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。     

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）。     

基于最佳匹配原则的自适应随机共振算法研究

针对传统微弱信号检测手段在强噪声背景中改善探测性能不理想的问题,将随机共振应用到强噪声背景探测中,分析其基础理论,结合粒子群优化算法与最佳匹配原则,提出一种新的基于最佳匹配原则的自适应微弱周期信号检测方法。方法首先按最佳匹配原则估计随机共振系统参数,再通过优化算法在小范围内快速稳定地得出最佳系统参数与混合信号中微弱周期信号频率。实验结果表明,检测值与真实周期信号频率值误差仅为0.75%,并且方法提高了信噪比,实现了利用噪声增强微弱信号的目的。     

基于统计分析的有限元模型修正

响应面模型代替有限元模型进行修正便于与粒子群算法等优化算法结合,有利于提高修正效率和精度。文章用某雷达卫星的简化有限元模型计算基于正交设计的各水平参数下模态频率,用方差分析确定待修正参数并构造二次响应面模型,用最小二乘法确定多项式系数,以响应面计算结果与实测结果的差值构造适应度函数并用之引导含混沌搜索机制的改进粒子群算法对待修正参数的偏移量进行寻优,修正后参数代入原有限元模型得到修正模型。修正后模型不仅能以高精度复现测试频段内的模态频率,而且能以一定精度预测测试频段外频率,证实了修正方法的有效性。     

基于循环平稳约束的盲信号提取算法

 特定信号提取是通信信号处理中的重要问题。在约束独立分量分析方法的基础上提出了基于循环平稳约束的盲信号提取算法。该算法利用通信信号固有的循环平稳特性作为约束条件,结合独立分量分析的学习过程,同时完成特定目标信号的分离和选取,避免了经典独立分量分析方法提取“无关”源信号的过程。仿真结果表明,相比传统ICA算法,本文算法能有效提取目标源信号且提高了目标源信号的估计精度。     

基于VRT的气象粒子群时域回波仿真研究

随着雷达使用频段提升,降雨、云雾等气象因素对雷达探测的影响逐渐不可忽视。为研究气象粒子群对雷达探测工作产生的影响,文章总结了电磁波在不同类型气象粒子群下的谱分布与衰减特性;再根据粒子谱方程给出气象粒子群的模型信息;最后基于矢量辐射传输方法,提出了一种改进的气象粒子群时域回波快速仿真的方法,包括分区加速、传播路径判断的优化,在大体量粒子群回波建模中的优化效果可达到普通方法的20倍左右。结果表明,雨粒子群对雷达探测工作会造成较大的杂波,其杂波幅值约为发射功率的10-4倍;云粒子群的时域结果存在较强的随机性;雾粒子群时域结果均匀且幅值较低。文章针对不同类型气象粒子群时域回波的仿真结果与分析,对雷达的精准探测研究具有一定参考价值。     

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。     

GA-PSO组合算法模型修正

文章在遗传算法（GA）和粒子群算法（PSO）的基础上,介绍了GA-PSO组合算法的流程和模态修正适应度函数的确定,并利用该算法对一个5层钢架结构模型进行修正,证实了该算法能有效修正模型。该算法能在前期利用GA算法进行高效全局搜索,后期利用PSO算法进行细致局部搜索,与单独使用PSO算法和GA算法相比,该组合算法修正效率和精度更高。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题，提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法:通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构，实现信号降噪；通过粒子群算法（PSO）对MPE进行优化，提出PSO-MPE特征提取方法，参数优化后的MPE能够提取更为关键的特征信息；将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象，将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析，结果表明改进方法的分类准确率和效率更高，在T-SNE可视化下的分类效果更明显，能够实现滚动轴承故障的高精度和高效率检测。     

