是一种关键的技术。文章提出了一种新的干扰识别算法。首先,应用盲信号分离算法来分离传感器接收到的混合干扰信号。然后从干扰信号的高阶累积量中提取特征参数用作进行SVM分类时的特征向量。最后,用SVM作为分类器来对单音干扰、多音干扰及脉冲干扰进行分类识别。计算机仿真结果表明,当信噪比不低于5d B时本文算法有较高的识别率。     

战术导弹活动多余物检测技术

利用多通道进行位移信号采集 ,建立了导弹内各种信号的基本类型和特点 ,对特征量的提取 ,实现了多余物信号与其它噪声干扰信号的识别。根据时差分析方法及各通道显示的波形特征 ,可定性判断多余物所在的区域。这种技术通过信号采集系统的研制 ,对多余物位移信号特点及复杂的噪声规律进行分析研究 ,采用多余物定位技术 ,研制出一套适合现场进行战术导弹活动多余物检测的检验装置、信号采集系统、分析识别及定位软件 ,提高了多余物检验的灵敏度和可靠性。     

复合材料制品的超声检测

简述复合材料制品的缺陷类型,并根据不同缺陷类型所采取的超声检测方法.介绍复合材料制品超声检测技术的最新进展,复合材料超声特征图像显示检测技术及其应用情况.     

一种小口径火箭弹弹头超声检测方法

针对小口径镁合金火箭弹弹头的结构和存在缺陷的类型,采用水浸式的超声检测方法,分析了偏心距和水声程对检测灵敏度的影响,推导出了偏心距和水声程的计算方法。通过与X射线对弹头检测结果的对比分析可知,采用中心频率为5 MHz的水浸式聚焦探头,能准确检测出弹头内部存在的夹杂和裂纹缺陷,并对表面的划伤缺陷也有很高的检测灵敏度。通过C扫描方式对缺陷特征的重构,能直观地判定缺陷的位置、形状和大小。为小口径火箭弹弹头的缺陷检测提供了一种有效的检测手段。     

缺陷检测中的标签噪声形态恢复方法及其应用

为了保证碳纤维材料产品的可靠性，消除各种可能存在的缺陷，有必要采取有效的手段对其质量进行检查。结合图像识别算法的基于X射线无损检测技术被认为是一种快速有效的解决方案。然而，加工材料的表面通常附有包含各种信息的标签，这些标签会在检测中对缺陷的识别造成干扰，甚至被误检为缺陷。主要研究基于图像特征的产品标签噪声恢复方法及其在缺陷检测中的应用，该方法可以有效地消除噪声，而不影响其余的图像信息，从而确保算法正确识别材料中的缺陷。     

基于匹配模板的雷达信号快速识别系统设计

雷达采用低截获概率(LPI)技术之后,特别是在低信噪比条件下,传统的雷达信号识别方法将暴露出对弱信号无能为力、识别率低等缺陷.针对这些问题,设计了基于匹配模板的雷达信号快速识别系统,介绍了系统设计的基本思路,提出了敏感参数这一概念,保证了正确识别率.以线性调频信号为例制定了相应的匹配识别准则,通过仿真实验验证了该准则的有效性和该系统的可行性.在信号受到噪声污染的情况下,该系统对线性调频信号的识别信噪比可以达到-6dB.     

基于高斯chirplet时频原子参数自适应时频分布图的不变矩特征提取方法研究

根据时频分布性质,针对雷达目标的特征提取与分类识别问题,提出了一种基于高斯c hirplet时频原子参数自适应时频分布图的不变矩特征提取方法。首先分析了各种不变矩, 总结了它们各自的应用特点;接着把雷达信号和其时频分布图的不变矩特征结合起来分析了 目标的各种行为对时频分布图不变矩的影响,然后对提取时频分布图不变矩的算法进行了详 细的研究,识别仿真结果表明,利用信号参数自适应时频分布图像的不变矩特征进行雷达目 标识别是一个卓有成效的方法,该方法充分利用了雷达目标的散射信息,具有较高的识别率 。     

基于条纹投射三维测量的铆钉自动化检测技术

针对大型薄壁结构铆接点位自动化检测问题,提出了基于条纹投射三维测量的铆钉检测技术,实现了铆钉镦头尺寸特征高精度测量以及裂纹缺陷自动化识别。在传统条纹投射三维测量的基础上,引入高动态范围(HDR)纹理合成,提出二、三维结合的点云分割策略,实现铆钉尺寸特征高效提取。搭建深度学习神经网络,实现镦头表面缺陷识别。本文搭建了系统原理样机,以铆接桁条样品和标准器作为样件进行系统实验验证。结果表明:实验室条件下,该方法直径测量精度为0.040 mm,高度测量精度为0.013 mm,缺陷识别准确率可达99.30%。与传统方法相比,本文提出的方法更加易于集成,效率高,具有广泛应用价值。     

