一种非视距信号环境下智能手机速度平滑定位方法CSCD

随着智能手机的普及,基于智能手机的位置服务深刻地影响了人们的生活。通常,智能手机内嵌有全球导航卫星系统(GNSS)芯片,通过跟踪导航卫星信号获得载波频率、载波相位和码相位信息,从而解算位置和速度信息。对于单点定位(SPP)技术而言,位置主要由码相位计算确定,而速度信息主要由载波多普勒频移信息计算确定。在复杂城市环境下,GNSS信号可能会被周围的建筑物反射,形成非视距(NLOS)信号。NLOS信号会导致额外的传输路径,并引起数十米的位置误差。由于速度比位置更精确,通常使用卡尔曼滤波器(KF)进行基于位置-速度(P-V)动态模型的位置平滑。提出了一种因子图优化(FGO)方法来减少NLOS引起的位置误差,将时间相关历史测量值添加到FGO中以优化当前位置估计,并采用两种鲁棒策略来减小NLOS条件下的位置偏差。最后,使用智能手机采集实际场景数据集进行了实验,结果表明FGO方法在速度辅助下可以获得更好的定位结果。     

Few-shot electromagnetic signal classification: A data union augmentation method

Deep learning has been fully verified and accepted in the field of electromagnetic signal classification. However, in many specific scenarios, such as radio resource management for aircraft communications, labeled data are difficult to obtain, which makes the best deep learning methods at present seem almost powerless, because these methods need a large amount of labeled data for training. When the training dataset is small, it is highly possible to fall into overfitting, which causes performance degradation of the deep neural network. For few-shot electromagnetic signal classification, data augmentation is one of the most intuitive countermeasures. In this work, a generative adversarial network based on the data augmentation method is proposed to achieve better classification performance for electromagnetic signals. Based on the similarity principle, a screening mechanism is established to obtain high-quality generated signals. Then, a data union augmentation algorithm is designed by introducing spatiotemporally flipped shapes of the signal. To verify the effectiveness of the proposed data augmentation algorithm, experiments are conducted on the RADIOML 2016.04C dataset and real-world ACARS dataset. The experimental results show that the proposed method significantly improves the performance of few-shot electromagnetic signal classification.     

基于差分和局部积分均值的EMD算法

针对经验模态分解中无法分离频率相近信号的问题,提出一种新的经验模态分解算法。该算法将局部积分均值的筛分算法和差分经验模态分解算法的思想结合在一起。仿真结果表明,该算法的频率分辨率比基于局部积分均值的经验模态分解算法要高,分解效率要比基于差分的经验模态分解算法要高,同时在一定程度上抑制了边界效应。     

基于粗糙集理论的振动信号数据挖掘研究

利用转子试验台,采集了转子不对中、支座松动和转子碰磨等三种振动信号。以采集到的部分振动信号为例,在时域上进行小波变换的能量特征提取。并以能量为特征参数,利用粗糙集理论对采集到的信号进行数据挖掘和获取故障规则。在获取的规则基础上,对余下的振动信号进行了验证,结果表明诊断全部正确,规则是有意义的。     

用物元分析理论评定火箭发动机质量

本文采用物元分析理论来处理火箭发动机设计和生产中的不相容问题,由此得到适用于工程系统的火箭发动机生产质量的评定模型.文中给出的应用实例表明:本文方法使用简便,且其结果直观准确,易用电子计算机进行规范化评定.     

基于切片熵权的WHT多LFM信号识别方法

为提高在低信噪比与先验信息不足条件下对线性调频(LFM)信号识别能力,借鉴信息论中的熵权法改进WHT(Wigner-Hough Transform),提出了一种基于切片熵权的WHTE(Wigner-Hough Transform based on Entropy)算法。推导出LFM信号的WHT与对应特性,将WHT变换域内极半径和角度切片的熵值来转换为权重因子,进而对每个切片进行加权处理,采用双层权重以弱化噪声与干扰项的影响,并推导出LFM信号与高斯白噪声在WHT维度内不同假设条件下的概率密度分布函数,构建了对于LFM信号WHT后恒虚警检测的完备流程。通过理论分析与公式推导论证了算法的可行性,并与WHT、分数阶傅里叶变换与周期WHT算法的仿真对比,验证了算法的有效性,凸显WHTE算法能够在强噪声背景下与没有先验支撑时实现对LFM信号的良好检测。     

风储孤网系统小干扰稳定性分析研究

从电力系统运行的一般原理出发,开展风储孤网系统小信号稳定和动态稳定的研究,保障局部地区供电可靠性。基于特征值分析法和李亚普诺夫线性系统稳定性判据,对风储孤网系统小干扰稳定性问题进行了研究。提出风储孤网系统储能单元基于下垂控制模式的储能逆变器控制策略,并根据风储孤网系统各模块的控制策略建立相应的数学模型;基于特征值分析法进行风储孤网系统各模块数学模型的小干扰稳定性分析,并根据李亚普诺夫线性系统稳定性判据进行风储孤网系统的稳定性判断;基于MATLAB/Simulink仿真平台搭建风储孤网系统仿真模型,通过仿真验证了风储孤网系统能够实现稳定运行,与小干扰稳定性分析得出的结论一致。研究成果可为风储孤网系统的运行稳定性研究提供理论参考。     

高动态GPS卫星信号模拟器导航电文生成

为了测试全球定位系统GPS(Global Positioning System)接收机的性能,应用GPS信号模拟器来模拟各种条件下真实的GPS信号.GPS卫星信号发生器由硬件、计算机和软件组成.软件主要由卫星导航参数计算模块、目标运动轨迹计算模块、误差计算模块等模块组成.导航电文产生功能模块是高动态GPS卫星信号模拟器要解决的一项关键技术.给出了3个卫星星钟改正参数的物理意义和星历产生模型,根据这些参数并结合相应的时间参数来形成卫星导航电文.通过程序仿真并与导航电文进行验证,证明推导出的星历产生模型基本符合GPS星的星座排列规律.     

航空发动机标准信号的存储与恢复

研究了航空发动机机载系统标准信号的存储和恢复问题,提出了用信号的功率谱密度代替存储时域信号的思路,并用信号的一个采样值和其功率谱密度恢复了整个信号。从计算结果看,该方法可以有效地压缩机载设备的数据存储空间,并且恢复的信号质量较高。     

基于跨层信道感知的SPMA 协议自适应阈值算法

基于统计优先级的多址接入协议（SPMA, Statistical Priority-based Multiple Access protocol）应用于机