基于合成孔径雷达图像内波参数反演方法

总结了目前已有的通过合成孔径雷达图像反演内波参数的方法,并按照内波深度、波速、特征宽度以及振幅的分类对不同的方法进行了描述.将各种参数反演方法应用于合成孔径雷达图像,对内波反演结果与同一区域的实测数据进行了比较.首次对同一内波参数的不同反演方法进行对比,并对各参数反演方法的适用条件进行了讨论.     

EEMD在道路载荷谱降噪处理中的应用

针对道路载荷谱实质为非平稳信号的特点,以及经验模态分解(Empirical Mode Decomposition,EMD)降噪存在模态混淆的问题,将集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)应用于道路载荷谱降噪处理,并从时域、频域和雨流域同EMD降噪效果进行了分析对比。提出基于EEMD的载荷谱信号降噪计算步骤,给出EEMD计算参数的求取原则,讨论计算参数对降噪效果的影响。结果表明,EEMD可以较好地估算并降低载荷谱信号中的噪声水平,提高信噪比和疲劳循环次数统计精度。     

基于舰船噪声的海底单参数反演

利用舰船噪声进行地声参数反演是近年来的热门研究课题之一。目前大多数利用舰船噪声的反演方法依赖于多参数海底模型,而多维参数的求解加大了反演的复杂度,因此,基于海底单参数模型,提出一种使用舰船噪声作为声源的海底单参数反演方法。基于实验数据进行海底单参数反演,并用反演得到的结果,对实验海域的传播损失进行预报。最后,对海底单参数与频率的关系进行了拟合和研究,验证了反演方法的有效性。     

基于简正波分析的海底参数反演

由于不同简正波存在的群速度差异,可以从到达时间结构上将它们分离开,提取相应的简正波参数.本文主要是对2002年1月黄海北部海域声传播实验数据进行处理,利用接收到的爆炸声传播信号,分析低阶简正波的频散关系,并根据其反演得到海底声速,结果同以前利用声传播损失的参数反演结果吻合.     

基于环境噪声的浅海海底单参数反演

利用环境噪声反演浅海海底声学特性一直是学者们研究的热门课题之一,目前绝大多数的噪声场建模方法依赖于多维海底模型,而多维参数的求解过程加大了反演的复杂度。减少反演参数个数可以有效降低反演的复杂性,提高反演的速度,以此为目的开展了基于单个参数海底模型的噪声场建模研究,并计算得到了基于海底单参数的噪声场空间相干系数表达式。通过与传统模型的对比,验证了该计算模型的有效性。结合实验数据,利用该模型对实验海域进行了海底单参数反演,并结合海底反射临界角确定了实验海域的沉积物类型为粉砂质砂,该结论与文献记载相吻合。     

EEMD在爆破振动信号去噪中的应用

针对小波类去噪方法存在基函数的选择,同时未摆脱Fourier变换为基础带来的缺陷、EMD去噪存在模式混叠的问题,将EEMD去噪引入到爆破振动信号处理领域.首先利用仿真试验验证了EEMD克服了EMD的固有缺陷,然后分别利用小波、EMD、EEMD对数值微分所获取的加速度时程曲线进行低通去噪处理,对比结果表明:EEMD不仅具...     

基于参数边缘分布的遗传算法在地声参数反演中的应用

经典的遗传算法和模拟退火算法对陷入极小值的免疫能力取决于代价函数极小值的分布和迭代搜索终止准则。提出了一种基于参数边缘分布的遗传算法,它不仅仅是从代价函数的大小来决定进化的趋势,而且也利用了参数分布的信息。仿真和实验数据处理表明它在多维地声参数估计中具有更好的稳健性。     

基于参数化最小割方法的SAR图像区域分割

由于SAR图像中存在大量的相干斑噪声,最小割准则(Minimum Cut Criterion)倾向于分割出小的孤立点集,因此最小割准则难以直接应用于SAR图像分割中。本文给出了一种可以根据需要来控制分割区域大小的参数化最小割准则(Parametric Minimum Cut Criterion),由此减少小的孤立点集的产生。该准则通过构建参数化割树(Parametric Cut Tree)得到理论最优解。为了参数化最小割准则更有效地应用于SAR图像分割,结合了区域分割方法中的四叉树分裂合并技术,给出了一种基于图论的SAR图像区域分割算法。在利用四叉树技术分裂图像时,根据SAR图像的统计特性,给出了一种新的区域一致性度量,有效地抑制了相干斑噪声的影响。实验结果表明了本文方法的有效性。     

基于融合的SAR图像海洋溢油边缘检测算法及MATALAB实现

为准确地提取出SAR图像中溢油区域边缘轮廓信息,提出一种融合分水岭及canny算子的SAR图像边缘检测算法。该算法首先使用形态学重建技术对前景图象进行标记,并进行开关操作,去除边缘无关信息,然后对前景进行区分操作。利用分水岭算法及canny算子较为精确地提取出溢油区域边缘轮廓信息并用MATALAB仿真实验,结果表明,与经典的边缘检测方法相比,该方法在精确定位图像边缘的同时能更精确、更完整地检测出目标的边缘特征。     

基于仿射不变SIFT特征的SAR图像配准

针对SAR(Synthetic Aperture Radar)图像全自动配准问题,本文提出一种基于仿射不变SIFT(Scale Invariant Feature Transform)特征的精确配准方法.该方法首先对传统SIFT方法改进构建具有仿射不变性的SIFT描述子,并利用该描述子对提取的控制点进行粗匹配,然后由粗匹配点对的尺度比和方位差及其邻域的灰度相似性构建新的相似矩阵,最后利用SVD(Singular Value Decomposition)方法确定精确匹配点对,求出变换参数从而实现图像的精确配准.实验结果表明该方法优于传统的SIFT方法和SIFT+SVD方法并且可以达到亚像素的配准精度.     

