多径信道下OFDM信号和单载波信号的盲识别

针对非协作通信条件下OFDM(正交频分复用)信号和单载波调制信号的类间识别问题,提出一种在多径信道下基于信号循环自相关的调制识别算法。该算法不需要信号和噪声的先验知识,可以直接对中频信号进行处理,具有较强的实用性。通过对信号循环自相关函数进行分析,仅需进行时域的延时自相关运算和特定延时下的循环自相关运算,就可以从频域提取特征值来实现OFDM信号和单载波信号的盲识别。在估计OFDM信号周期时,提出一种基于极大值抽取的延时估计算法,能在多径衰落信道中不需要先验信息的情况下完成估计。仿真表明,本文提出算法的识别性能优于传统的四阶累积量算法。     

基于波形检测和颜色空间的车牌分割方法

车牌识别是智能交通中关键技术之一,车牌分割是车牌识别的基础。本文提出一种利用波检测和颜色空间相结合的车牌分割方法,克服了传统边缘检测阈值难以选择的缺点,并且不受光照变化和车牌掉色及磨损的影响,提供了车牌分割准确率     

带液体晃动航天器的非线性自适应反馈控制

针对一种带液体燃料晃动的航天器,同时考虑液体晃动参数的不确定性,提出了一种参数自适应非线性反馈控制方法,抑制航天器的俯仰及横向运动,同时抑制液体燃料的晃动.针对航天器与液体燃料的固液耦合非线性模型,采用基于Lyapunov函数的设计方法设计系统的反馈控制律,运用间接自适应方法设计参数自适应律,并使用参数映射等手段来保证参数估计值在合理取值范围内.仿真结果表明,控制器可以使航天器达到渐近稳定,进而验证了控制器的有效性.     

LFM-BPSK复合调制信号识别和参数估计

雷达信号脉内调制方式识别是电子对抗的重要内容。从工程应用的角度,对滤波后的复信号利用改进的相位展开算法,计算瞬时相位、瞬时频率。判断频率跳变点的个数,对时-频曲线进行拟合,根据拟合的参数和信号的时宽带宽积确定信号是否为线性调频-二相编码复合调制信号。再对正确识别的信号进行参数估计,接着重构原线性调频信号,共轭相乘得到基带相位编码信号。最后采用小波变换法提取码速率。仿真结果表明,该算法有很好的识别率和参数估计精度。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

一种基于实数粗集空间的自组织映射方法及在模式识别上的应用

提出一种实数粗糙集,避免了经典粗糙集必须经过离散化处理的环节;并且用实数粗糙集的下、上近似集的精确概念划分自组织映射的输出结果,使得修改后的映射结果中各类样本点之间有明显的间隔,易于进行分类识别.最后通过对某型歼击机的舵面故障的模式识别仿真验证了其方法的正确性和有效性.     

支持向量机用于液体火箭发动机的故障诊断

支持向量机（Support Vector Machine,简称SVM）是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。     

一种航天器图像分类模型快速学习方法

为了有效分类空间目标,提出了一种航天器图像分类模型快速学习方法。分类模型的学习过程利用了分治思想,首先利用无监督聚类方法将图像数据集散列为类别桶,然后利用每个类别桶中的图像样本训练支持向量机完成学习过程。分类时利用支持向量机对待分类图像样本进行分类。实验结果表明,所提方法具有较好的实时性和准确率,能够为空间应用打下良好基础。     

基于特征编码的飞机结构件工艺设计

为解决飞机结构件数控加工工艺决策效率低及自动化程度不高的问题,提出基于特征编码的飞机结构件工艺设计方法。首先,该方法借鉴成组技术,将飞机结构件加工元分类编码,形成特征编码表后,把通过特征识别得到的加工特征分解为加工元,与特征编码表匹配并排序得到加工方案。最后,在CATIA V5平台上开发了基于特征编码的飞机结构件工艺设计模块。     

Kevlar层合板超高速撞击数值建模及参数识别

针对Kevlar层合板在超高速撞击条件下的力学特性的复杂性及参数不准确对数值仿真的不利影响,提出一种使用正交各向异性本构模型,Chang-Chang复合材料失效模型和有限元方法对Kevlar层合板的超高速撞击力学特性进行建模并运用连续响应面技术对材料失效模型参数进行识别的方法.然后使用该方法建立了与现有文献中的试验工况相对应的数值模型,并把Kevlar层合板材料失效模型的4个参数作为优化变量,以仿真结果与试验结果的二乘残差最小作为优化目标,使用连续响应面技术建立参数优化模型,由此识别这些参数.结果表明,该建模方法能正确描述Kevlar层合板的超高速撞击力学特性,采用识别后的参数进行仿真计算可以显著提高数值模型的仿真精度.