Research on the resolution in coherent sources using a MUSIC algorithm based on a dual vector-sensor array

研究了单矢量传感器多重信号分类(SV-MUSIC)算法对非相干源的分辨性能,推导了声源等功率情况下的信噪比分辨门限表达式.针对相干源的分辨问题,提出了一种基于空间平滑的二元矢量阵多重信号分类(DV-MUSIC)算法.仿真实验表明,SV-MUSIC算法对非相干源的分辨能力随着信噪比的增加而提高,在相应的判定准则下其结果与理论值基本吻合,而基于二元矢量传感器的DV-MUSIC算法能够实现相干源的分辨,其分辨性能曲线一定程度上类似于SV-MUSIC算法对非相干源的分辨性能曲线.     

基于变窗口函数的仿人体组织材料超声散射信号处理研究

基于仿人体组织材料超声散射成像,提出了一种变窗口函数算法。该算法首先对散射信号进行阈值变换处理,再进行窗口漏检调和,最后对信号进行量化成像。实验表明该技术能够使图像有效区域与噪声明显区别开来,满足后期边缘提取及三维重建要求。     

一种新的矢量量化初始码书算法

矢量量化的核心问题是初始码书设计。针对已有的随机法和分裂法等初始码书算法存在无效码矢多、运算量大等缺点,在训练矢量集随机抽取法的基础上提出一种新的初始码书算法即方差排序法,并应用到基于自组织特征映射(SOM)的矢量量化(VQ)中。实验结果表明,当码书尺寸大于256时,均值排序法的峰值信噪比(PSNR)比训练矢量集随机抽取法、分离平均法高,而且随码书尺寸的增加,峰值信噪比的改善程度大。     

基于振动分布特征的电力变压器绕组故障诊断

振动分析法是实现电力变压器带电监测与故障诊断的重要手段,而基于振动分析法的故障诊断方法的关键在于从复杂的油箱壁振动信号中提取出状态特征(值或矢量)。传统的状态特征提取方法大多选取单个测点的振动信号进行时域或频域特征的提取,往往忽略了各测点间的振动分布特征。从振动重心的角度对振动分布的幅值重心及重心轨迹进行研究与分析,能够提出四个量化参数。在四个量化参数的基础上结合支持向量机分类算法提出基于振动分布特征的变压器绕组故障诊断模型。实际变压器的绕组故障实验以及十余台台电力变压器现场实测数据样本的分析与测试结果均表明,提出的振动分布特征及量化参数能够有效反映变压器绕组变形、压紧力松弛等机械结构变化,而基于振动分布特征的绕组故障诊断模型也可准确的对变压器绕组机械结构状态进行检测与诊断。     

基于矢量量化的强化学习及其在机器人行为学习中的应用

针对强化学习(RL)中状态空间过大所引起的学习时间过长或算法难于收敛等问题,提出了一种基于矢量量化(VQ)技术的表格型强化学习方法--VQRL方法,该方法用矢量量化器的码书矢量来逼近强化学习的状态空间,从而有效地解决了强化学习的状态空间分割问题,并提高了学习的收敛速度.同时根据等失真理论将一种失真敏感自组织特征映射(S...     

基于多级关联信号树的高效可重构网包分类方法研究

针对高速网络中包分类严重影响路由系统性能提升的问题,进行了深入的实验性研究.针对传统包分类算法通过扩展规则搜索空间实现匹配,占用内存空间大,功耗高,吞吐率低的问题,研究了基于多级关联信号树的高效可重构网包分类方法.通过分析网包分类规则集合特点,提出了一种基于多级关联信号树的逻辑匹配结构,从中抽取出三类可重构的粗粒度网包分类基本计算单元——固定型匹配器、前缀型匹配器和范围型匹配器,用这三类匹配器构成了一个可重构网包分类阵列,通过配置匹配器的重构功能单元(RFU)层和匹配器之间的互联结构——重构互联网络(RIN)层实现了高速分类计算.该方法能够有效节省内存空间,降低功耗,大幅提升匹配速度.为了验证算法性能,在Xilinx公司的Virtex-6(model:XC6 VSX475T)芯片上进行仿真实验,实验结果表明该算法吞吐率可以达到100Gbp以上.     

基于单比特量化的单频信号时延估计算法

提出了一种基于单比特量化的单频信号自适应时延估计算法,采用该算法在保持信号频谱特性不发生变化的基础上,极大地去除信号冗余量,对简化后的信号框架采用包络检测,估计时延.对接收信号进行单比特量化能够最大限度地降低数据量,同时量化结果又进一步简化了单频信号滤波器的输入响应函数结构,自适应算法则保证了时延估计的高分辨率.通过仿真实验表明,该算法在不造成频偏和频率衰减的同时,又很好保证了时延估计精度.最后利用湖上实验验证了算法的有效性和可靠性.     

