基于EEG的脑力疲劳特征研究

模拟飞行员在飞行过程中监视仪表信息的过程,分析脑电（EEG）随脑力疲劳变化的特点及规律,从而为后期对抗脑力疲劳提供科学根据。通过设计2级不同难度的视觉监控任务分别诱发脑力疲劳,采用多种方法相结合进行研究,比较EEG参数（δ、θ、α、β、（α+θ）/β、α/β、（α+θ）/（α+β）和 θ/β）在任务前后的变化情况。结果表明:从正常到疲劳状态,额区、中央区、顶区和枕区的α波相对能量显著增加（P < 0.05）;前额区、侧额区、后颞区以及枕区的β波相对能量显著降低（P < 0.05）;δ波和θ波相对能量变化未达到显著性差异（均有P > 0.05）;参数（α+θ）/β、α/β、（α+θ）/（α+β）和θ/β在除颞区外的各脑区都显著增大（P < 0.05）;在颞区,只有α/β在疲劳前后增加明显（P < 0.05）;与较高难度的任务比较,低难度任务中的各EEG参数变化较为明显。因此,除δ波和θ波以外的其他特征参数被证实在特定的脑区域可以作为衡量脑力疲劳的潜在指标,同时可以验证适当地增加任务难度可以在某种程度上对抗脑力疲劳的产生。      

基于多特征融合与RF的球磨机滚动轴承故障诊断

由于冶金工业工况复杂,很难从单一信号中获取高质量的故障特征,诊断效果不佳。针对直接使用电流和振动信号进行融合,不能体现2类信号在不同频段上的优势和彼此之间的互补信息,而影响诊断性能的问题,提出一种基于振动和电流信号的多特征互补融合故障诊断方法。将振动信号和电流信号的高频系数特征通过最大绝对值规则融合,形成体现高频段特征的互补特征;将振动信号和电流信号的低频系数特征通过稀疏表示（SR）融合,形成体现低频段特征的互补特征。通过定义由多特征组成的特征矩阵融合全频段特征,增强全局特征表征能力。采用递归特征消除法消除融合后的冗余特征,提高分类精度,结合随机森林（RF）对轴承故障状态进行分类。实验结果表明：所提方法相比基于振动信号和基于电流信号的诊断结果更加准确。     

基于特征点识别的头部姿态计算

为了提升使用随机回归森林进行头部姿态分析的精度,提出了一种基于特征点识别分析头部姿态的计算框架.考虑到高误差投票的干扰,该计算框架以随机森林的特征点识别为基础从而避免异常投票干扰,将头部姿态计算问题转换为空间鼻尖特征点和朝向特征点的识别问题.在随机森林的训练中,决策函数使用了高斯曲率和平均曲率作为图形特征,根据微分熵的信息增益在随机生成的决策函数库中搜索最优化决策函数.在训练完成的随机回归森林的叶子节点中,通过分析保存的样本数据,可以得到目标特征点的高斯分布估计.根据实验测试结果,在适当的阈值设定的情况下,该方法可以实现较高的识别成功率,使用曲率后明显提高了识别精度,能够在一定程度上处理有遮挡的数据,并且该方法已经成功应用于虚拟座舱的实时头部姿态分析计算系统.     

基于遥测数据动态特征的卫星异常检测方法

基于遥测参数分析异常是保证卫星正常在轨运行的基础,通常采用阈值法判断遥测参数是否超差来判断卫星工作状态,由于其无法检测在阈值范围内变化的卫星遥测数据异常,因而会导致故障漏报.本文利用遥测参数动态变化特性,提出一种基于遥测数据变化规律检测异常的方法.利用周期图谱法求解遥测参数周期,根据遥测数据各周期之间参数值的相似性,按照遥测参数周期对数据进行采样,得到平稳差分序列,对其建立自回归移动平均混合模型,通过精确的预测结果与实测遥测数据比较来发现异常.利用该方法对实际在轨运行的某卫星2012年5月太阳能帆板转动异常故障进行验证,结果表明其能够有效避免故障漏报.     

基于表面成分检测的铝合金精准分类方法研究

铝合金凭借其优良特性广泛应用于工业制造,产生了大量废旧铝合金,而新生产铝合金会消耗大量能源且对环境造成污染,因此回收再利用废旧铝合金有重要意义,须找到对铝合金进行分类回收的高效分类方法。基于表面成分检测技术-激光诱导击穿光谱技术(LIBS),先采集铝合金表面成分的光谱信息,再结合ELMAN神经网络、人工神经网络(ANN)以及随机森林(RF)模型分别对全谱数据和特征谱线数据进行了铝合金系列分类和牌号分类。研究表明：LIBS结合RF模型,能够更加快速准确的对6个系列11个牌号的铝合金进行分类,该结果为废旧铝合金系列及牌号的快速分类提供了参考方法。     

基于分层随机梯度辨识算法的传感器故障检测方法

提出一种基于两阶段递推随机梯度参数辨识的传感器故障的在线检测方法.相对于最小二乘参数辨识算法,随机梯度参数辨识算法所需计算量更小.针对计算能力受限的系统,提出基于随机梯度参数辨识的检测算法.通过分析可知,参数辨识精度越高时检测精度越高.为提高精度,给出基于两阶段递推随机梯度参数辨识的检测算法并设计基于最新估计信息的残差.除此之外,还给出新的检测算法与原有的基于最小二乘检测算法计算量的对比分析,并通过仿真实例,证明新的检测算法的优越性及有效性.     