集合经验模态分解的稳健滤波方法研究

为了消除野值和噪声信号对观测数据的影响,给出一种基于集合经验分解的具有稳健性的滤波算法：首先用滑动中值滤波算法剔除原始数据中的野值,然后采用集合经验模态分解算法,抑制数据中的噪声。数值仿真和实际工程应用表明,该方法不仅能剔除野值,抑制信号中的噪声,提高信噪比,还能够有效消除模态混叠问题,将被测信号中不同的频率成分独立分解在不同的固有模态函数中,从而得到更清晰的时频分布,有利于实际数据处理中的信号分析和故障诊断。     

工况模态分析的EMD方法

EMD（Empirical Mode Decomposition)算法1995年由NASA海洋水波实验室提出，本质上是一种将时域信号按频率尺度分解的数值算法，对于线性时不变系统，它可以从时域信号中直接提取具有不同特征时间尺度的内禀模式函数（IMF,Intrinsic Mode Function)，分解得到的IMF s之间具有正交性，且分解唯一，本文以此为基础，将NExT(Natural Excitation Technique)方法推广到多点随机激励下的复模态情况，对多自由度线性系统实测响应信号的互相关函数进行EMD分解，并进而实现模态参数的辨识。     

EMD趋势分析方法及其应用研究

趋势分析是一种重要的设备状态监测与故障诊断方法,对分析较长时间范围内设备运行状态的变化具有重要意义。研究了一种基于经验模式分解（Empirical Mode Decomposition,EMD）的设备运行状态趋势分析方法。研究表明,与传统方法（如最小二乘法、低通滤波法）相比,经验模式分解能够更准确地提取信号趋势信息。应用于某炼油厂透平烟机故障诊断,表明这种基于经验模式分解的趋势分析方法能够有效提取设备运行趋势信息,消除采样中随机因素的影响,为准确评估设备运行状态、诊断故障提供可靠依据,具有重要的现场实用价值。     

基于经验模态分解的图像拼接

对待拼接图像分别进行经验模态分解,对分解得到的第一个固有模态函数与第二个固有模态函数的叠加进行特征点提取、特征点匹配与变换矩阵的估计以实现图像的拼接,文中提出的方法有效提高了特征点匹配的正确率,具有很强的鲁棒性。在图像融合方面文中提出一种新的基于余弦关系变换的加权融合技术,在实现图像无缝拼接的同时,可有效去除拼接图像重叠区域的重影与鬼影现象。     

基于经验模态分解的管道超声回波信号噪声消除

在管道超声无损检测中,超声回波信号往往受到电子噪声、结构噪声等噪声的影响,所以在分析缺陷回波信号时,必须对回波信号进行去噪处理.本文提出了一种新型的基于经验模态分解的方法对超声回波信号进行了良好的消噪处理.通过计算,超声回波信号的信噪比大约提高了11 dB.     

基于屏蔽技术的经验模式分解改进方法

经验模态分解(EMD）具有优越的自适应性,对非平稳、非线性信号的不同时间尺度可进行正确的局部化处理,然而,当信号组合分量的频率相近时会出现模态混叠现象。针对该问题,提出引入信号屏蔽技术对其改进,通过向原始信号添加一定频率的屏蔽信号,将低频成分屏蔽在高频成分所在的本征模态函数(IMF)之外,而屏蔽信号自身通过加减二次分解取平均值消除对IMF分量的影响。仿真及实际应用验证了改进方法可有效克服模态混叠现象,为EMD改进提供一种新的途径。     

双稳随机共振降噪下的经验模式分解研究

研究了强噪声混合条件下微弱信号的经验模式分解(EMD)问题,提出了一种基于随机共振降噪的EMD分解方法。该方法利用随机共振在微弱信号检测方面的独特优势,首先对有噪微弱信号进行随机共振输出,微弱信号得到降噪和加强后,再进行EMD分解。在仿真实验中,对随机共振输出前后的信号分别进行EMD分解,分析结果表明该方法不仅能够提高原始信号的信噪比,有效检测出被噪声淹没的微弱信号从而提高了EMD分解的质量,同时减少了EMD分解的层数,提高了运算效率。     

基于影像融合技术的合成孔径雷达(SAR)图像目标识别方法的探讨

对美国密歇根大学电子工程系的研究人员提出的一种多源数据融合算法进行了介绍，对SAR图像与可见光图像融合的一系列相关技术及其主要步骤进行了探讨，简要概括了评价融合后图像效果的标准和方法，并介绍了目标的检测与识别。     

基于EEMD能量熵及LS-SVM滚动轴承故障诊断

针对滚动轴承振动信号的非平稳特性和现实中难以获得大量典型故障样本的实际情况,提出基于集合经验模态分解（EEMD）能量熵和最小二乘支持向量机（LS-SVM）的滚动轴承故障诊断方法。首先通过EEMD分解将非平稳的原始振动信号分解成若干个平稳的固有模态函数（IMF）;滚动轴承同一部位发生不同严重程度的故障时,在不同频带内的信号能量值会发生改变,因此可通过计算振动信号的EEMD能量熵判断发生故障的严重程度;从包含主要故障信息的IMF分量中提取的能量特征作为输入来建立支持向量机,判断滚动轴承的技术状态和故障严重程度,并选用不同核函数对诊断效果进行分析比较。实验结果表明,该方法能有效地应用于滚动轴承的故障诊断。