基于粒子群算法的多波位高度估计方法

为解决雷达斜视模式下对目标区域的高度估计问题,提出了一种基于粒子群算法的多波位高度估计方法。利用粒子群优化算法建立约束条件和目标函数,通过多次迭代使目标函数趋于一个最优值,同时得到高度的最优解。利用粒子群优化算法求解多波位测高方程组可减小方程组近似处理误差。此外,利用粒子群优化算法可随时更改波位数目,增强了该测高方法使用的灵活性,有效提高了高度估计精度。通过理论仿真和实测数据仿真分析,验证了粒子群优化算法在求解多波位测高方程组时的有效性。结果表明:该方法具有较高的高度估计精度。     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

基于信噪比优化的中段传感器预指派模型

结合中低轨中段弹道目标连续跟踪这一特殊应用背景,从跟踪相机交接的再捕获确认到稳定跟踪的全程角度出发,提出了一种基于信噪比和跟踪精度联合优化的新的传感器预指派模型。并采用通过对粒子降维处理和位置矢量更新的实值粒子群优化算法,对所提模型的性能进行分析和比较。仿真实验表明,该模型的调度性能较之前的优化目标函数及二进制粒子群优化算法,更贴近导弹中段飞行情况的实际且性能有所改进,因而是一种更高效的调度模型。     

基于Contourlet域Krawtchouk矩和改进粒子群的遥感图像匹配

为了进一步提高遥感图像匹配的精度和运算效率,提出了一种利用Contourlet变 换、Krawtchouk矩和改进粒子群的遥感图像匹配算法。在分别对参考图像和目标图像进行Co ntourlet分解的基础上,引入Krawtchouk矩来提取图像的局部特征,并利用改进的带极值扰 动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,然后逐级上推,
最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹 配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。
     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。     

Time-optimal trajectory planning for underactuated spacecraft using a hybrid particle swarm optimization algorithm

A hybrid algorithm combining particle swarm optimization (PSO) algorithm with the Legendre pseudospectral method (LPM) is proposed for solving time-optimal trajectory planning problem of underactuated spacecrafts. At the beginning phase of the searching process, an initialization generator is constructed by the PSO algorithm due to its strong global searching ability and robustness to random initial values, however, PSO algorithm has a disadvantage that its convergence rate around the global optimum is slow. Then, when the change in fitness function is smaller than a predefined value, the searching algorithm is switched to the LPM to accelerate the searching process. Thus, with the obtained solutions by the PSO algorithm as a set of proper initial guesses, the hybrid algorithm can find a global optimum more quickly and accurately. 200 Monte Carlo simulations results demonstrate that the proposed hybrid PSO–LPM algorithm has greater advantages in terms of global searching capability and convergence rate than both single PSO algorithm and LPM algorithm. Moreover, the PSO–LPM algorithm is also robust to random initial values.     

基于精英群引导下量子粒子群算法的快速零陷形成技术

引入罚函数项,建立了一种新的发射波束方向图综合控零的多目标优化模型。用适应度值排序建立由种群非支配解组成的精英群,以精英群中的粒子作为全局最优解引导粒子飞行;用爬坡策略更新全局最优解,给出了基于精英群引导的量子粒子群算法。对阵列权值采用加权优化,可在发射波束指定方向的多零陷、宽凹口。仿真结果表明：算法对多目标的优化较文献算法更优,能优化阵列权值在指定方向快速形成零陷。     

多传感器交叉提示多目标探测动态联盟技术研究

针对多传感器交叉提示多目标连续、高概率探测问题,引入动态联盟思想,提出了多传感器交叉提示多目标探测的动态联盟机制,为解决被提示传感器的选择问题建立了动态联盟的数学模型,提出了对每个目标形成一个动态联盟进行探测求解多个传感器动态联盟的带变异算子的离散粒子群算法。仿真和实验结果表明该算法能够得到更满意的解,优化了系统综合探测概率、总消耗以及所有目标联盟成员总数三种性能,与实际情形要求一致,从而表明了模型的合理性和算法的有效性。