一种时空特征聚合的水下珊瑚礁鱼检测方法

水下监控视频中的珊瑚礁鱼检测面临着视频成像质量不高、水下环境复杂、珊瑚礁鱼视觉多样性高等困难,是一个极具挑战的视觉目标检测问题,如何提取高辨识度的特征成为制约检测精度提升的关键。提出了一种时空特征聚合的水下珊瑚礁鱼检测方法,通过设计视觉特征聚合和时序特征聚合2个模块,融合多个维度的特征以实现这一目标。前者设计了自顶向下的切分和自底向上的归并方案,可实现不同分辨率多层卷积特征图的有效聚合;后者给出了一种帧差引导的相邻帧特征图融合方案,可通过融合多帧特征图强化运动目标及其周边区域的特征表示。公开数据集上的实验表明:基于以上2个模块设计的时空特征聚合网络可以实现对水下珊瑚礁鱼的有效检测,相比于多个主流方法和模型取得了更高的检测精度。      

基于观测器的传感器故障检测与信号重构方法

针对含未知有界干扰输入的线性系统进行传感器故障检测研究.通过对输出信号进行非奇异线性变换,将传感器故障等效转化为执行机构故障,提出对干扰具有鲁棒性、对故障具有敏感性的残差生成方法,设计滑模观测器进行残差估计,实现对传感器故障的检测,得到对传感器故障信号的精确估计,并实现对传感器信号的重构.基于飞机纵向小扰动模型,对于传感器的缓变偏差、突变偏差、完全失效和反相等故障的信号重构仿真结果都表明了该方法的有效性.     

基于跨尺度特征聚合网络的多尺度行人检测

行人的空间尺度差异是影响行人检测性能的主要瓶颈之一。针对这一问题,提出了跨尺度特征聚合网络（TS-FAN）有效检测多尺度行人。首先,鉴于不同尺度空间呈现出的特征差异性,引入一种基于多路径区域建议网络（RPN）的尺度补偿策略,其在多尺度卷积特征层上自适应地生成一系列与其感受野大小相对应的候选目标尺度集。其次,考虑到不同层次卷积特征在视觉语义上的互补性,提出了跨尺度特征聚合网络模块,其通过横向连接、自上而下路径和由底向上路径,有效地聚合具有语义鲁棒性的高层特征和具有精确定位信息的低层特征,实现对卷积层特征的增强表示。最后,联合多路径RPN尺度补偿策略和跨尺度特征聚合网络模块,构建了一种尺度自适应感知的多尺度行人检测网络。实验结果表明,所提方法与当前一流的行人检测方法TLL-TFA相比,在整个Caltech公开测试数据集上（All:行人高度大于20像素）的行人漏检率降低到26.21%（提高了11.94%）,尤其对于Caltech小尺寸行人子数据集上（Far:行人高度在20~30像素之间）的行人漏检率降低到47.30%（提高了12.79%）,同时在尺度变化剧烈的ETH数据集上的效果也取得显著提升。      

基于FRFT的多分量LFM信号检测与参数估计方法

针对传统方法搜寻效率低的问题,采取瞄准搜寻策略,提出一种快速精确地检测和估计多分量线性调频（LFM）信号参数的方法。推导出LFM信号的分数阶长度和旋转角度间的近似关系;利用分数阶幅度随旋转角度变化规律,提出一种高效搜寻最优旋转角度的算法,分析得出该算法的计算量较小,相比于传统算法具有较大优势。在低信噪比情况下,进行两次S-G滤波可显著提高检测概率。仿真结果表明,所提方法在低信噪比和存在分量间信号干扰的情况下,能可靠检测和精确估计多分量LFM信号参数。      

基于C型臂的Tomosynthesis快速重建方法

传统的层析X射线摄影合成(Tomosynthesis)算法不适合对C型臂X射线投影进行切片重建.提出了一种改进的Tomosynthesis算法CTS (C-arm based Tomosynthesis),依据C型臂成像原理,将不同角度的X射线投影按其映射关系在三维空间内旋转-叠加来重建切片.该算法可以对等中心C型臂连续采集的一组有限角度X射线投影进行切片重建.通过计算机模拟空心球和空心圆柱模型的C型臂X射线投影,用该算法对其二维投影进行切片重建,并利用重建结果分析了CTS算法的重建精度以及抗噪声干扰能力.最后给出了将CTS算法推广到可以对非等中心C型臂进行切片重建的步骤. CTS为基于C型臂的术中三维成像提供了一种参考方法.      

