盲源分离及盲信号提取的研究进展

盲源分离和盲信号提取是从观测信号中恢复源信号的有效方法,目前已成为信号处理领域的研究热点。介绍了盲信号处理的数学模型,给出盲源分离与盲信号提取的基本思想,阐述了各方法的原理、特点及性能,并对它们之间的区别与联系进行分析,最后指出盲源分离及盲信号提取的发展方向。     

工业计算机断层成像系统转台旋转中心的确定

构建一个工业CT(computed tomography)成像系统,转台旋转中心的确定是非常关键的步骤,其定位误差会引起CT图像上的伪影.在详细分析了现存旋转中心确定方法不足的基础上,提出了一种新方法,该方法基于正弦图数据的冗余性,通过计算将正弦图数据总和均分的位置来定位旋转中心.相对现有算法,该方法无须使用模体,亦无需知晓任何几何参数,且基本不受随机噪声影响.实际的实验数据验证了该方法的有效性.      

改进Hilbert-Huang变换在齿轮故障诊断中的应用

针对Hilbert-Huang变换中齿轮故障信号经验模式分解的第一阶固有模态函数通常为非单一信号分量以及经验模式分解产生虚假低频分量的问题, 提出一种改进Hilbert-Huang变换方法.首先在频谱中确定故障信息频率范围, 并依据该频率范围和二进小波分解的特点确定需提取的相应频带的二进小波系数, 然后采用相关系数筛选法剔除小波系数经验模式分解所产生的虚假分量, 最后通过局部瞬时能量提取故障特征, 实例表明改进的Hilbert-Huang变换可以有效的提取齿轮故障特征.      

GPS多接收机组合的共视时间比对技术研究

为提高GPS共视时间比对的性能,本文介绍了利用中科院国家授时中心（NTSC）和德国物理技术研究院（PTB）两个守时实验室的多台接收机,基于多接收机组合技术原理,构建了NTSC和PTB各自的多接收机组合系统,采用数据融合技术,计算得出两个多接收机系统的观测数据并进行了时间比对试验及性能分析。结果表明,多接收机组合不仅提高了GPS共视的可靠性和稳定性,且提高了时间比对链路的精度。多接收机链路共视时间比对结果的标准偏差STDEV为1.36ns,比单接收机链路时间比对结果的STDEV值平均提高了19.4%,日稳可达3.2×10^-14。     

基于结构化特征的遥感影像道路智能提取方法

遥感影像道路提取是空基平台对地智能理解的重要内容.利用道路网络特有的结构特点,从道路网络结构相似性损失函数和结构化特征算子两个方面,提出了一种结构化特征表示的道路提取方法.首先,针对遥感图像中道路目标占比较小的特点,设计了深度较浅、分辨率较高的编解码网络结构;其次,引入道路网络的结构相似性(SSIM)损失,并提出一种道...     

MEMS陀螺阵列的RCC-OBE估计融合方法

为提高微机电系统（MEMS）陀螺的精度,提出一种基于松弛Chebyshev中心（RCC）的最优定界椭球（OBE）算法,并用于陀螺阵列信号的融合。以单个陀螺误差输出模型为基础,建立了阵列系统的机动融合模型;由于噪声统计特性的不确定会导致传统融合方法精度下降,引入仅要求噪声未知但有界的集员估计理论,运用OBE算法实现角速率信号的稳健估计;在OBE算法中,往往采用椭球几何中心作为真实值的点估计,但该中心并没有理论上的最优特性,而可行集的Chebyshev中心具有很多优良特性,同时,考虑到准确的Chebyshev中心求解十分困难,转而求解可行集的RCC,作为速率信号的点估计,设计了以RCC作为输出的OBE更新过程和新的参数优化准则。采用6个陀螺构成的阵列进行了验证试验,结果表明基于该算法的阵列估计融合方法在获得角速率保证边界的基础上,可以进一步提高MEMS陀螺精度。      

基于时频分析的双通道SAR自旋目标检测

强地杂波背景给微动目标检测带来很大困难,为此在详细分析距离向压缩数据域自旋目标回波特性基础上,提出了基于双通道合成孔径雷达相位中心偏置天线(SAR/DPCA)和沿航迹干涉(ATI)杂波抑制的两类自旋目标检测方法,并作比较分析.在DPCA模式下,微多普勒频率沿频率(m-D)轴有一整体平移量,其与目标自旋中心的方位向坐标成...     

磁控进气道的临界焓提取率研究与数值验证

为保证磁控进气道工作于起动状态,提出了临界焓提取率的概念,采用涡轮喷气发动机的模型对磁控进气道进行类比分析,推导得到了磁控进气道在临界起动状态下的模型.最后通过数值验算,磁控进气道的临界状态模型与数值结果符合较好,误差小于5.7%,可为磁控进气道的设计提供参考.      

复合材料层压结构铺层顺序优化设计特征提取算法

受在感知过程中抓住主要特征的启发,结合复合材料层压结构优化问题的特点,借鉴遗传算法、蚁群算法等模拟进化优化算法的流程,提出1种"特征提取"的优化算法。根据目标函数值f(→Xj)(j=1,2,…m)的大小,对相应的m个设计变量向量→Xj=(x1,j,x2,j,…,xi,j,xn,j)(j=1,2,…m)进行排序;在一定的"背景噪声"S下,根据"特征提取"指示向量P提取群组中较优方案的共同特征,生成m个新的设计变量→X′j。算例验证表明,所提出的算法是有效的。