基于运动状态的航迹起始算法研究

 针对传统的基于逻辑的航迹起始方法在量测扩展过程中存在的弊端,提出了基于目标运动状态的航迹起始算法,并给出了更为精确的起始波门构造方法。利用目标的位置信息形成候选目标航迹,在候选目标航迹扩展过程中,采用提出的修正Hough变换提取目标状态信息,并根据目标〖JP2〗的状态信息对候选航迹进行检验。仿真结果表明,该算法比其他基于逻辑的方法有更低的虚警概率,并且对存储空间要求低,适于工程应用。     

基于小波包变换的模拟电路电源电流故障诊断

针对模拟电路故障诊断这一难点,运用基于IDDT技术的故障诊断方法,即利用小波包变换提取电源电流各频率成分的能量,作为神经网络的输入特征矢量进行故障诊断。仿真结果表明,该方法可以快速高效地进行模拟电路故障诊断与定位。     

基于小波变换和不变矩的车标识别方法

形状特征是目标识别的重要参数,小波变换的低频部分代表物体的总体形状特征,而图像中的噪声主要分布于高频部分。根据这一特征,利用小波变换消除噪声提取目标形状,进而利用特征不变矩距离进行分类,实现目标识别,将该方法应用在实测车标图像的识别中,结果表明识别效果较好。     

基于经验模态分解的非平稳信号趋势项消除

归纳概括了传统的趋势项消除方法,指出各类方法的优点和不足,提出了基于EMD（经验模态分解）的非线性、非平稳信号剔除方法。该方法通过数据驱动自适应构造基底函数IMF（本征模函数）,再由若干阶IMF分量和剩余分量的重组获得趋势项,避免了对复杂趋势项的数学建模和分析计算。仿真结果表明,EMD法能够有效地提取和剔除非平稳信号中的复杂趋势项成分,获得平滑的趋向性信号。     

基于改进小波变换和包络分析的滚动轴承故障诊断

采用改进的小波分解和重构算法与包络分析相结合的方法,提取滚动轴承振动信号的故障特征频率。改进的小波分解和重构方法避免了 Mallat 算法频率混淆的缺陷,通过对重构信号特定频带进行包络分析,更加准确地提取了滚动轴承的故障特征频率。通过对无故障滚动轴承和内圈、外圈有故障的滚动轴承振动信号的分析,说明这种方法能够有效诊断滚动轴承的故障,并将该方法成功应用于某型航空发动机主轴承故障诊断。     

车牌识别预处理中的二值化及倾斜矫正算法

车牌识别中的预处理包括图像增强，二值化和噪声去除。由于车牌图像摄取的特殊性，使得车牌在图像中通常是倾斜的，而倾斜的车牌是很难被分割和识别的，因此车牌倾斜矫正已成为车牌识别系统中一个必需解决的问题。给出了基于图像特征线的二值化阈值确定和针对车牌图像的倾斜矫正改进算法，对车牌的水平和垂直方向分别采用了不同的矫正方法，实验结果表明此算法是快速有效的。     

航空发动机中介轴承振动故障分析方法

针对中介轴承振动故障信号微弱、较难提取的问题,提出一种基于小波变换的航空发动机中介轴承故障诊断方法:首先对中介轴承故障信号进行小波分解,得到各层细节信号,并对细节信号进行重构;然后对重构信号进行频谱变换,从频谱图上清晰观察出中介轴承的故障特征频率。对真实发动机中介轴承故障信号进行的实例分析表明,本文方法具有较好的降噪能力,较频谱分析更能突出中介轴承的故障特征。     

航空发动机约束卡尔曼滤波方法

<正>卡尔曼滤波器通常用于动态系统的状态估计,但在应用过程中,有些已知的信息在运算过程中被忽略,例如转速、温度与压力的范围限制。约束卡尔曼滤波器将已知的信息作为约束,可以提高估计的精度。文献首次提出了将约束线性卡尔曼滤波应用于发动机健康估计;文献介绍了约束线性卡尔曼滤波数学实现的矩阵变换,与传统的无约束线性卡尔曼滤波对比,该方法对发动机健康状况参数估计更加准确。     

稳健的宽带信号接收波束形成方法

对于宽带信号接收波束形成,为了降低阵列中各传感器接收通道时延和相位不一致性对性能的影响,提出了一种稳健的宽带信号接收波束形成方法。首先根据接收波束指向对阵列中各传感器信号的空间时延差进行补偿,然后利用短时傅立叶变换对阵列中各传感器信号进行子频带划分,并对各子频带所有传感器信号的时延和相位进行调整并相干合成,最后将相干合成后的子频带信号综合为宽带时域波束。针对宽带线性调频信号的计算机仿真实验表明,相比于传统的波束形成方法,所提方法能够显著提高宽带信号的合成效率。     

米波双基地雷达超高声速目标检测方法研究

针对传统探测方法对临近空间超高声速目标探测存在探测概率低,技术难度大等问题,理论分析了利用双基地雷达探测临近空间超高声速目标的问题,着重讨论了临近空间目标不同周期回波包络的跨距离单元走动问题,并分别从时域和频域作出解释.通过理论分析,提出应用keystone（楔形）变换解决上述问题,实现双基地雷达多脉冲积累.最后,通过MATLAB平台进行仿真实验,验证了基于keystone变换改进检测方法的准确性和可行性.