基于独立成分分析的混合LFM信号检测

混合LFM信号广泛存在于实际信号环境巾,对其检测极其重要。对有严重交叉项的混合LFM信号的检测十分困难,因此提出了一种基于独立成分分析的混合LFM信号检测法。通过盲源分离提取各独立成分,利用时频分布矩阵的联合对角化法抑制交叉项,再由各成分信号自项求和重构Wigner-Ville分布,采用Wigner-Hough检测各LFM成分。分析了Wigner-Hough变换输入信噪比和输出信噪比的关系,仿真验证了算法的有效性,得出随着样本点数的增加,在低信噪比条件下,能获得好的检测性能的结论：     

基于小波包和BP网络的滚动轴承状态寿命模型

使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承状态寿命的评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提取小波包重构信号的频带能量构造特征矢量,利用推广性能良好的贝叶斯正则化BP网络作为状态寿命评估的算法建立特征向量与状态寿命之间的映射,采用滚动轴承全寿命试验数据作为学习样本,训练和确定评估模型.试验验证了模型的有效性和可信性.     

基于小波变换和AR-GM(1.1)的发动机状态监控

一般情况下,润滑油对发动机起着非常重要的作用,它直接关系着发动机能否安全可靠工作以及工作性能的优劣。由于润滑油中带有大量的发动机磨损情况的有用信息,需要对润滑油进行油液监控分析,从而可以得到发动机的磨损情况,可提前发现发动机的潜在故障,做到预防性维修。本文提出一种基于小波变换和AR-GM(1.1)方法对滑油金属含量时间序列值的变化情况进行预测。通过与GM(1.1)预测方法相比较,该方法具有很好的预测效果。     

基于聚类和Hough变换的多编队航迹起始算法

以传感器分辨力较低、编队成员之间距离较近时,不能辨别出编队中的目标数量和队形结构为背景,集中研究了密集杂波下编队的航迹起始问题并分析了该问题的难点所在;在此基础上,首先,通过循环阈值法将前3个时刻的量测点迹分割成多个子群;然后,对分割后的各个子群运用K均值聚类法,更准确地求出各个子群的聚类中心点作为该子群的中心;最后,通过最近邻法,以最大速度为限制将前3个时刻各子群中心点互联,对互联上的中心点经Hough变换,映射到参数空间,从而判别出成功起始的航迹和速度。经仿真验证,该方法对密集杂波环境下编队的航迹起始效果较好,并且速度快,起始率高。     

基于广义S变换的空间锥体进动微多普勒分析

锥体进动特性是用于空间目标识别的重要依据之一.为了研究这一问题,提出一种基于广义S变换的空间锥体进动微多普勒特性分析方法.根据锥体进动的物理运动过程建立了相应的数学模型,推导出锥体进动微多普勒频率的理论表达式,并通过仿真结果验证其正确性.该模型采用共原点的目标多坐标体系,使其仅存在旋转关系,从而简化了模型的结构与计算复杂性.在此基础上,利用广义S变换实现了对模拟雷达进动回波的微多普勒特性分析.在不同信噪比条件下的仿真结果表明:该方法时频分辨性较好,而且具有较高的鲁棒性.     

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

调频引信谐波时序检测抗干扰方法及实现

针对调频（FM）引信抗干扰能力差的问题,提出了调频引信谐波时序检测抗干扰方法,利用弹目交会过程中谐波时序特征,提高了调频引信抗调幅（AM）、调频和扫频干扰能力;设计了基于快速傅里叶变换（FFT）的调频引信谐波提取方案,通过对差频信号进行FFT获得谐波幅值,与现有谐波定距调频引信通过带通滤波器（BPF）获得谐波幅值相比,在保证同等定距精度的前提下,可以灵活选取谐波次数和谐波通道,利用谐波时序性提高调频引信抗干扰能力,同时易于实现炸高分挡。仿真及实测结果验证了本文方案的可行性,调频引信抗干扰成功率由16.7%提高到90%以上。      

基于EEMD-Hilbert谱的涡街流量计尾迹振荡特性

为了研究涡街流量计尾迹振荡特征,采用集总经验模态分解(EEMD)-Hilbert谱方法,对测量介质为空气、流量范围为10.58~220 m~3/h的涡街流量计管壁差压信号进行处理,首先用EEMD方法对管壁差压信号进行分解,得到固有模态分量,然后对分解后的各个分量进行Hilbert变换,得到Hilbert谱和边际谱,进而提取管壁差压信号的旋涡脱落频率。比较了Fourier变换与EEMD-Hilbert谱方法在信号去噪和频率提取方面的性能。结果表明:EEMD-Hilbert谱方法可有效去除叠加在实际涡街成分之中的噪声,能够较完整保留尾迹振荡的固有成分;在流量较低时,EEMD-Hilbert谱方法对尾迹振荡频率的提取精度比Fourier变换高30%以上,有效拓展了涡街流量计的测量下限;通过计算能量比,揭示了EEMD-Hilbert谱方法提高频率提取精度的原因,即EEMD-Hilbert谱方法降低了信噪比;Hilbert谱直观表示信号的时间-频率-能量关系。     

基于框架域的随机游走全色锐化方法

针对多光谱图像与全色图像的融合问题,提出了一种新的全色锐化方法。该方法首先通过亮度、色调、饱和度(IHS)变换与非下采样框架变换将原图像从空间域变换到框架域,然后利用基于图论的随机游走,建立高频框架系数的统计融合模型。此模型根据高频框架系数的邻域相关性与尺度相关性构造新的随机游走协调函数,将高频框架系数融合权重的估计转化为随机游走标记问题的求解。实验结果表明,该方法有利于保持图像的光谱信息和边缘轮廓信息,可以在降低融合图像光谱误差的同时提高空间分辨率,并且优于一些主流全色锐化方法。