在单脉冲内利用Hough-Ambiguity变换估计目标加速度研究

根据雷达发射恒定载频信号时匀加速目标的回波为线性调频（LFM）信号的特点,研究了在单脉冲内基于Hough—Ambiguity变换（HAT）估计目标径向加速度的问题。首先,采用Hough—Ambiguity变换得到信号的调频斜率;进而,根据调频斜率估计出目标径向加速度;最后,仿真实验结果验证了方法的有效性。     

小波包变换和神经网络的某型导弹故障诊断方法研究

提出了一种基于小波包变换的残差能量方法,对导弹动态测试数据进行分析处理,提取导弹的故障特征,并在此基础上利用神经网络有效地实现了故障的诊断和定位。     

基于小波域维纳滤波的激光陀螺数据处理研究

针对激光陀螺随机漂移数据的非平稳特性,设计了小波滤波器,使经小波滤波后的数据近似成为平稳序列,并进行了相应的平稳性检验.在小波变换的基础上,结合维纳滤波器处理平稳信号能力强的特点,提出了一种小波域维纳滤波法.仿真试验表明,此方法更显有效性.     

CSRT与CST气动外形参数化方法对比

类别形状修正函数变换(CSRT)方法是在类别形状函数变换(CST)方法的基础上添加修正函数以克服其不具备局部性的缺点发展而来的新型参数化方法。通过考察参数化过程中翼型的表示误差和线性系统条件数,对CSRT和CST参数化方法的表示精度和数值单值性进行了对比。使用基于以上两种参数化方法的远场组元(FCE)激波阻力优化算法对超声速翼身组合体进行了零升激波阻力优化,结果对比得到:基于CSRT方法的两级优化具有更好的优化效果,激波阻力系数降低了34.7%。研究表明:CSRT方法需要比CST方法更多的参数数量以达到相似的精度,随参数数量的增长,CSRT参数化过程的病态化程度远低于CST方法;CSRT参数化方法可以结合适当的优化算法进行气动外形二级优化,其效果优于使用相同参数数量的CST参数化方法所进行的单级整体优化。     

基于小波包变换及时间 小波能量谱的振动信号分析研究#br#

基于具有时频分析特性的小波包分析方法，对振动系统的测量信号进行了降噪处理，采用的软 硬阈值折中小波去噪方法兼有软阈值与硬阈值降噪的优点，且通过折中因子的引入，可以在信号分析中更灵活的进行信号处理.对去噪后的信号，基小波时间 能量谱分析，可以很好的将信号的主成分清晰的展示出来，并根据其能量在各频带的分布，可以直观的展示信号特征，为机械振动系统的故障诊断与识别，提供一套理论的方法.研究中所发展的分析方法在机械振动系统及其振动组件的状态监测及故障诊断识别方面有广阔的应用前景.     

基于虚拟慢时间的双基地ISAR成像算法

针对双基地角时变引起的逆合孔径雷达（ISAR）图像畸变和散焦问题，提出了一种基于虚拟慢时间的成像算法。首先，分析了双基地角时变对ISAR成像的影响机理。然后，基于图像对比度最大准则估计等效旋转中心位置，完成初次相位补偿。最后，通过虚拟慢时间构建基于非均匀虚拟采样的补偿系数矩阵，并通过方位向非均匀傅里叶变换得到目标的ISAR像。算法基于图像对比度最大准则解决等效旋转中心位置估计问题，通过虚拟慢时间消除转动相位项的高次项影响，利用非均匀傅里叶变换解决随机虚拟采样的谱估计问题。理论分析和仿真结果验证了算法的有效性和鲁棒性。     

分类回归树在航天测控数据关联规则分析中的应用

发现参数间的关联规则对预测航天器系统状态和改进航天器系统设计都有着重要的意义。如何发现参数间的关联规则是航天测控数据分析中的一个难点问题。针对该问题，在概述小波分析和分类回归树基本原理的基础上，提出了一种基于分类回归树的分析方法。该方法首先采用小波分析技术对参数数据进行去噪声处理，然后用随机采样的方法把数据分为训练数据集和检验数据集两部分，再构建一个分类回归树模型并用训练数据集训练该模型，随后用检验数据集对该模型进行检验，在对检验结果好坏进行评价并确认获得较好结果的基础上，对分类回归树模型进行解析，并最终得出参数间的关联规则。最后运用仿真数据对上述方法进行了实例验证，结果表明该方法能较好地分析出参数间的关联规则。     

低轨星座短报文通信中的扩频信号二维快捕优化与实现

极弱信号、大多普勒动态变化条件下的接收机抗干扰、快速捕获同步技术是低轨卫星短报文数据通信的研究难点.本文首先分析了多普勒特性对低轨卫星扩频信号快捕的影响,讨论了现有各种捕获策略的优缺点.在此基础上提出双倍采样、补零的部分匹配滤波与快速傅里叶变换相结合的二维并行快速捕获优化设计方案,并进行了性能仿真分析,最后结合面向判决的同步技术,给出接收机原理样机捕获时间的实现结果.在给定前导码条件下,优化后的二维并行捕获平均时间为10 ms,远低于常规扩频码并行捕获的秒量级捕获时间,可以较好地满足低轨卫星星座全球短报文数据突发通信及随遇接入需求.     

一种运载火箭时变结构模态参数辨识的确定性演化方法

针对运载火箭的时变结构模态参数辨识问题进行研究，基于时变自回归滑动平均(TARMA)模型，提出一种时变结构模态参数辨识的确定性演化方法。该方法利用小波基函数的良好局部函数拟合能力，将墨西哥帽小波函数作为TARMA模型时变系数的空间基底，构建了基于小波函数的泛函序列时变自回归滑动平均(FS-TARMA)模型，并发展了两步最小二乘估计方法，实现了时变系数的解耦估计。通过有限单元法，建立了阿里安V号芯级运载火箭时变有限元模型，对所提辨识方法进行了验证，结果表明：墨西哥帽小波基FS-TARMA方法能够有效地辨识系统的时变模态参数；与传统傅里叶基FS-TARMA方法相比，具有更好的辨识精度，并且能够准确地反映出模态局部细节特征。     

基于ZAM-GTFR和Hough Transform的LFM信号检测

对于诸如电子对抗、电子情报等领域，噪声环境下的未知参量信号检测是一个关键问题。本文提出了ZAM-GTFR结合霍夫变换对线性调频信号的一种新的检测方法。对于特定的复高斯白噪声环境下的线性调频信号，检测的过程等效于对ZAM-GTFR沿瞬时频率直线作积分，再用积分值与门限做比较。仿真结果证实了此检测方法的有效性。