改进 K-均值算法在雷达辐射源信号预分选中的应用

雷达辐射源信号分选是电子对抗领域一个关键技术,随着电子技术的发展,电磁环境日趋复杂,信号分选的难度越来越大,在这样的条件下,我们应该寻求新的解决问题的方法.本文首先概述了雷达辐射源信号分选意义、系统组成和分选流程,然后介绍了改进 K-均值算法.为了有效实现信号分选,提出了基于改进K-均值算法的信号分选方法,该方法可对到达角、载频和脉宽参数进行分选.最后进行了仿真实验,结果表明该方法实现简单,分选效果较好     

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.      

地形纹理分割技术在雷达图像仿真中的应用

文章阐述了将图像分割技术应用于雷达地形纹理分割中,用基于 FCM 图像分割方法对可见光纹理进行区域自动识别,形成互不相交的纹理区域,并借助建立的雷达材质库对区域材质进行指定,有效解决了海量地形纹理数据处理的难题,并提高了处理的准确性.     

基于新型C4D的小管道气液两相流流型辨识方法

基于径向结构的电容耦合式非接触电阻抗检测传感器,结合小波包分析技术和K-均值聚类算法,提出一种小管道气液两相流流型辨识方法。首先,利用径向结构的电容耦合式非接触电阻抗检测传感器,获取反映被测流体信息的电阻抗测量信号实部信息和虚部信息。然后,采用小波包分解的信号处理技术将实部信息和虚部信息分别分为4个频率段,提取不同频率范围的能量分布情况,并与各自的均值、方差构成特征向量。最后,利用K-均值聚类算法进行模式分类,建立流型辨识模型。在内径为3.5 mm和5.5 mm的玻璃管道内进行验证实验,实验结果表明,所获得的传感器测量信号能反映流体流动信息,提出的流型辨识技术路线是有效的,流型辨识精度可达88%以上。     

基于多特征的高分遥感图像分割算法研究

针对传统的图像分割算法不能完全适用具有多种特征〖BF〗（〖BFQ〗光谱特征、纹理特征和几何特征〖BF〗）〖BFQ〗的高分辨率遥感图像的问题,提出了一种基于多特征的遥感图像分割算法。算法基于改进的均值漂移滤波和自动标记分水岭分割方法来实现最终分割。首先利用自动标记分水岭分割方法对遥感图像进行分割,进而采用仿射不变矩形状特征算子提取图像几何特征;其次对图像进行主成分分析,计算第一主成分灰度共生矩阵,分析矩阵特性得出纹理特征;然后结合光谱特征通过改进的均值漂移方法得到多特征滤波结果;最后利用分水岭分割方法实现高分辨率遥感图像分割。为了表明算法的分割效果,利用基于多光谱信息熵方法对算法和单一的分水岭分割方法进行非监督评价。研究结果表明,算法可较好地改善遥感图像的过分割问题,是一种适合高空间分辨率多光谱遥感图像的分割算法。     

印花织物的疵点检测

利用匹配Gabor滤波器提取有效的纹理特征,把疵点分割出来。通过改进规则带,把方差和均值作为评判疵点的标准,从而达到把规则图案织物的疵点分割出来的目标,避免了图案信息的干扰,具有很高的实时性。     

基于类云模型的c均值聚类航迹关联算法

针对多传感器多目标航迹关联的特点,提出了将类云模型和c均值聚类联合应用于航迹关联的解决方法。将表征航迹特征的参量构成聚类中心和待分类的样本空间,利用类云模型和c均值聚类算法对来自不同传感器的航迹进行分类和收敛判断,构建了基于类云模型的c均值聚类航迹关联模型,有效地解决了目标密集环境下的航迹关联问题,通过仿真研究说明了该算法的有效性和鲁棒性。     

常开洞工业厂房风致内压试验研究

通过一系列不同条件下的单个常开洞单跨厂房刚性模型风洞测压试验,分析了风向角、开洞位置、开洞形状以及开洞大小对内压平均值与脉动值的影响,并与基于稳态理论与非定常理论的内压预测值进行了比较。研究发现,单个常开洞厂房内压的空间分布是均匀的,几乎处处相等,仅在开洞附近测点的风压系数值稍有差别;内压的脉动特性主要来源于来流湍流作用、旋涡脱落与尾流干扰以及赫姆霍兹共振等三个方面的影响;内压的均值与均方根值受开洞条件以及风向角等因素影响较大;稳态理论计算得到的内压系数均值与试验所得非常接近,但是均方根值的预测偏保守。非定常理论推导得到的内压响应方程在风速方向正对开洞时可以给出良好的预测,但由于受旋涡脱落、尾流干扰等影响,斜风向时运用该方法预测内压是不合适的。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.     

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.