电火花加工放电状态特性试验研究

电火花加工间隙放电状态对加工质量有重要影响,为了避免电弧等不正常放电,放电状态检测系统需要根据不同的放电特性对放电状态进行鉴别.针对此问题,采用单脉冲放电法进行试验,探究火花放电和电弧放电的不同特性.在不同试验条件下,分别对两种放电电压波形进行快速傅里叶变换,发现在较低频段内,火花放电的频率幅值与电弧放电存在明显差异,...     

战场电磁频谱监测与管理

在信息化条件下,战场电磁环境已经越来越复杂.简要叙述了战场电磁环境与频谱管理的关系,从作战指挥需要出发,提出了战场电磁环境管理系统的设计原则以及应满足的具体要求.     

一种卫星频谱监测系统设计方案及实现

文章给出了一种卫星频谱监测系统的设计方案及其实现。首先给出了卫星频谱监测系统组成,其次介绍了系统的工作原理,然后对频谱监测系统的软件设计作了详细分析,给出了软件体系结构、分析算法以及设计界面,最后给出了结论。     

非直通甲板舰船空气流场的结构化建模

舰船空气流场是舰载机起降安全的重要影响因素，其结构化建模是研究舰载机起降安全边界和起降动力学过程的重要支撑。直通甲板舰船的空气流场结构化建模问题已于20世纪80年代解决，并纳入MIL-F-8785C军用规范，得到了广泛应用；而非直通甲板舰船的空气流场结构形式更为复杂，近年来科研人员通过数值模拟、风洞试验或实船测量等方法开展了研究，但其结构化建模问题仍有待解决。本文的研究目的是探索非直通甲板舰船空气流场的结构化建模方法。通过对其流场结构、形成机理进行分析，采用流场特性频域分析和数据拟合方法，解析了流场的稳态、周期和随机分量，成功构建了流场结构化模型，并通过仿真验证了模型的有效性，初步解决了非直通甲板舰船空气流场结构化建模问题，得出了较为实用的结构化模型，有望为舰载直升机起降安全研究提供重要支撑，大幅减少机-舰动态配合试验的工作量，使机-舰组合风限图的制定更加高效，并为机-舰动态配合实时仿真奠定基础。     

一种瞬时大带宽DRFM系统的信道化设计

为实现宽带雷达回波信号的模拟生成,通常采用基于信道化技术的射频存储(DRFM)系统。在信道化DRFM系统中,不合理的信道划分方案和多相滤波器设计会导致频谱混叠、频谱分量缺失和幅度失真。文章提出了一种相邻信道频谱有50%交叠的信道划分方法,并对信道化滤波器组进行了优化设计。在此基础上,给出了一种瞬时大带宽DRFM系统的实现方案。仿真结果表明,文章提出的设计方案可以实现Nyquist采样带宽内雷达信号的射频存储和模拟转发,且具有较小的幅度失真,可以满足瞬时大带宽雷达回波信号的模拟需求。     

基于滑动截获和信号相关的对流层散射频谱感知

为提高对流层散射频谱感知的性能，提出了适应对流层散射多径衰落信道的频谱感知方案。针对对流层散射频谱感知性能低下的问题，在分集接收的基础上，分析对流层散射信道的时域扩散特性，提出滑动截获的方式截获信号，计算其最佳截获长度。同时，为降低噪声对检测性能的影响，利用信号的相关性，求出各截获窗内信号的相关矩阵，构造统计量，分别推导在Nakagami-m衰落信道模型下不同分集数时的检测概率和检测门限。通过仿真实验分析，验证在不同条件下所提频谱感知算法的性能，与传统算法相比，所提算法在对流层散射信道中适应性更好、性能更强。     

适用于通信信号盲源分离的 分离条件数学建模方法研究

针对使用盲源分离技术分离卫星通信信号的数学假设工程实施问题,重点对分离条件中的数学假设混合矩阵列满秩展开研究。根据最优化理论,提出了一种适用于通信信号盲源分离的分离条件数学建模方法。首先,介绍了盲源分离的分离模型与基本假设;其次,选择矩阵条件数来衡量混合矩阵的正定性,并结合阵列天线接收模型,以矩阵条件数为目标函数,建立最优化模型,寻找最优天线间距;最后,以两个信号源、两个接收天线为例进行仿真。仿真结果表明：所建立的优化模型可以有效找到最优天线间距,通过设计合适的天线间距可以有效满足混合矩阵列满秩条件。最优天线间距与载波频率成反比。该建模方法有效将抽象的数学假设转化为具体的天线间距设计,加强了盲源分离技术的可实施性,为大规模的盲源分离天线阵列设计提供技术支撑。     

基于视听融合的宽频带振动频谱提取（英文）

提取振动频谱对于旋转机械的故障诊断至关重要。环境和噪声的多样化限制了传统单模态振动提取方法的性能。由于视听信号具有不同的采样频率、噪声和环境限制，视听融合算法可以有效解决单一模态存在的问题。基于此，文中提出了一种基于视听融合深度卷积神经网络的宽带频谱提取方法，该方法充分融合了不同模态的有效信息。该模型基于双流编码器从不同的模态中提取特征，使用深度残差融合模块提取高级融合特征并输出给解码器。实验结果表明，该模型的表现优于最新的振动提取方法，如Reg Net, MFCNN及L2L等，噪声环境下的振动频谱提取准确率提高15%。     

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为–14 dB的情况下，仍能达到83%的检测性能，且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。