无人机识别的音频特征提取方法

针对无人机飞行时噪声产生的机理,分别选取基于经验模态分解(EMD)的能量比以及梅尔频率倒谱系数(MFCC)的特征提取算法实现无人机声信号的特征提取,并引用主成分分析(PCA)方法对特征集进行降维融合处理。最后选择矢量量化方法(VQ)作为分类器对不同类型的无人机目标进行分类与识别。实验结果表明特征融合后的分类性能要好于基于单一特征的分类性能,该方法较好地体现不同类型无人机之间的差异,分类结果准确率较高,具有良好的稳定性。     

FFT幅相联合的快速高精度频率估计方法

快速傅里叶变换（Fast Fourier Transform,FFT）常用于信号频率估计,采用填零的方法可降低幅度谱频率搜索间隔的量化误差,但是会使频率估计的计算量成倍增加。本文提出了一种FFT幅相联合的快速高精度频率估计算法,首先利用信号采样的频谱序列和尾首样本差确定幅度谱及峰值位置,然后由频谱序列在幅度谱峰值位置和信号采样的尾首样本差来确定频率搜索间隔的量化误差校正值。因此,所提方法同时利用了幅度谱峰值的位置信息与相位信息。分析结果表明,与仅基于幅度谱搜索的FFT算法相比,所提方法的计算复杂度更低,且定位精度更高。     

矢量量化LBG算法的研究

论述经典的LBG算法的基本原理、量化器设计的关键之处和存在的问题.以矢量量化技术在图像压缩领域的应用作为研究目标,总结分析现有典型的LBG算法,并针对LBG算法的不足,提出改进的算法,减少计算复杂度,缩短程序运行时间.通过理论推导和具体实现,证明改进方法的可行性和有效性.     

基于遗传算法优化支持向量机的超声图像缺陷分类

超声图像缺陷在分类时由于存在样本数量少、样本类别多、不易区分等问题,分类的准确率较低。针对这些问题,提出了基于遗传算法优化支持向量机的超声图像缺陷分类方法。该方法首先通过图像处理提取超声图像缺陷的特征数据,然后训练支持向量机作为超声图像缺陷分类器,最后采用遗传算法优化参数求得最优的分类器。实验结果表明,提出的超声图像缺陷分类器在识别率方面优于其他方法的分类器,综合识别率达到了90%,可以有效地辅助工作人员对超声图像缺陷进行分类识别。     

基于FPGA和DSP的气体超声流量计驱动和数字信号处理系统

采用FPGA+DSP双核芯结构,研制气体超声流量计驱动和数字信号处理系统。利用FPGA很高的工作频率和丰富的内部资源,实现高速DAC和ADC的驱动控制和数据存储;利用DSP的高速运算能力,实现数字信号的实时处理。针对利用正弦波驱动产生的超声波回波信号,基于实验数据统计,提出跟踪回波信号峰值的可变阈值法,准确地提取特征波,有效地克服了噪声的影响,扩展了量程比。气体标定实验结果验证了方法和系统的有效性。     

数据特征选择与分类在机械故障诊断中的应用

针对机械故障数据的高维性和不平衡性,提出基于格拉斯曼流形的多聚类特征选择和迭代近邻过采样的故障分类方法。对采集到的振动信号,提取时域和频域相关特征,利用多聚类特征选择将高维数据以局部流形结构映射到低维特征集合。无标签样本借助迭代近邻过采样以恢复最大平衡性为目标进行样本分类,并对剩余无标签样本进行模糊分类。选取滚动轴承正常、外圈、内圈以及滚动体的故障数据,并与支持向量机、基于图的半监督学习算法进行对比。结果表明,提出的方法能有效识别出少数类故障,并在整体上有显著的分类效果。     

基于超声波A/D采样法的相位差位移测量方法

为了提高超声波位移测量分辨率,提出一种基于超声波A/D采样法的超声波相位差位移测量方法,利用超声波信号的相邻采样数据之差,消除了超声波信号中的直流成分对相位差位移测量的影响,再通过不同相邻采样数据之差的比值建立了相位差位移测量的数学模型,由此获得较高的相位差位移测量分辨率。该方法的采样电路简单,不需要高倍数超声波信号采样率,仅需在一个超声波信号周期里采样10几个数据,就可获得亚微米级的位移测量分辨率。实验结果验证了该方法的有效性。基于该方法研制的超声波位移测量平台,若超声波频率选用40 kHz,则位移测量分辨率可达1 μm。     

