地面三维目标的探测识别系统研究

针对人员、车辆等地面目标运动时产生的地震动信号,利用地震动传感器采集这些信号并作预处理,再通过模糊识别算法对目标特征进行分类识别,进而构建了一个地面三维目标的探测识别系统.     

地面目标振动特征研究

振动传感器定位系统作为无源定位的一个重要组成部分,在复杂的地形地质条件下甚至是严密伪装的情况下仍能充分发挥其作用,而这正是光学侦察、无线电侦察和雷达侦察等现代侦察技术的盲区。本文对振动传感器接收的振动信号进行了深入的研究。首先通过分析了解到振动信号的主要组成部分是瑞雷波,然后对瑞雷波进行分析了解其频率范围以便选择适当的振动传感器,最后对振动信号进行EMD分解以便了解目标的振动特征,为平面移动目标的定位、识别与跟踪奠定基础。     

地面运动目标振动信号的特性分析与目标识别

地面目标振动信号的特征提取是进行目标识别技术的关键,针对人员行走、车辆行驶等地面目标运动时产生的振动信号,首先进行实验测试建立包含反映目标属性特征信息的信号样本数据库,然后通过过零数分析方法得到信号的时域特征,实现了单人与车辆的目标识别,最后采用Welch谱分析法对信号进行了频域分析并实现了单人与多人的目标识别。实验表明这两种方法简便、易实现,有较好的识别效果。     

机车轴承故障诊断中振动信号采集的研究

介绍了机车轴承故障诊断中振动信号采集的硬件实现.先通过压电式加速度传感器对振动信号进行拾取,然后经过电荷放大器、抗混滤波器等系列电路对拾取的微弱信号进行处理,最后进入A/D转换电路得到微机可以识别的数字信号,从而实现振动信号的采集.     

激光测速雷达下振动目标运动状态分析与仿真

激光雷达微多普勒效应在对目标探测、识别中测量精度高、抗干扰能力强,比传统微波雷达拥有更高的空间分辨率和灵敏度。本文基于激光探测,从理论上分析了振动物体在行进过程中产生的多普勒和微多普勒效应。建立典型运动模型,通过目标信号的频移图和频谱图可以很好地观测物体运动状态、分析振动特性。最后,在simulink下进行过程仿真并验证其有效性,对目标的识别和运动特性提取起到积极的作用。     

Study and simulation of vibrating target's motion states based on Doppler lidar

激光雷达微多普勒效应在对目标探测、识别中测量精度高、抗干扰能力强,比传统微波雷达拥有更高的空间分辨率和灵敏度.本文基于激光探测,从理论上分析了振动物体在行进过程中产生的多普勒和微多普勒效应.建立典型运动模型,通过目标信号的频移图和频谱图可以很好地观测物体运动状态、分析振动特性.最后,在simulink下进行过程仿真并验证其有效性,对目标的识别和运动特性提取起到积极的作用.     

谐振式传感器振动特性测试系统

采用激光测振仪测量振动元件表面的幅值。用于检测谐振式传感器振型的测试系统，主要由计算机、激励信号源、激光测振仪、数据采集卡组成。计算机控制激励信号源产生与被测谐振式传感器一个模态所对应的固有频率相一致的激励信号，激励被测谐振式传感器，使之处于受迫振动状态，计算机通过数据采集卡控制激光测振仪对被测谐振式传感器的振动元件进行空间扫描，测出被测谐振式传感器振动元件表面各点的振动信号，通过数据采集卡将激励信号和激光测振仪测出的振动信号采集到计算机中，计算出振动信号与激励信号的幅度和相位差，解算并绘制出被测谐振式传感器该模态对应的振型。     

分布式光纤振动传感信号识别的研究

为了能够更好地识别入侵振动信号,通过研究分布式光纤振动传感器及振动信号的识别技术,根据振动信号的特点,借鉴语音信号的处理方法,对比原有基于快速傅里叶变换频谱分析算法,引入了基于Mel频率倒谱系数的识别算法。新算法从频域的角度对振动信号进行分析,提取不同环境状态下的Mel频率倒谱系数,并将其作为新的特征参量。通过实验对比分析两种算法,两者的误报率分别为27.5%和7.5%。结果表明,基于Mel频率倒谱系数的算法相比基于快速傅里叶变换的频谱分析算法,在误报率上可以降低20%甚至更多,在不漏报的前提下,显然误报率更低的基于Mel频率倒谱系数的算法更加适用于安防体系。     

