An Artificial Neural Network based approach for estimation of rain intensity from spectral moments of a Doppler Weather Radar

By using a Doppler Weather Radar (DWR) at Shriharikota (13.66°N & 80.23°E), an Artificial Neural Network (ANN) based technique is proposed to improve the accuracy of rain intensity estimation. Three spectral moments of a Doppler spectra are utilized as an input data to an ANN. Rain intensity, as measured by the tipping bucket rain gauges around the DWR station, are considered as a target values for the given inputs. Rain intensity as estimated by the developed ANN model is validated by the rain gauges measurements. With the help of a developed technique, reasonable improvement in the estimation of rain intensity is observed. By using the developed technique, root mean square error and bias are reduced in the range of 34–18% and 17–3% respectively, compared to Z–R approach.     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

Real-time mosaicking for infrared videos from an oblique sweeping camera

Image mosaicking is widely used in Geographic Information Systems (GISs) for large-scale ground surface analysis. However, most existing mosaicking methods can only be used in offline processing due to the enormous amounts of computation. In this paper, we propose a novel and practical algorithm for real-time infrared video mosaicking. To achieve this, a novel fast template matching algorithm based on Sum of Cosine Differences (SCD) is proposed to coarsely match the sequential images. The high speed of the proposed template matching algorithm is obtained by computing correlation with Fast Fourier Transform (FFT). We also propose a novel fast Least Squares Matching (LSM) algorithm for inter-frame fine registration, which can significantly reduce the computation without degrading the matching accuracy. In addition, the proposed fast LSM can effectively adapt for noise degradation and geometric distortion. Based on the proposed fast template matching algorithm and fine registration algorithm, we develop a practical real-time mosaicking approach which can produce seamless mosaic image highly efficiently. Experiments on synthetic and real-world datasets demonstrate that the proposed algorithm is not just computationally efficient but also robust against various noise distortions.     

一种高动态低信噪比卫星导航信号捕获方法

为提升高动态低信噪比环境下卫星导航信号的捕获性能,提出了一种基于分数阶傅里叶变换(FrFT)及部分匹配滤波(PMF)的捕获方法。在该方法中,接收机首先利用PMF对接收信号做分段相干积分,随后借助快速傅里叶变换(FFT)对分段积分结果做离散快速FrFT,最后通过检测FrFT输出的峰值完成信号的捕获。由于具有多普勒频率变化率的卫星导航信号在FrFT后呈现能量聚焦特性,所提方法能够显著提高信号的长时间相干积分增益。同时对所提算法的捕获概率、平均捕获时间以及算法复杂度等性能指标进行了理论分析及计算机仿真验证。仿真表明,与传统的PMF-FFT方法相比,所提方法能够通过延长相干积分时间的方式有效提升高动态低信噪比卫星导航信号的捕获概率、降低捕获时间。     

基于局部三角变换的OFDM系统

正交频分复用(OFDM)调制技术由于具有良好的抗多径干扰能力和高效的频谱利用率,在许多数字传输系统中被广泛应用,成为当今卫星通信研究的热点。本文提出了基于局部三角变换（LTT）的OFDM系统模型,该系统带外频率谱密度下降快,并能保持相邻的OFDM符号的正交性。给出了用离散余弦变换（DCT）实现的快速算法及复杂度,并考查了最优基的选取。仿真和分析结果表明：该系统误码率比基于快速傅里叶变换（FFT）的系统更小,能更好地适应高速传输带来的大多普勒频移,更有效地利用带宽,为接收端对高速数据的解调提供很好的保证。     

一种小波变换像空间的再生核

利用一个常用的调制高斯函数作为小波母函数,得到小波变换像空间的再生核函数的具体表达式和小波变换的等距恒等式,并分析了小波变换像空间的结构,为一般的小波变换的像空间的研究提供了理论基础。     

一种改进的双重频退速度模糊方法

本文分析了双重复频率退模糊方法的局限性和误差成因,提出了一种统计求解方法进行速度退模糊.此方法同传统方法的差异在于,其首先对Nyquist数进行估计,再进行退模糊处理.理想实验和在中频相参多普勒天气雷达上的实际结果分析均表明,改进的方法具有更好的解速度模糊性能,且具有较高的实效性.     

利用多普勒原理测量微机电系统中微结构的动态特性

介绍了将显微扫描激光多普勒测振仪与基础激振法相结合的微结构动态特性的非接触无损测量方法、扫描激光多普勒测振仪的工作原理、设计的基础激振器及其驱动信号.并给出典型微结构--微悬臂梁的测量结果.测量结果与理论计算及有限元仿真结果相符,验证了该方法的有效性.     

分数阶Fourier域非均匀采样Chirp信号的频谱研究

文中提出了一种自适应非均匀采样方法,并利用分数阶Fourier变换对这类非均匀采样信号在分数阶域的频谱进行了分析和研究,得到了这类非均匀采样信号在分数阶域的数字谱表达式;进一步得到了非均匀采样Chirp信号的分数阶频谱表达式;最后,通过仿真验证了结论。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.