一种基于半符号的PSWFs调制信号PAPR抑制方法

针对椭圆球面波(Prolate Spheroidal Wave Functions,PSWFs)调制信号峰均功率比(Peak-to-Average Power Ratio,PAPR)较高,易受信道非线性特性影响这一问题,文章引入半符号的思想,针对仅传输半个周期的奇对称、偶对称信号,降低并行传输信号路数,提出了一种基于半符号 PSWFs调制信号 PAPR抑制方法。该方法在发射端仅传输部分波形,用以降低调制信号 PAPR;在接收端,利用函数良好的奇偶对称性,对信号进行恢复。理论与仿真分析结果表明,所提方法在未明显降低系统误码性能的前提下,能够有效降低椭圆球面波调制信号峰均功率比。     

基于VMD-LSSVM的扇区流量短期预测

对扇区流量进行短期预测,是精准实施扇区流量优化和管理措施的前提。基于分解集成预测方法论,建立了变分模态分解-最小二乘支持向量机（Vibrational mode decomposition-least square support vector machines,VMD-LSSVM）预测模型。首先,应用变分模态分解（Vibrational mode decomposition,VMD）方法将扇区流量时序数据分解为若干个模态;然后,使用最小二乘支持向量机（Least square support vector machines,LSSVM）模型分别对模态进行预测;接着,对模态的预测结果进行加和集成,得到了最终的预测值。算例计算结果显示,针对60 min统计尺度流量时间序列,VMD-LSSVM模型在1～6 h的均等系数（Equal coefficient, EC）值为0.97,在7～12 h的EC值为0.94;与差分自回归滑动平均模型（Autoregressive integrated moving average model,ARIMA）,反向传播（Back propagation,BP...     

基于NGO-VMD和DBO-SVM的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段信号微弱难以提取和识别的问题,提出利用北方苍鹰算法优化变分模态分解参数,并结合蜣螂优化算法优化支持向量机的方法进行故障提取和分类识别。首先,采用北方苍鹰算法对变分模态的最佳参数进行搜索,将信号用变分模态分解为若干个本征模态函数;然后利用峭度选取最优本征模态函数;最后将其输入蜣螂优化算法-支持向量机诊断模型中进行故障分类识别。实验结果表明,北方苍鹰算法-变分模态分解方法在迭代次数和收敛精度上均有一定的优势,采用峭度选择最优本征模态函数,包络解调分析后提取早期微弱故障信号故障特征的能力最佳;蜣螂优化算法-支持向量机诊断模型能在故障信号微弱背景下,使故障诊断分类识别率有一定的提高。该方法具有较好的故障特征提取和分类识别能力,为滚动轴承早期故障诊断提供技术支持。     

三种导航卫星故障识别方法的等价性研究

通过分析比较卫星导航系统自主完好性监测算法中常用的三种故障星识别方法,文中提出它们在实质上是一致的观点。从理论上证明这三种方法的等价性,并分别通过模拟数据和GPS观测站的实测数据,验证三者的等价关系。结论对于在不同应用环境下减少识别运算量、提高识别速度有实际意义。     

基于双近邻模式和最小二乘支持向量机的SAR景象匹配区选择

通过对景象匹配过程的分析,从模式识别的角度阐述了误匹配产生的原因.从避免误匹配的角度定义了双近邻度、最小距离以反映sAR景象的独特性和匹配的准确性,并结合反映地面景物稳定性的边缘密度,构建反映SAR景象适配性的分类特征向量.基于该分类特征向量,利用最小二乘支持向量机将SAR景象基准图子图划分为匹配正确的子图和匹配错误的子图,并由匹配正确的子图类构成sAR景象适配区.试验结果表明,提出的方法能够有效地规划出所需的SAR景象匹配区.     

基于LSSVR的模拟电路故障诊断

对基于最小二乘回归型支持向量机（LSSVR）的模拟电路故障诊断方法进行了研究。根据模型故障诊断原理,设计了LSSVR残差生成器,用遗传算法优化LSSVR参数,以残差的高阶统计量为故障特征识别电路故障。仿真结果表明：该法能有效识别模拟电路的故障,具一定的实用性。     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

一种基于模态减缩技术的整体叶盘结构失谐识别方法

以谐调叶盘有限元模型解析模态和真实失谐结构的测量模态作为基础信息,提出一种整体叶盘结构失谐识别方法.该方法基于经典模态减缩方法(SNM)降阶技术,降低了识别过程的计算花费以及对基础信息的要求;采用子矩阵型技术使得失谐参数定义更加的自由,并使得该方法具有模型修正的功能;利用最可能向量技术处理实验测量模态振型,可有效的限制测量噪声、非线性等因素对识别过程的影响.最后以一个真实叶盘结构的仿真分析证明了该方法的有效性.      

磁控形状记忆合金动态建模及仿真研究

磁控形状记忆合金是一种新型功能材料,准确实用的动态模型的建立必然会为其进一步的应用奠定基础.然而由于其变形机理的复杂性,难以从其物理特性出发建模.因此以实验数据为基础,用最小二乘支持向量机回归建立动态模型,可以把磁控形状记忆合金动态建模问题转换为一个非线性小样本函数回归估计问题,并与BP神经网络在估计精度和泛化能力两方面进行了性能对比分析.仿真结果表明,最小二乘支持向量机在精度和泛化功能方面做到了最好的折衷,是用于磁控形状记忆合金回归分析建立其动态模型的一种很有效的方法.     

一种基于关键特征的搜索引擎结果聚类算法

为了解决用户在搜索引擎结果列表中寻找所需信息困难的问题,帮助用户快速有效地定位有价值的Web文档,与向量空间模型方法不同,采用基于关键特征的聚类算法(KFC).首先从搜索引擎返回结果的关键词里选择重要的词作为关键特征,然后通过分析特征间的关系对特征聚类,最后基于特征聚类结果实现文档的聚类.通过对实验结果的测试表明了算法的有效性.