基于超声回波能量峰值点拟合的气体超声波流量计信号处理方法

针对气体超声波流量计信号处理中难以找到稳定特征点的问题,从回波信号能量的角度出发,研究了回波信号能量的变化规律。回波能量信号轮廓的上升段中间部分比较稳定且中间部分包络线斜率相对较大,近似一条直线。因此,提出一种基于回波能量峰值点拟合的信号处理方法,即连接回波能量信号上升段相邻的峰值点并求得各连线的斜率,选取斜率较大的4条连线作为特征直线,将这4条特征直线对应的右端点作为特征峰值点,并拟合成一条直线,以该直线与x轴的交点作为特征点,从而计算出超声波的传播时间。在基于FPGA和DSP的双核心系统上实时实现该信号处理方法,并在国家认可的检测机构进行标定实验,结果表明:基于回波能量峰值点拟合信号处理方法的双声道气体超声波流量计系统达到1级精度,可测流量范围为30~1200m³/h。     

Using a Single Transducer Ultrasonic Imaging Method to Eliminate the Effect of Thickness Variation in the Images of Ceramic and Composite Plates

This article describes a single transducer ultrasonic imaging method based on ultrasonic velocity measurement that eliminates the effect of thickness variation in the images of ceramic and composite plate samples. The method is based on using a reflector located behind the sample and acquiring echoes off the sample and reflector surfaces in two scans. As a result of being thickness-independent, the method isolates ultrasonic variations due to material microstructure. Its use can result in significant cost savings because the ultrasonic image can be interpreted correctly without the need for precision thickness machining during nondestructive evaluation stages of material development. Velocity images obtained using the thickness-independent methodology are compared with apparent velocity maps and c-scan echo peak amplitude images for monolithic ceramic (silicon nitride), metal matrix composite and polymer matrix composite materials having thickness and microstructural variations. It was found that the thickness-independent ultrasonic images reveal and quantify correctly areas of global microstructural (pore and fiber volume fraction) variation due to the elimination of thickness effects. A major goal achieved in this study was to move the thickness-independent imaging technology out of the lab prototype environment and into the commercial arena so that it would be available to users worldwide. The method has been implemented on commercially-available ultra-sonic can systems manufactured by Sonix, Inc. via a formal technology transfer agreement between NASA and Sonix.     

全数字控制超声波金属焊接电源的设计

针对超声波金属焊接工艺的需求,设计了一种全数字控制的超声波焊接电源。该电源采用ARM嵌入式处理器,WINCE多任务操作系统,具有能量、时间及峰值功率控制模式。主电路采用移相方式控制全桥变换器,提出了一种新型的电流有效值偏差频率自动跟踪方法。电源同时具有自动谐振频率点搜索与存储、可编程的缓启动、可编程的幅度阶梯输出控制、可编程次品检测控制、基于ModBus协议的RS232/RS485通信接口等功能。     

Taguchi optimization and ultrasonic measurement of residual stresses in the friction stir welding

The main goal of this study is optimization of residual stresses produced by friction stir welding (FSW) of 5086 aluminum plates. Taguchi method is employed as statistical design of experiment (DOE) to optimize welding parameters including feed rate, rotational speed, pin diameter and shoulder diameter. The optimization process depends on effect of the welding parameters on longitudinal residual stress, which is measured by employing ultrasonic technique. The ultrasonic measurement method is based on acoustoelasticity law, which describes the relation between acoustic waves and internal stresses of the material. In this study, the ultrasonic stress measurement is fulfilled by using longitudinal critically refracted (L_CR) waves which are longitudinal ultrasonic waves propagated parallel to the surface within an effective depth. The ultrasonic stress measurement results are also verified by employing the hole-drilling standard technique. By using statistical analysis of variance (ANOVA), it has been concluded that the most significant effect on the longitudinal residual stress peak is related to the feed rate while the pin and shoulder diameter have no dominant effect. The rotational speed variation leads to changing the welding heat input which affects on the residual stress considerably.     

基于时间序列数据和支持向量机的纳米加工AFM刀尖损伤监测

研究了基于支持向量机(SVM)的时间序列数据分析和模式识别,以监测基于AFM尖端的纳米加工过程在加工性能和尖端磨损方面的状态变化。具有瞬态、非线性和非静止特性的时间序列数据(即来自过程的加工力)由数据采集系统收集。提取3种状态检测特征,包括最大侧向加工力、侧向加工力值峰间距以及侧向加工力的方差,以对纳米加工过程的状态进行分类。构造具有(高斯)径向基核函数(RBF内核)的定向非循环图支持向量机(DAGSVM)以识别尖端状态。使用多元SVM分类机,将加工过程和刀尖磨损分为初始磨损、过渡区域磨损以及尖端失效(破裂/磨损严重的加工/不加工)3个区域。实验数据表明,二元和三元分类中SVM的准确率均超过94.73％。