基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

基于集合经验模态分解和小波阈值的真空泵振动信号降噪方法

真空泵的振动信号具有非平稳、非线性的特性,且夹杂着大量背景噪声,难以直接对其特征信号进行提取、分析,阻碍对真空泵的在线故障诊断。为此,文章提出基于集合经验模态分解(EEMD)的真空泵振动信号小波阈值降噪方法:首先将振动信号进行EEMD分解,得到若干个本征模态函数(IMF)与余项,然后引入归一化自相关函数对IMF分量进行筛选,再对筛选出的IMF分量进行小波阈值降噪处理,最后将降噪后的IMF分量与未处理的IMF分量和余项进行重构,得到降噪后的真空泵振动信号。对仿真与实验信号进行降噪处理的结果表明该方法优于现有的降噪方法,为真空泵振动信号的降噪提供了新的途径。     

基于EMD及FRFT的反辐射导弹检测技术

提出了一种基于经验模式分解（EMD）方法和分数阶傅里叶变换（FRFT）来检测反辐射导弹（ARM）的新方法。首先利用EMD方法将ARM信号从雷达回波信号中分解出来,然后进行FRFT变换,最后设立适当的门限即可检测出ARM信号。仿真结果表明,该方法能够在ARM信噪比低达-16dB的情况下,准确地将ARM检测出来,实现实时告警。     

固有模态函数(IMF)积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器.首先通过经验模式分解(EMD)把带噪信号分解成有限个固有模态函数(IMF).检测的基本思路是,对各个IMF分量的绝对值作逐点乘积,用于抑制噪声并凸现信号,最后进行滤波和判决.本文以UWB信号为例,数据源于UWB雷达实验系统.在低信噪比(SNR),UWB脉冲与噪声波形相似,且噪声概率密度函数(PDF)未知情况下,进行实验.结果表明,当峰峰信噪比低于5 dB时,该检测器性能优于Teager能量算子(TEO).     

基于HOSVD局部重组的利噪抑噪经验模式分解及应用

及时准确地识别航天机构萌生和发展的损伤故障特征信息,可为机构故障诊断评估、科学任务调整以及未来在轨维修提供科学决策依据。集成噪声重构经验模式分解(ENEMD)及其衍生方法都是基于噪声利用机制以原信号中估计噪声改善模式混淆并实现信号降噪。然而,该方法中奇异值拐点难以获取、阈值处理中噪声不连续等带来的噪声估计偏差,将降低微弱特征提取准确性。为此,提出一种基于高阶奇异值分解(HOSVD)局部重组的噪声估计技术。研究基于滑动窗截断和Hankel矩阵相结合的张量构建,然后将奇异值曲率谱上的最大峰值点作为合理奇异阶,最后根据选取的奇异阶重构张量分解模型得到所需的估计噪声分量。在此基础上,将HOSVD局部重组引入ENEMD方法中,提出利噪抑噪经验模式分解方法。该方法可进一步提高微弱噪声估计精确度,实现对航天机构损伤微弱特征的增强提取。仿真分析和某航天轴承试验案例验证了该方法在损伤微弱特征提取和识别上具有实用性与有效性。     

改进的EMD算法及仿真分析

经验模式分解(EMD)是1998年由Huang等人提出的新的分析和处理非平稳信号的方法.目前对于EMD算法的端点效应问题,有包括神经网络延拓法、镜像延拓法在内的多种处理方法.但是这些方法都存在计算量大的问题,为了有效减少计算量,通过对镜像延拓法的研究,提出了一种改进的端点效应抑制方法.最后通过仿真,证实该方法不仅有效地...     

非线性燃烧不稳定振荡幅值演化特征信号辨识方法研究

固体火箭发动机非线性不稳定压强振荡信号存在明显的多阶模态共存现象，且各个模态幅值随时间变化特性不同，模态之间存在振荡能量的传递与演化过程。为研究非线性燃烧不稳定模态间能量传递的演化规律，首先需要对振荡信号进行准确的模态分解。基于变分模态分解(VMD)方法，提出了一种可用于固体火箭发动机非线性不稳定振荡信号的自适应模态分解方法SPSO-VMD,解决了传统VMD方法无法自适应问题，在提高信号分解精度的同时极大的降低了计算时间。基于该方法，对典型的非线性燃烧不稳定信号的各阶模态进行了分解和分析。结果表明，该方法能准确地获得非线性燃烧不稳定振荡信号中各阶模态的频率和幅值，频率误差为0,幅值误差小于0.5%。最后，将该方法应用于真实发动机振荡数据获得了各阶模态幅值信息，为后续各阶模态之间能量传递演化研究提供了关键、准确的数据支撑。     

基于局域波分解的微机械陀螺信号提取研究

在某型微机械陀螺实测数据的基础上,提出采用局域波分解的方法进行陀螺信号提取研究。根据局域波分解的滤波特性,采用一种新的滤波方式。首先将某一时刻的多个瞬时频率分解到不同的基本模式分量中,对信号进行局域波分解;根据分量相关系数判别噪声;对分量进行时域尺度滤波,得到重构后的去噪信号,进而得到陀螺真实信号。在实测数据上,通过局域波分解和小波变换进行信号提取对比分析,试验表明,两者均能很好的信号去除噪声,提取陀螺信号,但硬件实现上局域波分解更容易,更有实际工程意义。     

