多径信道下图像的信源信道联合编码调制传输

针对多径衰落信道提出了一种基于小波变换并结合OFDM(Orthogonal Frequency Division Multiplexing)自适应调制的图像传输方法和信源信道联合带宽功率优化分配算法.给出了编码传输方法结构,对有噪信道下基于小波变换的图像编码传输实现和失真估计问题及多误码率OFDM自适应调制比特功率优化分配问题进行了建模和分析,使得信源量化编码与OFDM调制能够方便地结合起来,并进一步得到了相应的信源信道联合优化带宽功率分配方法.仿真和分析表明,该方法实现了多径信道下图像的信源信道联合编码调制传输,编解码复杂度和延迟小,且信源信道联合优化的带宽功率分配可有效提高信道资源利用效率.     

分数傅立叶变换用于抑制SAR杂波背景检测慢速动目标

慢速运动目标在时、空、频域上都落入主杂波区。利用单通道SAR图像中静止背景的信息抑制静止杂波,可改善检测动目标的性能。分数傅立叶变换是线性变换,不存在交叉项,采用分数傅立叶变换搜索匹配动目标信号,使其能量汇聚。对称计算旋转角正负对称的分数傅立叶变换,在两个对称的分数傅立叶域中得到两个复信号,这两个复信号中静止背景的模处处相同,而包含动目标的区域,模的幅度有很大差别,计算对称的分数傅立叶域信号对应位置模的差,取绝对值,可对消静止背景,敏锐地检测动目标。实测数据表明本算法有效。     

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.      

某型涡扇发动机状态模型修正

为了针对每一台发动机建立准确的气路故障诊断模型,采用部件法建立了某型涡扇发动机的基准数学模型,分析了模型失配的原因,确定出需要修正的特性参数,采用小波分析实现对可测参数数据的预处理,通过求解所建的扩展非线性方程组完成了发动机模型的离线修正。经仿真验证该算法有较高精度,且易于工程实现,为建立准确的稳态气路故障诊断方程奠定了基础。     

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.      

一种鲁棒的图像小波变换模拟编码传输方法

在复杂度和延迟受限或者可变信道条件下,由于通信系统的一体化设计,信源信道联合编码(JSCC, Joint Source-Channel Coding)技术的应用有助于改善传统的分离结构系统.针对带宽功率限制模拟信道,提出了一种结合了小波变换编码和香农映射信源信道联合编码的静止图像模拟编码传输方法;并基于更加合理的考虑了信道噪声的重建图像失真估计,提出了相应的联合优化带宽分配算法.仿真及分析表明,由于信源信道的联合优化及具有模拟编码传输的特点,该方法表现出良好的编码传输性能,且编解码复杂度和延迟小;同时在信道失配情况下表现出的柔性降级/改善特性有助于提高可变信道条件下系统的鲁棒性和信道带宽利用率.      

基于小波的能源消费弹性系数预测方法

能源消费弹性系数反映了一个国家能源消费增长速度与国民经济增长速度之间的比例关系,是衡量一个国家能源利用效率的重要指标。鉴于数据中存在较多的噪声,首先用小波分析方法对数据进行滤波,然后用滤除了噪声的数据作为输入变量,用支持向量回归方法建模,并预测未来10年我国能源消费弹性系数变化的规律。实际数据检验表明,该预测方法还是可行的。     

基于小波分析的缩减湍流数据采集量的新方法

由于湍流实验的数据采集量的大小通常没有准则,实验中为了降低偶然事件的影响通常都使用较大的数据量,从而在数据的采集、存储和后处理过程中都造成资源和时间的浪费.笔者根据小波分析所具有的良好的时频双局域性的特点,在文献[4,5]的基础上,配合统计学方法,在理论上提出了以小波方法缩减湍流实验数据采集量和某些流场计算方法计算量的方法.以使用小波方法分析湍流边界层的湍动能方法为例,证明了这种方法的合理性和可行性.     

飞行器助推段振动环境分析

对飞行器助推段非平稳随机振动信号采用局部平稳模型进行分析,把此段非平稳随机信号的时变谱分解成2个独立的过程:决定时变均方值的确定性过程和决定频率特性的平稳随机过程.利用小波分析对确定性信号和随机信号进行分离,用信号的全部带宽计算非平稳信号的时变均方值,缩短了平均时间,减少了偏置误差;用信号的整个持续时间确定非平稳信号的谱特性,提高了频率分辨率,减少了随机误差.对分离出的平稳随机振动自功率谱密度进行了归纳,得到了飞行器助推段的振动环境.      

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。