基于PSO-VMD算法的生命探测方法研究

生命探测雷达在航空航天领域有着重要的应用,通过探测飞行员的呼吸、心跳、肢体动作等微弱信号,实现对飞行员的生命监测。针对实际场景中生命体微弱信号检测困难的问题,提出一种将包络熵作为粒子群算法适应度函数的变分模态分解(variational mode decomposition, VMD)参数优化算法。首先,利用粒子群算法对适应度函数进行选择,确定VMD算法中固有模态分量的分解层数以及惩罚因子个数的组合;其次,通过频谱分析选择特定层数的固有模态分量并重构雷达回波信号;最终达到去除噪声,提取生命体弱信号的目的。对比实验表明,所提出的方法相比经验模态分解算法能够更加准确地提取生命体信息,仿真结果验证了算法的有效性。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

子空间跟踪算法在热模态问题中的应用研究

总结子空间跟踪算法识别模态参数的一般步骤。对一个有理论参考解的时变两自由度系统进行仿真,利用添加不同量级噪声的响应数据对系统进行辨识。辨识结果表明:基于新信息准则的子空间跟踪算法拥有较好的抗噪能力。对飞行器舵面结构进行受控快速加热,辨识快速升温过程中的模态参数。辨识结果表明:子空间跟踪算法可用于热模态辨识,有一定的工程应用价值。     

用数据矩阵奇异值分解实现时间欠采样信号频率无模糊估计

提出一种在欠Ｎｙｑｕｉｓｔ采样下可实现高宽频带内信号频率无模糊估计的算法，该算法通过构造一种特殊的数据矩阵，对数据矩阵奇异值分解，利用有限的采样数据构造出更为精确的噪声子空间，利用信号子空间与噪声子空间的正交性，精确地提取多个空间信号的频率信息。该法比基于协方差矩阵特征分解的算法具有更好的分辨性能。仿真结果验证了该算法的有效性。     

基于相关系数与小波模极大值的火箭振动环境数据预处理方法

提出一种去趋势项和小波模极大值结合的方法对火箭飞行中测得的信号进行预处理,以消除信号中的低频干扰和噪声。对原始振动信号进行经验模态分解(EMD),得到若干个固有模态函数(IMF)分量,对除最后一项分量的IMF进行重构并再次分解,用重新得到的IMF与再次分解前信号的相关系数作为判断标准,剔除分解中产生的低频干扰分量;用小波模极大值方法对消除低频干扰的振动信号进行降噪处理,再用交替投影算法恢复信号。仿真试验和工程实例分析结果表明:该法能有效消除火箭振动信号中的低频干扰和噪声信号。     

外弹道容错拟合微分技术及应用

针对现有数据微分处理方法的缺陷,采用容错思想改进了传统的数据处理算法,提出容错拟合微分技术。新算法有效地消除了各类孤立型野值和斑点型野值的不利影响,降低了算法对随机误差的敏感性,提高计算弹道的可靠性和精度。通过仿真和工程实践计算,验证了该算法的有效性和适用性。     

航天器随机振动试验振动台驱动力估算方法

文章针对航天器复杂随机振动条件下(尤其是试验前)推力难以估算的问题,基于模态参与的思想,结合航天器随机振动的特征,对模态参与法进行改进和算法简化。改进后方法的验证结果表明,在白噪声激励条件下其计算结果与模态参与法吻合,而且能够计算模态参与法不能计算的非白噪声激励条件的随机振动载荷。文章还提出了能在工程中快速使用的三频段法,并通过型号验证了其可行性。     

一种惯组外场标定振动干扰的分离方法

惯组在外场进行标定时常会受到地基振动的干扰,这种干扰会对惯组的测试精度造成极大的影响.为解决这一问题,根据工程实际需要,提出了一种基于经验模态分解和数字信号滤波技术相结合的惯组输出振动干扰分离方法.首先利用经验模态分解将受振动干扰的惯组输出分解成若干本征模态分量,然后采用低通滤波器对高频分量进行滤波,对低频分量相应区段做幅值修正,最后将处理过的各分量叠加,即重构出消除振动干扰的信号.相对于传统的剔除野值后的平滑滤波方法,新方法保证了数据信息的完整性,有效降低了振动干扰的不利影响,提高数据信息的可靠性和真实性.仿真实验和工程实践表明,该方法对外场的瞬时振动干扰有较强地分离能力.     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

基于广义互相关算法的遥测时延提取方法研究

在常规靶场导弹试验中,遥测需解算GNSS弹道数据,但数据解算存在一定时延,导致测量弹道滞后现象,如何提取时延并对弹道进行修正是亟需解决的问题。提出一种基于广义互相关算法的时延提取及弹道修正方法,利用相关函数峰值提取时延,进而对遥测弹道进行修正。通过仿真和试验数据验证算法的正确性,弹道误差值由修正前最大约80m修正到小于10m。