一种基于信号合成的无线电干涉测量方法

针对后续深空探测任务更高测量精度需求,文章提出了一种基于信号合成的无线电干涉测量方案,并对方案性能进行了理论分析;结合目前主流信号合成算法,提出了一种基于相位补偿的Sumple算法,该算法不仅合成效率高,且合成信号与参考信号具有相同的相位特性,这是天线组阵技术应用于无线电干涉测量的前提;利用相控阵天线试验数据和DOR信号仿真数据对合成方案和合成算法进行了验证,结果表明信号合成处理可以提高无线电干涉测量时延估计精度,这在深空探测任务中具有重要意义。     

同步三星目标运动状态快速检测方法

针对星载无源定位系统难以从定位结果及时准确地检测目标运动状态的问题,利用同步三星时差定位体制的定位误差特性,根据静止假设下同步双星时/频差与三星定位结果应相匹配的原理,提出了基于定位一致性的目标运动状态快速检测算法.先通过定位结果的误差分析掌握目标实际位置所在区域,然后在静止假设下统计该区域的频差范围,并将定位时刻的频差观测值与之比较,实现目标运动状态检测,并且推导了检测概率的理论表达式.仿真和试验结果验证了算法的有效性,时/频差估计误差标准差为10 μs/100 mHz时,对速度大于40 m/s的目标,检测概率高于99%.实测数据表明该算法显著提高了系统目标运动状态检测的准确性和时效性.     

基于无监督学习和粒子滤波的非视距信号检测

全球卫星导航系统(GNSS)是目前应用最广泛的定位技术,研究城市峡谷中的定位问题时,由于高楼大厦的阻塞,仍存在非视距传播导致的性能退化问题。为此,提出了无监督学习粒子滤波(UL-PF)算法。在卫星信号分类阶段,使用核k-means聚类的无监督学习分类方法,在定位阶段,使用通过聚类算法优化的粒子滤波方法。所提算法考虑了采样粒子在状态空间分布中的内在相似性,探索在每个聚类中选择一个粒子作为重要粒子,利用时间序列相关技术提高重采样粒子集的多样性。实验表明：在城市场景中,所提算法的平均定位精度从传统算法的15 m提高到约5 m,收敛时间从500 s缩短到200 s左右。     

基于神经网络的OFDM信道补偿与信号检测

针对非线性失真和多径效应混合的复杂信道条件,提出一种基于神经网络的正交频分复用（OFDM）信道补偿与信号检测的方法。首先接收端信号利用最小二乘（LS）算法和迫零（ZF）算法做预处理,然后再输入到一层全链接层的神经网络进行进一步的信道补偿与信号检测,并恢复数据流。仿真结果表明,在没有进行输入信号功率回退（IBO）时,所提方法的误比特率（BER）性能比LS算法提升2个数量级,比线性最小均方误差（LMMSE）、最小均方误差（MMSE）提升一个数量级;在进行IBO后,所提方法能避免LS信道估计下至少4 dB的功率损失,能避免LMMSE、MMSE信道估计下至少2 dB的功率损失。所提方法在一定程度上验证了机器学习结合通信的先验知识的这种新的网络结构更能提升系统数据传输的准确率。      

基于信道复用方法的GNSS共视信号模拟

全球导航卫星系统（GNSS）共视（CV）技术应用中需要对GNSS共视信号进行模拟仿真,可以降低对共视接收机和共视算法进行测试过程中的成本。为此,提出了一种基于信道复用方法的GNSS共视信号的双路信号模拟方法。首先,对GNSS共视技术原理进行了分析。然后,根据GNSS直射信号的模拟思路,设计了基于GNSS直射信号模拟器的GNSS共视信号模拟方法,对共视信号传播过程中可能产生的误差进行了分析。最后,对零基线、短基线、长基线3种场景下仿真的共视信号,以及实场采集的试验数据进行了验证分析。验证的结果表明,仿真的GNSS共视信号定位准确,定位精度在米级;共视比对结果均方根值（RMS）精度优于12 ns,可以进行共视法时间传递,证明了提出的共视信号模拟方法能够有效地用于GNSS共视信号生成。对GNSS共视信号模拟器、共视接收机的研制和共视算法的研究具有一定的理论参考意义和实际应用价值。      

隐身飞行器突防仿真的特征信号新建模方法

针对突防目标不同角域内RCS(Radar Cross Section)差异较大的情况,提出5种不同的突防目标特征信号雷达重点探测区域建模方案.在计算机仿真平台上,根据目标的周向散射特性,按照这5种不同的模型取RCS均值计算雷达对目标的探测概率值.不同建模方案所得探测概率值与精确探测概率值的平均误差分别为: 13.66%,12.35%,6.6%,5.07%和2.4%.平均误差的差异表明:采用5个或8个特征信号重点探测区域的建模方案,所得探测概率值的误差小,能反映出雷达对目标探测概率的动态变化过程.仿真平台中,这两种建模方案无需存储大量目标的RCS值,只需记录5个或8个目标的RCS均值,可节省计算机的存储量,提高计算速度.