基于时频切片分解的时变系统参数识别

系统参数识别分为时不变系统参数识别和时变系统参数识别两大研究方向,其中时不变系统参数识 别的研究已趋于成熟,而时变系统参数识别的研究则仍然处于起步阶段。对于多自由度时变结构,提出一种基 于时频切片分解的时变系统参数识别方法。该方法采集结构的振动位移响应,根据时频分解计算得到响应在 整个时频段内的时频能量分布图;依据结构的时频分布特性,选择多个时频切片窗分解响应信号,再对分解出 的信号分别进行逆变换计算完成时域上的信号重构;重构出来的信号对应于结构的各阶模态位移响应信号,利 用Hilbert变换提取信号瞬时频率,从而识别出结构各阶频率。通过一个三自由度的弹簧阻尼质量仿真实验, 验证了该方法具有良好的识别精度和工程实用价值。     

运载火箭飞行测量数据误差分析的小波方法

以提高火箭飞行跟踪测量数据处理精度为目的。结合弹道处理的实际，将小波理论运用于火箭弹道测最数据的分析。本文首先针对火箭飞行弹道测量数据的特征，应用小波理论建立了弹道测量数据事后误差分析处理方法的杠架模型，创建了雷达测量数据诸元的多项式和B样条时序分析模型，提出并验证了雷达测量数据的随机分布模型；其次，对受到噪声干扰时间段数据模型出现严重病态的情况，建立了基于多项式拟合和B样条函数选取有限时间段拟合的火箭弹道建模和预测的二次建模方法；最后，利用所提出的分析处理方法对某次任务两个测量站雷达弹道测量数据的分析，处理效果显著，精度理想。实验验证了上述方法是一种理想的弹道测量数据事后误差分析处理方法。     

基于小波分解与分形内插相结合的地形数据压缩方法

地形匹配制导中需要使用大量的地形数据，因此有效的地形数据压缩技术是非常重要的。传统的地形数据压缩方法主要采用线性内插的方法，但这对于地形起伏较大的山区地形失真太大，不能满足高精度导航的要求。本文基于小波分解与分形内插相结合的方法，提出了一种新的地形数据压缩方法，它具有压缩比高，保真性好，解码快的特点，特别适合山区地形数据的压缩。     

一种新的自适应消噪方法

基于小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的办法。考虑到离 散小波变换(DWT)不具有平移不变性,而静态小波变换(SWT)又不能很好地分析信号的高频 部分,提出了一种新的自适应消噪方法。它根据CWT的提升方法,得到静态小波包的提升 实现方法,并设计出适合本系统的确定最优小波包分解树的相应步骤,利用引入了更多动量 因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原 信号。仿真中将其与其它两种基于小波的自适应方法进行了比较,表明该方法可在适当减小 计算量的同时,进一步改善系统的滤波性能。     

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

复合材料结构健康主动监测中激励信号的优化

利用L am b波频散方程及其数值求解得到的频散曲线,对L am b波模式及激励信号中心频率范围进行预测。建立了试验测试系统,利用集成在复合材料层合板上的PZT压电陶瓷片作为驱动器和传感器,激励并接收结构中激发的L am b波信号。对具有不同函数形式、中心频率和波峰数的信号激励,结构中传播的L am b波模式进行试验研究,为激励信号的选择与优化提供依据。利用H ilbert-Huang变换及H ilbert谱提取传感器信号特征,提出了L am b波信号在结构中传播时的能量衰减率和损伤敏感度两个考察指标,并据此对激励信号进行优化。实验结果表明,优化后的激励信号在结构中能激发出单一模式的L am b波(S0模式),有效地抑制了多模式现象的出现。同时,激发出的L am b波具有最低的能量衰减和最高的损伤灵敏度,响应信号特征明显,便于损伤识别。     

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程,基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束,通过优化尺度不变特征变换(SIFT)特征提取与匹配算法,实现了无像幅约束的控制点和连接点的快速稳健匹配,应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后,RPC模型的定位精度可达到像素级水平。     

消除数据调制影响的FFT捕获方法

在利用快速傅里叶变换(FFT, Fast Fourier Transform)捕获扩频信号的过程中,为了提高捕获精度,会遇到基带数据调制影响捕获性能的问题.主要分析了基带数据符号跳变影响FFT捕获性能的原因:在频域内造成待检测信号的幅度衰减以及频点偏移.提出了一种解决此问题的方法:通过对I和Q两路信号的运算,构造一个不受数据调制影响的复信号,对此信号作FFT,完成捕获.给出了此方法的MATLAB仿真,以及基于现场可编程门阵列(FPGA, Field Programmable Gate Array)的实现方案.实验数据表明,此方法消除了基带数据调制对FFT捕获性能的影响,且在相等积分时间的条件下,比常用方法的捕获精度提高了一倍.      

一种基于DPCA的星载SAR运动目标检测方法

文中研究星载条件下用DPCA检测地面慢速运动目标的SAR-GMTI技术,提出一种对杂渡抑制以后的原 始数据应用Radon变换来检测运动目标的新方法。与基于图像域的DPCA运动目标检测方法相比,该方法不需要方位 压缩,因而减小了计算负荷,但没有损失目标检测性能。此外,该方法更加清楚地显示出杂波对目标参数估计的影响,可 为进一步研究提供思路。仿真结果证明这种方法的正确性和有效性。     

基于DCT-CS的脉冲星周期超快速估计方法

受快速傅里叶变换（fast Fourier transform，FFT）的影响，基于FFT和压缩感知（compressive sensing, CS）的脉冲星周期快速估计算法的计算量大。为进一步减小计算量并提高计算精度，利用离散余弦变换（discrete cosine transform，DCT)取代FFT，提出了一种基于DCT-CS的脉冲星周期超快速估计算法。在该方法中，利用DCT提取脉冲星信号的低频部分构建低频DCT矩阵；构建畸变轮廓字典并获取累积轮廓；提出了利用最大值超分辨率稀疏恢复估计脉冲星周期的方法。仿真结果表明，DCT-CS的脉冲星周期估计精度达到了3.82×10-12 s，计算时间达到了9.31 ms。与FFT-CS相比，周期估计精度提高了约16%，计算时间缩短了约37.5%，实现了实时高精度的脉冲星周期估计。