基于谱插值和奇异值差分谱的滚动轴承静电监测信号去噪方法

采用静电传感器进行滚动轴承故障监测实验研究.针对滚动轴承静电监测中各种强噪声、故障特征难以提取的问题,提出了基于谱插值和奇异值差分谱的联合去噪方法.首先采用谱插值抑制工频干扰,然后将所得信号构造Hankel矩阵,求取奇异值差分谱并自动确定有用分量个数,最后重构信号.仿真和实验结果表明:仅采用奇异值差分谱或者小波去噪方法,无法从含有强工频干扰的信号中提取有用成分;所提出的方法相比较谱插值和小波去噪方法能够凸显早期故障特征频率.     

基于极大似然估计器的GNSS矢量跟踪算法

矢量跟踪是一种将全球导航卫星系统(GNSS)接收机的信号跟踪与导航解算融为一体的跟踪算法。传统的基于矢量延迟/频率锁定环(VDFLL)的跟踪算法普遍采用延迟锁定环(DLL)和锁频环(FLL)鉴别器计算伪距和伪距率偏差观测量,由于锁频环鉴别器存在近似误差和一步延迟效应,在高动态环境下容易造成环路失锁。从直接估计卫星信号特征参数的角度出发,基于中频信号模型构建码相位和载波多普勒的极大似然代价函数,采用非迭代估计算法得到各通道码相位和多普勒频移的估计偏差,转换为卡尔曼滤波器的观测矢量,提出一种基于极大似然估计器(MLE)的矢量跟踪算法。理论分析和仿真结果表明:新算法结合了极大似然估计和矢量跟踪的优点,克服了FLL的延迟效应,与基于VDFLL的矢量环路相比,高动态环境下的跟踪稳定性更好,可以对被遮挡的卫星保持持续的跟踪。     

数字域谱估计的GNSS系统信号带宽测试方法

针对传统的单载波扫频法不适于GNSS（全球导航卫星系统）信号生成通道的带宽测量的问题,提出了采用数字信号处理的信号带宽方法.对实际导航信号进行高速采样,在数字域对采样的导航信号和本地数字生成的理想导航信号进行频谱估计和计算,从而得到GNSS信号带宽.分别使用周期图法和Welch法谱估计,对提出的测试方法进行仿真.仿真结果表明,采用Welch法进行理想信号和实际信号谱估计,对谱估计后的结果进行计算,可以完成GNSS信号带宽精密测量,在Welch法估计参数设置合理的情况下,GNSS信号带宽估计的准确度可以达到99.9％以上.     

无线电高度表信号模拟器射频信号延时/衰减模块设计

无线电高度表程控信号模拟器是无线电高度表自动测试系统（ATE,ATS）的重要组成部分,而射频信号延时/衰减模块则是无线电高度表程控信号模拟器3个功能模块组件中的核心模块。研制了一种采用声表面波（SAW）延迟线作为射频信号延时器件、射频衰减器作为射频信号功率衰减器件,通过程控射频开关控制不同声表面波延迟线的切换,包含射频信号变频、放大等结构电路的无线电高度表信号模拟器射频信号延时/衰减模块。经无线电高度表自动测试系统的实际工程应用表明,该无线电高度表射频信号延时/衰减模块对C波段（4.2～4.4 GHz）射频调制信号的延时精度高、衰减范围大,体小、质轻,适合置于无线电高度表测试适配器内部使用,具有较高的工程应用价值。     

脑电信号源脑电图定位方法的综述

临床神经外科医生针对某一种脑部病变做病灶(可看作一种信号源)摘除的手术时，需要对该病变的病灶做精确的定位。本文对脑电信号产生的根源、脑电信号源定位的重要性以及脑电信号源定位方法进行了探讨。     

航空发动机测试信号噪声特性分析

在采集到的航空发动机测试信号中不可避免地混有噪声或干扰信号,讨论了利用频谱分析、滤波、小波分解、双谱估计、以及自相关分析等提取发动机信号噪声的方法,分析了发动机信号噪声的类型和特性。结果表明:发动机噪声主要是加性、低强度的连续频谱,在某几个频率成分上也分布着线状频谱。噪声中既有白噪声、又有非平稳的入侵色噪声。      

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

飞机俯仰速率信号重构方法研究

研究了六自由度非线性方程描述的飞机在俯仰速率传感器故障情况下的信号重构方法。给出了两种重构方法，一种是通过建立等效的线性模型，设计线性状态观测器重构状态信号，另一种是使用非线性跟踪微分器方法．通过跟踪俯仰角的微分信号来计算俯仰速率信号。仿真结果表明，两种方法都具有一定的可行性。     

基于频域CLEAN和谱图-Radon变换的SAR运动目标检测算法

谱图-Radon变换可有效地检测多个线性调频信号,当多个线性调频信号的能量相差较大时,谱图-Radon变换就很难将所有的信号检测出来。为了解决这个问题,文中提出了基于频域CLEAN的检测技术与谱图-Radon变换相结合。使用检测能量相差较大的多个线性调频信号的方法。这种方法可以有效地检测出所有的信号,具有较大的实用价值,仿真实验结果表明这种算法是有效的。     

SENSOR FAILURE DETECTION AND SIGNAL RECOVERY BASED ON BP NEURAL NETWORK

Manyhighpefformancecontrolsystemsmusthavefauhtolerantabilityagainstsensorfailures.Theapplicationofprevioussensorfailuredetectinnmethods,mostlybasedonanalyti-calredundancy['Jlislimitedbecausetheyrequireaprecise.mathematicalmedel.BPneuralnetwork(BPNN)isabletolearnanycomplicatedcontinuousnonlinearfunctions,therefore,itcanbeusedtodetectsensorfailuresandrecoverthesignalforthefailedsensor'Recentpubli-cationshavedemonstratedtheuseofBPNNfordetectingsomkindofsensorfailuresandre-coveringthefailedsen…