基于改进遗传算法的波束形成方法

研究传感器阵列信号优化问题,针对传统的简单遗传算法应用于传感器阵列的波束形成时,存在收敛速度慢和计算结果稳定性低的问题,提出了一种基于改进遗传算法的波束形成优化方法。算法对简单遗传算法的初始种群生成、适应度函数、交叉算子和异化算子等多个要素进行了改进,并融入了自适应技术。将改进的遗传算法应用于波束形成,并进行了仿真。仿真结果证明,有效地提高了收敛速度和计算结果的稳定性。证明改进遗传算的波束形成方法,获得了比原始方法旁瓣级更低的波束图,波束形成的性能更优。     

基于TSVD的广义逆波束形成对扩展性噪声源的识别

广义逆波束形成是一种高效的声源识别方法,但是直接求解广义逆所得到重构声源极易受到测量误差的影响,重构声源位置将偏离实际。为提高声源识别精度,采用正则化方法控制测量误差,结合奇异值截断滤波正则化和广义逆理论提出一种基于TSVD的广义逆波束形成算法,并建立了数值仿真模型,以单极子点源和扩展性组合声源为研究对象,对比常规波束形成、GIB算法、TSVD-GIB算法详细分析了声源类型与频率等因素对声源识别性能的影响。最后在半消声室内对音箱进行了声源识别验证,结果表明基于TSVD-GIB算法具有较好的稳健性,能有效降低旁瓣干扰,相比GIB算法能更精准的识别声源。     

波束形成算法研究与改进

近年来,智能天线在抗干扰方面应用广泛,多种不同的自适应波束成形算法被相继提出。首先讨论了LMS、GSC、MMSE三种波束形成算法的性能,对于均匀线性阵列天线,在相同条件的情况下,通过计算机仿真比较了三种算法的特点。最后提出了对MMSE算法的改进,通过对单个天线逐个权值的调整,使阵列输出信号与参考信号差异最小,减少计算复杂度,自适应地产生最优权值,实现了很好的抗干扰效果。     

基于FFT的矩形阵波束形成算法

为提高矩形阵的波束形成算法的效率,在波束形成中引入了快速傅立叶变化.基于快速傅立叶变换,将阵所接收的数据从时域变换到频域,通过对相位进行均分,使数据在空间域上进行排序重组,再次利用快速傅立叶变换从空间域转化到波数域上,经过相位修正形成波束图.仿真实验表明,随着阵元数增大,采用快速傅立叶变换能有效降低运算量,提高运算速度,降低对硬件的要求,易于工程实现.     

冲击噪声背景下主分量求逆波束形成

关于波束形成器抑制噪声优化问题,在冲击噪声背景下,常规波束形成性能下降,影响通信效果。为解决上述问题,提出一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的归一化的主分量求逆(N-PCI)算法。通过对输入信号进行无穷范数归一化,使变换信号的二阶统计量在代数拖尾的冲击噪声环境下存在且有界,提高了波束形成器在冲击噪声背景下的性能,且无需噪声特征指数的先验信息。仿真结果表明,该算法具有副瓣电平低且干扰抑制能力强的优点,较常规波束形成算法更有效,为设计提供了有效参考。     

自适应波束形成的神经网络方法

本文回顾了次元分析(MCA)神经网络算法的一些研究结果,并将其用于自适应波束形成。自适应波束形成或称自适应空间滤波,是通过一个感知器阵列接收空间传播的信号并处理它们,其目的是自适应地加强某个方向的信号。现有的波束形成自适应算法郝有一定不足,基于优化有约束的能量函数,本文提出了新的用于自适应波束形成的MCA神经网络学习算法,该算法是全局收敛的。实验结果验证了本文的理论,以及说明了本文算法的实用性和有效性。     

适用于稳健自适应波束形成的基于岭迹法的对角加载方法

基于标准Capon波束形成器的广义旁瓣消除器参数化形式,提出了使用岭迹法确定对角加载矩阵,从而得到稳健的Ca-pon波束形成器.该方法与近年来提出的稳健自适应波束形成器相比的优点是无需提前给定任何参数,直接通过观察岭迹修正采样协方差矩阵.仿真结果表明本文提出的方法有着很好的效果.     

时域解析信号的MVDR自适应波束形成方法

针对频域最小方差无失真响应(MVDR)方法在源方位快速变化情况下稳定性差的问题,提出了一种基于时域解析信号的MVDR自适应波束形成方法TAMVDR(Time-domain Aanlysis MVDR).在构造时域解析信号的基础上,TAMVDR通过对每一路时域解析信号引入复权,利用期望方向的输出响应不变的约束使阵列输出功率最小.在一次快拍条件下,TAMVDR即可获得最优解.仿真及试验数据处理结果表明,在目标方位快速变化条件下,TAMVDR的信号检测和方位分辨性能明显优于频域MVDR方法,且计算量较小.     

