基于小波分析的压气机失速故障检测

当发动机发生失速时，会引起压气机内压力信号的变化，这种压力信号的变化可以看作信号的奇异点，利用小波分析所具有的时－频特性和多分辨分析的特点，结合对压气机内压力信号频率成分的研究，通过检测模极大值的方法来确定信号的奇异点，进而探测压气机的失速故障，结果表明，利用该方法可以准确地检测压气机失速故障。     

强噪声环境下声波信号时延估计方法的比较

声波信号时延的准确估计是实现强噪声环境下声学法高精度测温的关键。介绍了声学测温中基于互相关函数、人工神经网络和小波变换等几种典型的信号时延估计方法．对这3种时延估计方法的实现原理分别进行了论述，分析比较了它们的优缺点，相比于其他两种方法，小波变换技术更适合于强噪声环境下的声波信号的时延估计。     

基于小波变换的多聚焦图像融合评述

概述了数据融合的基本概念和应用,简明分析了多聚焦图像的成像机理,从像素级层面上描述了基于小波多尺度变换的图像融合思想和过程.由于在基于小波变换的图像融合过程中,融合规则起很重要的作用,因此本文重点综述了适于多聚焦图像融合的三种融合规则：基于像素的融合规则、基于窗口的融合规则和基于区域的融合规则,并对这些规则进行了比较,最后给出了图像融合效果的客观评测方法.     

小波变换在爆炸焊接复合板超声检测中的应用

在传统超声波检测的基础上,利用小波变换将超声检测回波信号分解成不同频带上的信号成分,通过分析这些不同频带上的焊接界面回波和底面回波,结合爆炸焊接复合板不同结合界面对超声波传播的影响,检测出爆炸复合板界面的结合形态.钢钛爆炸焊接复合板的实验室检测结果表明,该方法具有检测方便、检测周期短和不破坏材料整体性的优点.     

飞行器RCS近场测试技术研究进展与工程应用

雷达散射截面(RCS)测试是隐身技术和目标特性研究的基础。无论是研究物体的电磁散射特性还是研制具有突防能力的隐身武器系统,RCS测试都具有非常重要的意义。通过RCS测试可以验证电磁散射计算的理论和方法,更重要的是,对部分飞行器目标进行电磁散射理论计算非常困难,而通过测试可以直观地获得目标的电磁散射特性数据,从而避开复杂的电磁仿真计算。与外场、紧缩场RCS测试方法相比,近年来得到广泛应用与发展的RCS近场测试方法在飞行器目标的散射特性测试方面具有效率高、成本低的优势。介绍了飞行器RCS测试评估方法,综述了国内外RCS近场测试技术研究的最新进展与工程应用实例,分析展望了飞行器RCS近场测试技术面临的机遇与挑战。     

结合视线方向运动补偿的滑动聚束SAR子孔径成像算法

滑动聚束合成孔径雷达(SAR)是一种新兴的成像模式,既可以提高方位向分辨率又能够扩展成像范围。其数据处理时需要考虑两个关键问题:一是系统脉冲重复频率(PRF)不足,方位向信号发生混叠;二是合成孔径长度的增加使运动误差的影响更为突出,运动补偿(MOCO)精度要求提高。基于子孔径技术,提出了一种改进的高分辨率成像算法。划分子孔径克服了PRF不足的问题;子孔径数据处理采用结合视线(LOS)方向运动补偿的Omega-K算法,实现更高精度的运动补偿,提高了聚焦质量。最终的方位向分辨率达到0.1 m,具有实际工程应用价值。点目标仿真和实测数据处理验证了算法的有效性。     

固体火箭发动机缺陷的ICT局部检测

为了实现对固体火箭发动机缺陷的局部检测,提出了窄角扇束工业计算机断层扫描成像(ICT)检测固体火箭发动机缺陷的局部检测方案.采用平移/旋转扫描方式和只旋转扫描方式对固体火箭发动机缺陷进行局部检测.为了验证局部检测方案的有效性,利用窄角扇束ICT对某型固体火箭发动机进行局部检测,并利用卷积反投影算法和小波变换算法进行局部重建.结果表明:平移/旋转扫描方式适合窄角扇束ICT对固体火箭发动机缺陷进行局部检测,只旋转扫描方式不适合局部检测.由于利用局部缺陷区域外的投影数据,卷积反投影算法较小波变换算法的局部重建质量高.这对于提高固体火箭发动机缺陷的检测效率,降低检测成本具有重要意义.      

基于加权的可见光与红外光图像融合算法

红外图像所含边缘等细节偏少、可见光又容易受外部环境干扰,融合图像可以提供更全面的信息,符合人或机器的视觉特性,为图像进一步分析、识别等提供基础。提出一种比值与梯度加权的可见光与红外光图像融合算法,结合小波变换在图像分解中的特性及信号集中的特点,将小波变换应用于红外光和可见光图像融合中可以提高融合信息的理解能力。针对分解获得的低频系数主要反映图像细节信息的特点,对低频系数采用比值加权分析融合规则;针对分解获得的高频系数主要反映图像边缘信息特征的特点,对高频系数采用改进边缘检测算子梯度加权的融合规则。选取多组图像进行了不同融合规则实验对比分析,通过客观评价指标进行评价,改进的融合算法可以获得较清晰的融合图像,可以增加图像的互补信息,并能较好地提高融合图像的清晰度。     

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

基于相关性分析的高精度相位求取方法

信号的相位是直升机旋翼动平衡调整关键参数之一,高精度的相位在旋翼动平衡调整中非常关键。在旋翼动平衡调整中,通常相位是通过对部件振动速度或者加速度信号作固定点数傅里叶变换得到的。然而傅里叶变换求相位存在局限,用定点数傅里叶变换求取的相位是不准确的,且受采样点数限制,用傅里叶变换求取的相位精度有限。本文从傅里叶变换原理出发,提出一种基于相关性分析的高精度相位求取方法,首先通过与正弦曲线作相关性分析求取初步相位,然后微调具有初步相位的正弦信号的平移步长求取高精度相位。通过分析与验证,本文提出的方法在计算速度和相位精度上有较好的表现。