现代模拟电路故障诊断方法发展综述

模拟电路故障诊断技术近年来得到了迅速发展,取得了许多可喜的成果。该文探讨了这一领域中一些重要的热门研究问题,主要包括:基于专家系统、神经网络、模糊理论、小波变换等理论发展起来的模拟电路故障诊断的新理论和新方法;重点介绍了作者总结的上述各种方法的基本原理、优缺点及其发展现状;对其他一些智能方法也进行了简要介绍;最后指出了模拟电路故障诊断技术的发展趋势。     

基于循环谱的隐蔽通信性能分析

研究了基于扩频技术的隐蔽通信波形设计,采用大信号掩盖技术和跳码扩频技术,其中大信号和隐蔽信号分别以直接序列扩频(Direct Sequence Spread Spectrum, DSSS)和随机跳码扩频方式产生。对DSSS信号和随机跳码扩频信号的二阶循环平稳特性进行了理论分析,并通过仿真证明了循环平稳特性可用于隐蔽通信波形循环谱分析。首先,理论分析揭示DSSS信号的循环谱在与数据符号速率和码片速率相关的循环频率上,具有由信号的循环平稳性所产生的一系列特征峰值;然而,在随机跳码直扩信号中,扩频码带来的循环平稳性被破坏,导致其循环谱仅在与码片速率相关的循环频率上存在特征峰值;最后,利用循环平稳特性,结合判决门限进行隐蔽信号检测的仿真和分析。     

用整数小波变换进行无失真SAR图像压缩

介绍了利用提升方案(lifting scheme)构造小波变换的3个主要优点,给出了几个整数到整数可逆小波变换对,讨论了SAR图像的特点,提出了一种利用整数到整数小波变换进行无失真SAR图像压缩的方法.该方法具有速度快、可进行同址运算和能进行分级传输等特点.比较了对ERS-1单视SAR图像和IEEE标准测试图的压缩结果,表明性能要略优于DPCM(Differential Pulse Code Modulation)方法,且只须对单视SAR图像作一级小波分解,分解级数增加会使压缩效果变差.     

基于频域参量的石英复合材料孔隙超声表征方法研究

孔隙率对复合材料性能有很大影响。针对高孔隙率复合材料超声表征不足问题,本文把超声功率谱特征和非线性特征应用于表征高孔隙石英酚醛复合材料的孔隙率,即在频域上对比研究孔隙对基波幅值的衰减及谐波幅值的滋生的影响。结果表明:二者均能有效表征高孔隙复合材料的孔隙率。基于频域基波分析的超声功率谱特征参量测量容易,随孔隙增加呈递减变化,在孔隙率较低时具有一定优势;基于谐波分析的超声二阶非线性特征参量,随孔隙增加呈递增变化,对高孔隙率表征更具优势。     

脉冲星X射线数据处理与分析

综述了脉冲星X射线数据处理的基本方法和流程,对航天器观测到的X射线数据基本格式、原始数据处理、时间分析、谱分析等内容进行了概括性描述,并以美国航空航天局(National Aeronautics and Space Administration,NASA)的X射线探测任务NuSTAR(The Nuclear Spectroscopic Telescope Array)和NICER(Neutron Star Interior Composition Explorer)为例,进行了数据处理的举例,得到了初步的处理结果,可为脉冲星导航和脉冲星天文研究提供参考。     

一种基于改进WLBF频谱的异构双基地前视SAR成像算法

异构平台组成的双基地前视合成孔径雷达（SAR）配置灵活,可实现多种构型下的前视成像,具有潜在的应用价值。然而特殊的几何构型使得其回波信号具有新的特性,给频谱模型的推导及成像算法的设计带来不便。针对这一问题,提出了一种基于改进WLBF （Weighted Loffeld's Bistatic Formula）频谱的双基地前视SAR成像算法。首先,引入时域去走动和切比雪夫降阶法,减小了传统频谱模型中相位历程的加权分割误差和二阶展开误差,在此基础上推导了回波信号的改进WLBF频谱表达式。然后,使用切比雪夫多项式将改进WLBF频谱展开并设计了双基地前视SAR成像算法。最后,对频谱模型和成像算法进行了仿真分析。结果表明所提改进WLBF频谱模型与传统频谱模型相比具有较高的精确度,设计的成像算法可满足异构双基地大前视系统的成像要求。     

基于极线几何的统计优化特征匹配算法

针对基于特征点的图像匹配中匹配数目不多以及重复结构下匹配较差等问题,提出了一种基于极线几何的统计优化特征匹配算法。利用正确匹配特征点之间满足对极约束的特点,从而可以减小特征点搜索区域,避免由于重复结构引起的误匹配对。首先使用一个小的特征点样本估计图像之间的基本矩阵,并利用它结合对极约束模型来引导特征匹配;然后利用基于特征点主方向和尺度信息的统计优化方法进一步消除误匹配,得到最终匹配结果。实验结果表明,该算法对图像的旋转和缩放变换具有良好的鲁棒性,匹配精度和数目有了很大提升,对于具有重复结构的图像匹配效果也较好。     

基于ARCN模型的轴承故障诊断

提出注意力循环机制与胶囊网络融合的注意力循环胶囊网络（ARCN）的诊断模型。提取时序特征信息构建初级胶囊;自适应融合路由机制、注意力循环机制构建数字胶囊特征;基于西储大学轴承实验数据,验证了ARCN模型的准确率、鲁棒性、稳定性、收敛误差,其准确率相比Caps模型识别准确率提高1.2%、收敛误差达到0.2。基于实验仿真平台,采集正常、内环故障、外环故障和滚动体故障的振动信号,并通过小波基变换获取的时频图构建ARCN模型的数据集。仿真实验结果表明:ARCN模型下,每类故障被误诊的概率不超过总样本的1%。