基于ARMA模型的NCS前向时延预测研究

网络化控制系统（Networked Control System,NCS）中固有的网络时延会降低系统性能甚至导致系统不稳定,网络时延主要包括前向时延和后向时延。考虑到前向时延在控制器设计控制律时尚未发生,采用自回归滑动平均模型对前向时延进行预测,并将其与径向基函数（RBF）神经网络预测结果进行了对比分析,验证了所给方法的有效性和优越性。     

时域和频域宽带数字波束形成方法研究

为了进一步体现数字波束形成系统的优越性,讨论了宽带数字波束形成(DBF)系统,包括时域波束形成和频域波束形成2种方法,通过设计实例,给出了2种方法的性能比较。理论分析与仿真结果表明:时域方法降低了数据存储量及计算复杂度,而频域方法更具备通用性,适用于并行多波束系统。     

雷达阵列中前后向平滑协方差矩阵估计应用

在雷达阵列中的DOA估计中,在保证性能前提下实现算法简化,一直是人们追求的目标。前后向平滑是阵列信号处理中协方差估计的一种算法,而当该算法应用于波束空间的阵列信号处理时,可以用实数运算代替复数运算,从而减少运算量。分别介绍了奇数和偶数维条件下,算法的实现方法,并分析了相应的运算量同各个参数的关系。同传统前向平滑比较表明,该算法可以减少50％左右的运算量。     

Mathematical modelling of 2D electromagnetic scattering

The singular integral equation method is used for solving the problem of diffraction by infinite nonhomogeneous cylinder. A numerical method is developed, and certain aspects of its practical application are considered. Some numerical results are described.     

specsim: A Fortran-77 program for conditional spectral simulation in 3D

A Fortran 77 program, specsim, is presented for conditional spectral simulation in 3D domains. The traditional Fourier integral method allows generating random fields with a given covariance spectrum. Conditioning to local data is achieved by an iterative identification of the conditional phase information. A flowchart of the program is given to illustrate the implementation procedures of the program. A 3D case study is presented to demonstrate application of the program. A comparison with the traditional sequential Gaussian simulation algorithm emphasizes the advantages and drawbacks of the proposed algorithm.     

基于小波及AR模型的机车滚动轴承故障特征提取

滚动轴承失效是机车牵引传动系统的主要故障源之一。为了有效诊断滚动轴承故障,提出了基于小波变换及AR模型参数的机车滚动轴承特征提取方法,以提取能准确反映滚动轴承运行状态的特征信息。首先,通过小波变换对滚动轴承运行时产生的非平稳振动信号进行分解重构,得到不同尺度下的重构信号;然后对重构信号建立AR模型,提取AR模型的自回归参数作为表征滚动轴承运行状态的特征;最后采用支持向量机分类器对提取的特征进行故障分类与识别。仿真结果表明机车滚动轴承故障得到了有效诊断。     

灰色理论与时序模型的发动机状态监测分析

针对目前发动机磨损状态监测中磨粒数量预测方法存在的问题,提出了基于灰色理论与时序模型相结合的预测方法,建立了灰色时序组合模型.通过灰色GM（1,1）模型模拟数据宏观变化趋势,并用时序AR（P）模型建立了残差序列以模拟数据微观变化趋势.通过对实测数据进行检验与比较,证明该组合模型在发动机状态监测中具有更好的预报效果.     

A novel approach to equipment health management based on auto-regressive hidden semi-Markov model （AR-HSMM）

As a new maintenance method, CBM （condition based maintenance） is becoming more and more important for the health management of complicated and costly equipment. A prerequisite to widespread deployment of CBM technology and prac- tice in industry is effective diagnostics and prognostics. Recently, a pattern recog- nition technique called HMM （hidden Markov model） was widely used in many fields. However, due to some unrealistic assumptions, diagnositic results from HMM were not so good, and it was difficult to use HMM directly for prognosis. By relaxing the unrealistic assumptions in HMM, this paper presents a novel approach to equip- ment health management based on auto-regressive hidden semi-Markov model （AR-HSMM）. Compared with HMM, AR-HSMM has three advantages： 1） It allows explicitly modeling the time duration of the hidden states and therefore is capable of prognosis. 2） It can relax observations＇ independence assumption by accom- modating a link between consecutive observations. 3） It does not follow the unre- alistic Markov chain＇s memoryless assumption and therefore provides more pow- erful modeling and analysis capability for real problems. To facilitate the computa- tion in the proposed AR-HSMM-based diagnostics and prognostics, new forward- backward variables are defined and a modified forward-backward algorithm is de- veloped. The evaluation of the proposed methodology was carried out through a real world application case study： health diagnosis and prognosis of hydraulic pumps in Caterpillar Inc. The testing results show that the proposed new approach based on AR-HSMM is effective and can provide useful support for the decision- making in equipment health management.     

PWM DC-DC开关变换器建模、仿真分析研究

DC-DC开关变换电路是一个时变的、非线性的动态系统，它的分析与设计一直是一个难题。以典型PWM Boost变换器为例进行了三种方法建模，首次将高频网络平均法推广到PWM开关变换器中，并建立了低频模型，对状态空间平均法、推广的高频网络平均法、等效小参量法得到的数学模型以及原电路模型应用MATLAB进行了仿真和渡形对比，定性得出其适用范围，所采用的建模方法可推广应用于其他变换器。     

关于变积的研究

研究变分法逆问题中变积概念及其计算方法.由变积直接构造的是与加速度相关的Lagrange函数,再通过规范变换可以得到位形空间中的Lagrange函数.这表明这种构造Lagrange函数的方法与Engels方法一致.