基于EMD的无参考图像清晰度评价方法

针对现有的灰度变化统计函数不能提供图像全频段综合评价的缺陷,提出了一种新的基于经验模式分解的无参考清晰度评价方法。图像经经验模式分解后,会产生多层本征模式函数图像和剩余图像。不同本征模式函数图像包含了不同频率区间的边缘、纹理信息。模糊图像和清晰图像在相同本征模式函数分解层上,表现出不同的灰度变化特性。通过统计各层本征模式函数图像的极值个数,作等权重加和,并利用整幅图像像素数进行归一化处理,构建了经验模式分解清晰度参数。仿真模糊图像和遥感图像的试验结果验证了该参数评价清晰度的有效性。     

基于新型经验模分解的激光陀螺漂移趋势项提取

为了提高激光陀螺建模精度进而提高惯件导航系统的精度,需要对激光陀螺漂移时间序列的趋势项进行精确提取.针对陀螺漂移时间序列非线性、非平稳的特点,提出一种基于自适应正弦延拓的新型经验模分解方法对其趋势项进行提取.该方法根据信号端点附近数据变化趋势,在其两端加上适当相位、幅值和频率的正弦延拓函数,从而抑制端点效应,提高分解精度.数字仿真和实例应用结果表明该方法具有筛选次数少,自适应能力强,分解精度高的优点,是提取趋势项的一种有效方法.     

固有模态函数（IMF）积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器。首先通过经验模式分解（EMD）把带噪信号分解成有限个固有模态函数（IMF）。检测的基本思路是，对各个IMF分量的绝对值作逐点乘积，用于抑制噪声并凸现信号，最后进行滤波和判决。本文以UWB信号为例，数据源于UWB雷达实验系统。在低信噪比（SNR），UWB脉冲与噪声波形相似，且噪声概率密度函数（PDF）未知情况下，进行实验。结果表明，当峰峰信噪比低于5dB时，该检测器性能优于Teager能量算子（TEO）。     

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Huffman最优二叉树支持向量机的舱音记录器背景信号识别

飞行器舱音记录器(CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成.目前国内对该类信号的分析和辨别主要是计算机译码后利用人耳进行辨听,存在不易准确分辨各种独立声音信号的缺点.针对舱音信号是一种非平稳性的时频信号,提出了基于多尺度最优小波包基的CVR背景信号特征提取算法,将10种典型信号进行小波包分解,以分解得到的子带能量作为信号初始特征,再根据类间最大距离准则选取最优小波包基,从而确定待识别信号最具有代表性的特征向量,最后基于Huffman最优二叉树支持向量机进行CVR背景信号分类.仿真实验结果表明,该方法的平均识别率为94.62%,可以应用于CVR背景声音信号的自动识别.     

基于改进PCA的DOA估计方法

阵列信号处理中,MUSIC等高分辨率DOA估计方法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理.提出一种改进的PCA(principal component analysis)迭代算法,来逼近信号子空间.仿真实验表明该算法在估计弱信号时性能要比MUSIC算法好,且计算量要小得多.     

传播算子方法在宽带DOA估计中的应用

将传播算子与宽带相干信号子空间方法相结合,推导了基于传播算子的宽带相干信号子空间方法,该方法所构造的聚焦矩阵不需要奇异值分解,在获取噪声子空间时不需要特征值分解,因而大大降低了运算量.比较了双边变换(TCT)方法与所推导的方法在分辨两个相邻较近信号源时的性能,仿真表明,在高信噪比时,该方法性能与TCT方法相近.     

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.     

应用经验模态分解的箱型结构裂纹诊断方法

为获得航天器结构的更多故障信息,文章提出了一种应用经验模态分解对一个两层箱型结构进行裂纹故障诊断的方法。先对该结构进行有限元建模和模态分析,发现结构有无故障均对模态的影响非常小;再对实际结构进行正弦振动试验,对振动响应信号进行经验模态分解,利用固有模态函数构造标识向量,提取用标识向量间的标识夹角作为诊断结构故障的指标。分析结果表明,结合施加给结构的主振方向,利用标识夹角能识别出裂纹的位置和方向。该方法为航天器结构故障的诊断提供了一种新的思路。     

一种非周期调制直扩信号扩频码估计方法

对卫星测控中一类扩频码周期与信息码周期之比为非整数的直扩信号进行了研究,得出这类信号可建模成非周期调制直扩信号,提出并讨论了一种基于差分主元分析（D PCA）的非周期调制直扩信号扩频码估计方法,该方法通过计算与差分序列协方差矩阵的最大特征值对应的特征向量完成信息码个数、子序列、信息码同步点等参数的估计,解决了传统矩阵分解方法在估计码序列时码序列相位模糊问题,理论分析和仿真结果表明该方法可以在低信噪比下进行有效估计。     

面向资源约束航天器控制系统的故障检测研究

针对航天器控制系统的闭环特性和星载计算机存储空间和计算能力等资源受限的特点,研究基于互质分解技术和Youla参数化方法的故障检测方法.考虑航天器控制系统动力学方程和运动学方程,建立线性化系统模型,并给出状态空间表达形式;以状态观测器为基础,利用互质分解技术和Youla参数化方法分别研究控制信号和控制误差与残差的关系,进而给出只与控制信号和控制误差相关的残差设计方法;建立卫星闭环姿态控制系统仿真平台对算法进行仿真验证.仿真结果表明:由于在故障检测过程中避免了观测器的并行运行,因此所提方法在保证故障检测性能的前提下减少了计算量.     

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。