无人值守地面传感器系统设计

传统的地面传感器系统可以探测一定范围内的地面运动目标。工作模式是把采集到的信号发回接收站再进行处理。这种方法不能实时处理且反应时间较长。本文设计的地面传感器系统由DSP小系统、传感器调理及放大电路、异步串口通信电路、无线收发模块四部分组成。采用TMS320VC5509A作为处理芯片,利用CCS软件编写C语言程序,通过传感器采集目标信号,运用0PA4336将信号两级放大,再送入5509A的AD转换模块将信号进行模数转换以后,运行FLASH中的目标识别程序将信号分类,最后通过无线收发模块将识别的结果发送给决策者。     

基于分布式光纤声波传感器的带式输送机托辊故障监测方法

研究了一种基于分布式光纤声波传感器（DAS）的托辊监测方法，用于带式输送机托辊故障识别。在论述利用DAS检测托辊故障振动特征信号原理的基础上，搭建胶带长度为30 m的带式输送机测试系统平台，模拟托辊卡死、无轴承、断裂等不同故障情况进行实验测试数据采集。通过对采集的声音信号进行时域和频域分析，提取不同故障下的特征量，实现托辊的故障识别。实验结果表明，利用DAS技术可以检测带式输送机托辊故障振动特性监测，在工业带式输送机托辊故障监测方面具有应用前景。     

多传感器目标识别的判决域与可靠性分析

文章利用概率方法对多传感器目标识别系统进行了分析，提出了利用判决域与决定率进行目标识别的一种方法，利用判决域方法对确定事件发生与否进行决策可以减少传感器系统的误响应，同时保证传感器系统进行目标识别时的可靠性。     

谐振式传感器振动特性测试系统

采用激光测振仪测量振动元件表面的幅值。用于检测谐振式传感器振型的测试系统,主要由计算机、激励信号源、激光测振仪、数据采集卡组成。计算机控制激励信号源产生与被测谐振式传感器一个模态所对应的固有频率相一致的激励信号,激励被测谐振式传感器,使之处于受迫振动状态,计算机通过数据采集卡控制激光测振仪对被测谐振式传感器的振动元件进行空间扫描,测出被测谐振式传感器振动元件表面各点的振动信号,通过数据采集卡将激励信号和激光测振仪测出的振动信号采集到计算机中,计算出振动信号与激励信号的幅度和相位差,解算并绘制出被测谐振式传感器该模态对应的振型。     

基于传感器融合技术的高压开关柜缺陷识别

高压开关柜是变电站的重要设备之一，对其进行绝缘缺陷检测能够保证系统供电的可靠性。基于此，首先制作了四种开关柜典型模型，并搭建了试验平台；其次采用传感器融合技术同时获取暂态地电压信号和脉冲电流信号；再次采用粒子群优化的多维支持向量机算法进行缺陷识别；最后分别针对TEV信号、脉冲电流传感器信号以及组合信号的缺陷识别，与神经网络识别算法进行对比，结果表明，基于传感融合技术的开关柜缺陷识别的准确率达到96.7%,证明缺陷识别算法的准确性。     

雷达与红外数据融合的近距空中目标识别

为了提高传感器目标识别性能和近距空中目标识别准确性,结合雷达和红外传感器提出了一种目标融合识别模型：对于雷达传感器,提出基于参数学习贝叶斯网络的目标识别方法,首先采用EM算法对贝叶斯网络进行参数优化,然后根据获取的目标属性信息进行目标分类;对于红外成像传感器,采用基于小波矩特征的目标识别方法,首先对目标图像进行小波矩特征提取和选择,然后通过建立的BP神经网络分类器进行目标分类;最后通过D S证据组合法则对两部分识别结果进行融合处理,实现了基于雷达和红外数据融合的近距目标识别。仿真结果表明：和单传感器相比,所提出的模型可以更加精确地进行目标识别。     

实用的传感器信号识别处理电路

在自动控制系统中，对来自传感器的信号需要正确的检测和识别。本文给出了两个电路，适用于振动、红外、微波、超声波等传感器电路开关（有、无）信号的检测。（１）用一片双Ｄ触发器ＣＭＯＳ４０１３完成信号检测识别如图１所示：Ｕ１∶Ａ接成不可重复触发的单稳电路。当...     

