基于对称Holder系数的雷达辐射源信号特征分析

文章基于Holder系数,提出了一种改进的雷达辐射源信号脉内特征提取方法,称之为对称Holder系数法。给出了对称Holder系数的定义,描述了基于对称Holder系数的特征提取算法。可以看出对称Holder系数法包含了相像系数法,后者只是前者的一种特例,且该方法相对于Holder系数法,其复杂度将减少一半。文中选择了6种典型的雷达辐射源信号进行特征提取和分类识别实验。实验结果表明,对称Holder系数在取不同类型时均获得了很好的正确识别率,并且当对称Holder系数所选取的类型不为相像系数时,可以获得更高正确识别率。     

飞机电源系统整流装置故障诊断方法

某型号飞机电源系统现有的机上自检测装置由传统的硬件逻辑电路构成,存在功能扩展性差、可靠性低等缺点.为符合新一代机上自检测装置微机化、智能化的特点,在对其进行故障模式分析的基础上,采用基于小波神经网络的故障诊断方法,通过对整流装置输出电压的实测信号样本的频谱分析,获得对故障敏感的特征频率点,根据小波变换的多分辨率分析理论,确定了与特征频率点相对应的小波母函数和变换尺度.在此基础上,通过定义频带能量特征向量,将小波变换得到的小波系数转换为一组特征向量.将特征向量作为BP神经网络的前端输入,由神经网络完成故障的识别与分类.经验证,故障特征得到了有效地提取,使神经网络可在各种工况下对故障进行故障诊断,符合灵敏性、鲁棒性的要求.      

利用α稳定分布的小波域SAR图像降斑算法

提出了一种改进的合成孔径雷达(SAR)图像α-MAP降斑算法,通过采用厚尾α稳定分布和引入噪声方差调整系数的方法,可以获得更好的降斑和纹理保持效果,同时应用平稳小波分解来解决Gibbs效应引入的伪噪声问题。最后通过对实际SAR图像的降斑处理,对本文的算法与最新的小波软阈值算法以及传统的局部自适应滤波器在性能参数和滤波效果上做了全面的比较。试验表明本文的算法更具适应性,实现了降斑与纹理保持更有效的综合滤波,在性能参数和复原图像效果上都有较好的表现。     

高超声速再入飞行器气动特性的快速预示—局部方法的推广应用

本文将计算高超声速稀薄气流过渡领域中气动特性的局部方法,推广应用到连续介质中弹头型高超声速再入飞行器气动力特性的快速估算。由激波风洞中M_∞=9.9时,一个8°钝锥的气动力测量结果,导出这一实验条件下的领域系数,并以此来估算不同锥角、不同钝度比及不同外形弹头型再入飞行器的气动力和力矩系数,其结果与无粘数值解及实验结果作了比较,在攻角2°～14°范围内吻合得很好。局部方法可用于弹头型高超声速再入飞行器气动特性的快速预示。     

基于小波变换的阈值去噪技术研究

小波变换是一种新的时频联合分析方法,它在时域和频域都具有良好的局部化特性和多分辨率分析特性,能满足各种去噪要求,如低通、高通、随机噪声的去除,在信号去噪中小波变换得到了广泛的应用。本文阐述了小波变换及小波阈值去噪的基本原理,对阈值函数的选取以及阈值的确定等关键问题进行讨论。仿真实验结果表明,文章所采用的方法既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

星载角跟踪接收机角误差包络检测

针对星载角跟踪接收机中角误差合成信号的特点，提出一种基于复Morlet组合小波的角误差信息提取方法。该方法首先对星载角跟踪接收机中角误差合成信号的频域特性进行分析，角误差包含在角误差合成信号的包络中，频率上则表现在调制基波的谐波分量处。然后采用Morlet小波作为母小波，根据角误差合成信号的频域特性选取合适的小波尺度参数和位置参数可以有效的提取合成信号包络信息，从而解算角误差信息。在调制基波频率确定的情况下，合适的小波尺度参数和位置参数能准确对调制基波谐波分量进行提取，从而实现角误差的包络检测。该方法对±10kHz范围内的多普勒频偏不敏感，解决载波多普勒估计不准情况下的角误差提取。最后通过计算机中的Matlab对Morlet组合小波角误差合成信号包络提取进行仿真，证明该方法的可行性和有效性。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于SAR图像去噪.在分析目前流行的空频域去噪方法优缺点的基础上,提出了1种小波域SAR图像去噪方法.为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和...     

Slip boundary conditions for rough surfaces

The velocity slip and temperature jump for a two-dimensional rough plate under hypersonic conditions were analyzed using the Direct Simulation Monte Carlo (DSMC) method. Surface roughness was explicitly modeled by introducing various structures on the flat plate. The influences of relative roughness height, which involves the roughness height, roughness spacing, incoming velocity, and the degree of rarefaction, were analyzed and discussed. It is found that with the increase of the relative roughness height, the jump temperature increases, while the slip velocity decreases gradually. The effects of surface roughness on the slip coefficients can be attributed to the change of accommodation coefficients. A new slip model for rough surfaces was established in this paper, which accounts for the coupling effects of gas rarefaction and surface roughness, without the effort to model the surface roughness explicitly. The nitrogen flows in the microchannel, and flows over a blunt cone and an axisymmetric bi-conic body, were simulated under the modified and conventional slip boundary conditions, respectively. The numerical solutions were validated with experimental data. It can be safely concluded that compared with the traditional first-order slip boundary conditions, the modified slip model improves the accuracy of macroscopic properties, especially the heat transfer coefficient.     

基于小波神经网络的PIM功率时间序列预测

无源互调（passive intermodulation，PIM）是影响通信系统性能的关键因素之一。研究表明，PIM信号并非一个定值，而是随时间变化的非平稳信号。基于PIM功率信号的时间序列特性，文章提出基于小波神经网络的PIM功率时间序列预测方法。首先，详细介绍小波神经网络预测模型及其预测方法；其次，以同轴连接器为验证对象，通过PIM实验测试系统获得3阶PIM功率的时间序列；最后，依据获得的PIM功率时间序列，结合构建的小波神经网络预测模型对后续的时间序列进行预测分析，并将预测结果与实验结果进行比较，从而验证小波神经网络在预测PIM功率时间序列方面的有效性。该研究对于开展PIM抑制技术具有一定的参考价值。     

基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度，使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理，将消噪与分解后得到的信息作为神经网络训练的扩充样本，提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模，加快网络收敛速度并简化计算过程，实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性，平均辨识误差为2%，对于实现精确主动加载控制和验证伺服控制性能具有重要意义。