一种有效的PCMA信号调制方式识别方法

从非合作接收的角度出发,建立PCMA信号的一般模型,推导PCMA信号高阶累量的解析表达式,构造新的识别特征量。深入地分析了PCMA信号四次方谱的离散谱线特征,结合构造的识别特征量,提出一种能够有效地识别PCMA信号调制方式的方法,并给出了实现流程。该方法的主要特点是不需要频偏、同步定时、信道衰落、成形滤波器的参数等先验信息,具有很强的实用性。仿真实验、实际应用的测试结果表明,在适当信噪比和数据长度的条件下,该方法对PCMA信号常用的调制方式有较高的正确识别率。     

反舰导弹类型的Bayes-可拓识别模型

反舰导弹类型识别涉及因素较多,为了对其进行识别,本文基于可拓识别方法和Bayes方法,提出了一种集这2种方法优点的新方法。既考虑了各个识别特征指标与各反舰导弹相应特征指标的"关联"契合程度,又能考虑各反舰导弹类型识别的分布函数、先验概率及误判损失。实例仿真过程表明,较可拓识别方法,该方法考虑因素更全面,计算结果更精准,更符合实际。     

一种MPSK信号调制方式识别方法研究

信号调制方式识别技术是盲信号处理的关键技术之一.在研究MPSK信号的常用分类识别方法的基础上,针对其识别特征易受到噪声以及载波频率估计误差影响的不足,提出一种改进的分类识别方法并对其分类识别性能进行了实验仿真,通过对仿真结果的分析可知该方法能够获得较高的正确识别率,具有一定的实用价值.     

构件裂纹缺陷的超声识别

将小波包多分辨率分析与能量谱相结合,提出了金属材料缺陷特征提取的方法(小波包子带能量比较法)及不同缺陷的识别方法(小波分形神经网络法)。选取最能反映缺陷特征的参数——"能量特征向量"作为特征参数,进行缺陷的特征提取。缺陷的识别方法将小波包分解后各子带系数的分形维数作为特征矢量,对其进行径向基神经网络训练,从而可很明显区分出有无裂纹以及不同裂纹信号。以航天发射塔架钢连接构件疲劳裂纹超声检测信号为例,使用所提出的特征提取和模式识别方法,结果表明是行之有效的新方法,为金属材料缺陷检测与识别开拓了新思路。     

一种辐射源快速识别新方法

针对现有辐射源识别方法不能识别参数交叠的雷达信号以及BP神经网络迭代速度慢、识别效率低的缺点,设计出一种采用改进概率神经网络的实时快速识别方法。该方法构造的特征兼具单个脉冲参数统计特性和雷达参数变化整体特性两个层面的信息,进而可以对参数交叠的雷达信号进行有效识别。同时,该方法还对概率神经网络进行了改进,使之具备识别出未知雷达信号的能力。仿真实验表明,此方法在显著提高了识别率的同时,还具有良好的抗噪性和鲁棒性。     

一种有效的锯齿波调频信号识别方法

分析了锯齿波调频信号相位差分序列的特征,在此基础上给出了锯齿波调频信号的识别和参数估计方法,并采用多重相位差分改善了算法对低信噪比环境的适应能力.仿真给出了不同信噪比下对锯齿波调频的识别率.     

一种基于航迹特征的无人机与飞鸟目标雷达识别方法

对于现代雷达探测系统而言,无人机与飞鸟同属于具有“低慢小”特征的一类典型目标,而面对比较复杂的作战环境,其对功能的要求已经不仅局限于对两者目标实现稳定探测跟踪,如何有效区分两者类型并完成识别更是当下急迫且重要的难题。常规方法是从目标的微动特征差异进行区分,但由于两者回波微弱,很难通过时频分析方法提取目标特征。针对该问题,从航迹特征出发,提出一种无人机与飞鸟目标雷达识别方法。首先对比两者目标在运动轨迹上的差异性,进行特征分析,提出时间相关的航向震荡频率与速度震荡频率特征量描述方法,并在离线状态下,利用实测雷达系统记录的航迹数据,提取两者的有效特征量;然后利用支持向量机算法对样本进行训练,并在获得最优模型参数后,通过测试样本进行测试,测试分类结果显示准确识别率能够达87%;最后在线状态下跟飞实验,其结果既表明该方法的正确性,也体现了在工程实现角度上的轻量性、实用性、适用性,具有较高价值。     

国防科学技术大学电子科学与工程学院。长沙 410073一种有效的锯齿波调频信号识别方法

分析了锯齿波调频信号相位差分序列的特征,在此基础上给出了锯齿波调频信号的识别和参数估计方法,并采用多重相位差分改善了算法对低信噪比环境的适应能力。仿真给出了不同信噪比下对锯齿波调频的识别率。