谐振式传感器振动特性测试系统

采用激光测振仪测量振动元件表面的幅值.用于检测谐振式传感器振型的测试系统,主要由计算机、激励信号源、激光测振仪、数据采集卡组成.计算机控制激励信号源产生与被测谐振式传感器一个模态所对应的固有频率相一致的激励信号,激励被测谐振式传感器,使之处于受迫振动状态,计算机通过数据采集卡控制激光测振仪对被测谐振式传感器的振动元件进行空间扫描,测出被测谐振式传感器振动元件表面各点的振动信号,通过数据采集卡将激励信号和激光测振仪测出的振动信号采集到计算机中,计算出振动信号与激励信号的幅度和相位差,解算并绘制出被测谐振式传感器该模态对应的振型.     

基于深度学习的车辆振动信息识别研究

车辆振动信息识别对于维护交通安全和道路状况具有重要作用,可以节省大量人力物力。机器视觉、红外线成像等基于图像的方法虽然可以达到较高的准确率,但是容易受到环境比如照明条件、天气等因素干扰,相比之下,车辆的振动信号可以提供相对较稳定的车辆信息,传感器装配成本更低、维护更容易。近年来,从振动信号识别车辆信息的方法集中在传感器改进、信号处理及识别等方面。在使用神经网络的方法中,一类方法将计算出的特征输入全连接网络或一维卷积神经网络进行特征识别,这类方法需要专家知识对特征进行设计且计算方法复杂,另一类使用原始数据作为输入,这类方法则面临计算资源消耗大、训练慢等问题。针对上述问题,提出了基于深度学习的车辆振动信息识别方法,分别构建了1dCNN和2dCNN轴型信息识别网络模型,并对模型进行了鲁棒性测试、模型大小评估及推理速度测试。结果表明,1dCNN和2dCNN两个模型在测试集上分别达到了0.986和0.973的识别准确率,1dCNN比2dCNN有更好的鲁棒性、更快的推理速度。对于采样率500 Hz、长度为632的输入信号,1dCNN在CPU上的平均推理速度可达0.006 9 s/样本,2dCNN为...     

基于稀疏分量分析的振动信号源识别方法

振动传感器接收的信号往往包含不同部件的振动信号和环境噪声,为了从少量振动传感器的接收信号中识别信号源数和各频率分量,提出了一种基于稀疏分量分析的欠定盲源分离方法。该方法首先对混合信号进行时频变换,通过主成分分析提取各个时频点邻域的局部主成分,筛选出单源域特征数据。然后利用余弦距离改进聚类验证技术与模糊聚类算法,对振动源个数进行识别、对聚类参数进行更新,获得信号源数和混合矩阵估计。最后用一系列最小二乘法从混合信号对应的时频点中抽取出源信号。通过仿真实验和实测数据实验验证了本文方法的有效性和稳健性,相比经典时频比方法得到了更稳健、更精确的分离结果,这有助于对机械振动源进行识别和定量评估,以方便后续进行机械状态监测和减振降噪处理。      

振动目标光学微多普勒信号的获取与处理研究

建立了一套工作于光波段的微多普勒效应探测系统，并开展了探测振动目标微多普勒效应的实验研究，成功获取了由目标微小振动引起的微多普勒信号。对信号进行了频谱分析和时-频域的联合分析，结果表明：时频分析方法适合于时变微多普勒信号的分析，应用该方法能够有效地提取出目标的运动特征。本研究为应用微多普勒效应实现目标的探测、分类和识别奠定了基础。     

基于类脑脉冲神经网络的光纤油气管道监测

为了提高光纤油气管道监测效果,采用类脑脉冲神经网络算法。首先通过累加平均法对光纤传感器振动信号进行消噪;接着利用小波包对振动信号频带分解,将信号在频域上平均分为８个频段,把各频段的能量占比作为神经网络训练输入;然后基于脉冲响应对类脑神经元设计,神经元连接的强度与前、后神经元激活时间差函数关系非线性设计,振动输入数据与神经元脉冲转换;最后给出了算法流程。实验仿真显示本文算对单一振动信号识别准确率在9587左右,两种振动混合信号识别准确率在9052左右,指标优于其他算法,同时定位误差小于其他算法。