Accuracy analysis of GNSS-IR snow depth inversion algorithms

In recent years, with the continuous development of Global Navigation Satellite System (GNSS), it has been applied not only to navigation and positioning, but also to Earth surface environment monitoring. At present, when performing GNSS-IR (GNSS Interferometric Reflectometry) snow depth inversion, Lomb-Scargle Periodogram (LSP) spectrum analysis is mainly used to calculate the vertical height from the antenna phase center to the reflection surface. However, it has the problem of low identification of power spectrum analysis, which may lead to frequency leakage. Therefore, Fast Fourier Transform (FFT) spectrum analysis and Nonlinear Least Square Fitting (NLSF) are introduced to calculate the vertical height in this paper. The GNSS-IR snow depth inversion experiment is carried out by using the observation data of P351 station in PBO (Plate Boundary Observatory) network of the United States from 2013 to 2016. Three algorithms are used to invert the snow depth and compared with the actual snow depth provided by the station 490 in the SNOTEL network. The observations data of L1 and L2 bands are respectively used to find the optimal combination between different algorithms further to improve the accuracy of GNSS-IR snow depth inversion. For L1 band, different snow depths correspond to different optimal algorithms. When the snow depth is less than 0.8 m, the inversion accuracy of NLSF algorithm is the highest. When the snow depth is greater than 0.8 m, the inversion accuracy of FFT algorithm is higher. Therefore, according to the different snow depth, a combined algorithm of NLSF + FFT is proposed for GNSS-IR snow depth inversion. Compared with the traditional LSP algorithm, the inversion accuracy of the combined algorithm is improved by 10%. For L2 band data, the results show that the accuracy of snow depth inversion of various algorithms do not change with the variations of snow depth. Among the three single algorithms, the inversion accuracy of FFT algorithm is better than that of LSP and NLSF algorithms.     

遥感图象的半正交小波变换及数据压缩

本文利用Ｂ样函数构造半正交小波基，并利用对偶系设计了具有严格线性相位和精确重建特性的ＦＩＲ滤波器组，将其应用于遥感图象的数据压缩，取得了良好的成果     

一种DS/FH混合扩频信号的并行捕获方法

为了解决低信噪比条件下高跳速DS/FH（直接扩频/跳频扩频）混合扩频信号的快速捕获问题,提出了一种FFT-IFFT（快速傅里叶变换-快速傅里叶逆变换）与非相干累加相结合的并行捕获算法。通过多支路同时运算的方式构建非相干累加矩阵,使非相干累加运算可以并行实施。分析表明,采用并行非相干累加后,既提高了捕获判决的准确性,又保证了捕获搜索的快速性。     

基于HHT的航空发动机气动失稳信号

针对航空发动机工作范围内存在的气动失稳现象,运用希尔伯特-黄变换(HHT)分析其信号的时变特征;通过对其处理非线性、非平稳信号分析新方法与其他时频分析方法的对比,并对HHT存在的问题进行针对性解决,使其适应航空发动机气动失稳数据分析的要求.并在Labview平台上通过数字仿真试验实现和验证了HHT方法;结果表明:此算法准确有效;通过航空发动机工程试验数据的处理过程,验证了HHT在处理此类相关问题时的可行性、适用性,同时指出其仍然存在的缺陷.     

强噪声环境下声波信号时延估计方法的比较

声波信号时延的准确估计是实现强噪声环境下声学法高精度测温的关键。介绍了声学测温中基于互相关函数、人工神经网络和小波变换等几种典型的信号时延估计方法．对这3种时延估计方法的实现原理分别进行了论述，分析比较了它们的优缺点，相比于其他两种方法，小波变换技术更适合于强噪声环境下的声波信号的时延估计。     

基于最小熵准则的频偏估计算法研究

提出了一种基于SEM(Spectrum Entropy Minimization,频谱熵最小化)的频偏估计算法。研究发现,频偏越小,离散信号频谱的熵越小。根据这一性质建立了相关算法,通过一维搜索的方式得到使相位补偿后信号频谱熵最小的频偏估计。仿真结果表明:SEM算法的估计性能能够达到CR(Cramer-Rao,克拉美罗)下界,而且估计的稳定性和鲁棒性较好,具有一定的应用价值。     

利用FFT方法分析自旋目标RCS变化周期

提出了分析自旋稳定目标RCS（雷达反射截面积）变化周期的FFT（快速傅里叶变换）模型,并分段对特定的多个同类型目标做了算例分析,显示出相对其他目标,自旋稳定目标在起旋前频谱能量主要集中在极低频（0.5Hz以下）;在起旋后,除了在极低频部分有集中的能量,在某些频点附近可能会出现相对比较集中的能量。最后给出了该自旋稳定目标RCS变化周期的量化结果和适用性结论。     

转速波动状态下涡轮泵典型故障诊断方法

利用涡轮泵振动信号的变换域信息可有效地检测与诊断故障。针对涡轮泵转子叶片断裂与脱落这种典型故障,首先分析其出现的原因,并从动力学的角度研究其振动特征,选择可有效反映该故障的特征频率。然而,涡轮泵转速波动会造成这些特征频率提取的困难,为此提出一种解决此难题的新思路,通过一系列变换域处理来消除转速波动对振动频率的影响,在变换域中提取出稳定的特征频率,从而解决了涡轮泵转速波动状态下该型故障诊断问题。通过涡轮泵历史试车故障数据的验证表明,通过跟踪变换域中这些特征频率的幅值变化,可以有效检测与诊断涡轮泵转子叶片断裂与脱落故障。     

转子故障的连续小波尺度谱特征提取新方法

引入图像分析方法,提出了直接从转子故障信号连续小波尺度谱中提取图像纹理特征的新方法.首先,通过转子故障模拟实验台采集了不平衡、不对中、碰摩及油膜涡动等典型故障信号;然后,分析了故障信号尺度谱的差别及所提取出的数字特征对故障的敏感性;最后用结构自适应集成神经网络进行了智能诊断实验,结果表明了本文所提出的尺度谱数字特征对转子故障诊断的有效性.      

一种小波变换图象无失真编码方案

提出一种基于小波变换的图象数据无失真压缩编码方法,基本思路是利用小波变换实现图象的多分辨率分解,然后再对变换后的小波图象进行动态Ｈｕｆｆｍ ａｎ 编码,从而在不影响整个系统运行深度的前提下,最终实现压缩比较大的图象无失真压缩编码。