并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

NNW-TopViz流场可视分析系统

流场可视化技术采用图形图像直观地表现CFD数值模拟的计算结果，使用户能够方便地对这些数据进行分析、比较和研究。然而，CFD数值模拟的流动复杂，其产生的流场数据规模巨大、数据类型复杂、特征提取困难，传统的串行可视化软件效率低、交互手段单一，难以满足数据分析的需求。国家数值风洞（NNW）工程研制了一套流场数据处理可视化软件系统（NNW-TopViz，简称TopViz），具有对流场数据处理与特征提取、几何图形绘制等可视化与交互功能。根据可视分析效率需求，TopViz实现了线程并行，在多核计算环境下有效提高了可视化计算和交互效率；针对流场特征提取困难、常规方法效率低的问题，TopViz实现了基于卷积神经网络的流场旋涡特征提取方法，提升了特征提取准确率和效率；为提高软件交互效率并提供便捷的交互方式和体验，基于头戴式显示设备和体感控制器构建沉浸式虚拟显示与交互平台，TopViz实现了手势和眼球凝视2种交互方法，提供沉浸式环境下多视图、多角度流场探测方式。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象，以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题，提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先，DNET网络对大尺度特征图像采用密集连接模块，在前部通道保存每一层的网络输出，在网络末端引入特征注意力机制，获得每个特征通道的信息特征识别权重。然后，加入多尺度密集连接模块，并与多尺度特征融合检测结合，提高对大尺度变化情况下的目标特征提取能力。实验结果表明，在伴随红外诱饵干扰的实时检测条件下，红外目标由点目标变化为成像目标，直至充满视场的整个过程中，本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps，具备识别精确度和召回率高、识别速度快等优点，并具有良好的鲁棒性。     

一种虹膜特征提取与匹配方法

人眼虹膜尺寸很小，并且容易受到干扰，如果不能有效地提取出稳定的虹膜特征进行模式匹配，将严重影响虹膜识别的准确性和鲁棒性。本文提出一种稳定的虹膜特征提取与匹配方法，在虹膜注册端通过构建强特征分类器获得增强型特征模板，在虹膜识别端通过多样本特征映射融合提取稳定的特征样本，并根据风险预测自适应地确定分类阈值，然后进行特征匹配与虹膜分类，从而有效提高虹膜识别的准确性和鲁棒性。     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。     

基于可调品质因子小波和簇稀疏增强的磁异常信号特征提取研究

在磁异常信号目标探测中,由于存在背景噪声的干扰,导致采集到的磁信号中的有用特征极其微弱,从而极大地增加了特征提取的难度。文章提出了一种基于重叠簇收缩算法的可调品质因子小波变换的稀疏特征提取方法。与传统的固定品质因子值相比,该方法可根据信号的振荡特性调整品质因子,从而有效地诱导稀疏;此外,重叠簇收缩算法可有效地从具有簇特性的信号中提取微弱特征,从而增强特征的提取精度。经工程验证,将该方法应用于磁异常信号特征提取,可从复杂背景干扰信号中精确地提取出有用的稀疏目标特征。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5dB时,该方法的重构精度保持在92%左右。     

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达（synthetic aperture radar，SAR）自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机（support vector machine for regression，SVR）并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计．再由SVR完成精确估计。利用“运动与静止目标的获取与识别”（moving and stationary target acquisition and recognition, MSTAR）项目组提供的实测数据所做实验表明，此方法可以有效估计SAR目标方位角，精度高、泛化能力强．特别是在水平成像方位附近利用了目标的阴影信息，明显提高了相应区间的方位角估计精度。     

基于多特征融合分析的羽流烟雾区域识别

针对固体火箭发动机飞行试验中喷管排出的羽流烟雾光学信号的准确测量，应用数字图像处理技术提取羽流烟雾的静态和动态特征进行羽烟识别。为了滤除外场复杂环境对烟雾测量的干扰，设计了具有等间距的黑白条纹背景板。在黑条纹区域采用自适应的灰度阈值提取烟雾特征，在白条纹区域根据RGB和HSV颜色空间综合的方法提取烟雾特征，结合帧间差分法提取视频序列中烟雾区域的扩散边界。基于烟雾静态和动态特征综合的算法编写了烟雾处理软件，通过处理大量烟雾视频数据进行验证试验，证明羽流烟雾的识别能够有效提高光学信号测量的准确度。