用高阶累积量投影法检测红外弱小目标

为检测弱小红外运动目标,提出了一种基于高阶累积量投影的检测算法.红外图像序列经背景抑制后,首先计算时域数据的归一化三阶累积量,并将其投影到二维空间,然后在二维空间内对目标轨迹进行统计判决,以实现目标检测.推导出了目标和噪声在二维投影空间中的分布公式.通过与相关算法对比分析,该算法计算量小,检测率随目标信噪比增长较快.利用实际录制的图像序列进行了仿真实验,成功检测到了信噪比不小于2、像面运动速度为2帧/像素的目标,验证了算法的有效性.     

相关噪声背景下加权高阶累积量的时延估计方法

时延估计是双基阵被动定位中的重要问题。在非相关噪声干扰下,应用广义互相关法进行时延估计可以取得良好的估计效果,但在相关噪声干扰情况下其估计性能严重下降。使用高阶累积量进行时延估计,可以有效地去除相关高斯噪声的干扰。采用类似广义互相关加权的方法对高阶累积量进行PHAT加权,进一步抑制噪声的影响,提高了高阶累积量法的估计性能。结果表明,在相关噪声背景下加权高阶累积量时延估计效果优于广义互相关法和高阶累积量法。     

基于高阶累积量自适应算法的列车轴承的故障诊断

论述三阶累积量递推最小二乘自适应算法（CDRLS）和三阶累积量最小均方误差自适应算法（CDEFWLMS），及其在列车轴承故障诊断中的应用。通过对列车滚动轴承的保持架断裂和滚子掉块典型故障信号分析，得出高阶累积量自适应算法具有良好的降噪性，CDEFWLMS算法比CDRLS算法处理后的特征频率更突出明显。研究表明：用高阶累积量自适应滤波算法提取信号特征，容易地分离正常轴承信号、保持架断裂和滚子掉块故障信号，从而验证了高阶累积量自适应滤波在故障诊断、检测中具有良好的应用特性。     

基于匹配滤波器的LFM信号高阶谱检测

自相关序列Ｋ阶矩的峰值在原点（所有延迟宗量均匀零）并等于信号Ｋ阶矩的能量。故利匹配滤波器可以容易地构成一种瞬态信号高阶谱能量检测器。本文研究和比较基于匹配滤波器的ＬＦＭ信号双谱和三谱能量检测的性能及抗水声多径传输失真的稳健性。同时与常规双谱能量检测、普通能量检测和匹配滤波检测的性能作了对比。     

基于时域波束信号高阶谱的目标检测技术

为解决常规时域波束形成技术抗噪声能力弱、对弱目标检测能力差的问题,利用高斯噪声的高阶累积量(三阶及三阶以上)为零、非高斯信号的高阶累积量不为零这一性质,对常规时域波束形成后输出的波束信号进行后置处理。首先,对常规时域波束形成后输出的各预成波束信号,分别求其四阶累积量切片谱值;然后,再对各四阶累积量切片谱值分别进行能量累加,得到空间谱图;最后,通过对空间谱在时间上的累积,得到方位历程图。用仿真和海试数据对算法进行了验证:在低信噪比情况下,常规算法不能有效检测到弱目标时,经后置处理后可以有效检测到弱目标。结果表明,与常规时域波束形成算法相比,波束形成后再进行切片谱后置处理的算法增强了对噪声的抑制能力,提高了对弱目标的检测能力。     

基于高阶累积量的高精度时延估计算法

针对海洋探测中由于接收信号信噪比低并存在各种噪声干扰导致时延估计精度低的问题,提出一种基于二次相关和高阶累积量的具有多种噪声抑制能力的高精度时延估计新方法——SC-HOCS法。该方法首先对两路接收信号进行自相关和互相关处理,抑制部分高斯噪声,然后利用高阶累积量一维切片法对信号进行处理,抑制相关高斯噪声和非高斯色噪声,通过对接收信号的上述处理提高信噪比,最后结合希尔伯特变换对相关峰进行锐化处理,进一步提高时延估计精度。与广义相关法、二次相关法及高阶累积量一维切片法相比,该方法能很好地抑制相关噪声并且能在更低的信噪比下获得较好的时延估计精度,同时该算法计算量较小,可满足对数据实时处理的需求。计算机仿真和水池实验验证了该方法的有效性。该方法为海洋探测中低信噪比信号的高精度时延估计提供一种新的技术途径。     

EMD与高阶累积量在滚动轴承故障诊断中的应用

共振解调是滚动轴承故障诊断中最常用的方法之一,但由于滚动轴承的早期故障信号中含有强烈的背景噪声,诊断效果不够明显。为此,提出一种基于EMD（Empirical Mode Decomposition）与高阶累积量(HOC)的滚动轴承早期故障诊断新方法。该方法首先对故障信号进行EMD分解获得多个基本模式分量,然后对各分量进行高阶累积量分析,并进行重构,最后运用包络解调进行故障诊断。故障实例证明,该方法与传统共振解调方法相比,具有较大的优势。     

混合色噪声背景下的弱信号频率估计：基于互高阶累积量的矩和最小范围—TLS方法

谱估计方法是用于噪声背景下测量微弱正弦信号的一种有效方法。但以往的谱估计都是采用互功率谱估计和高阶自谱估计的各种方法。本在互功率谱估计和高阶统计量理论基础上,提出了互高阶谱估计方法。从理论上建立了基于互四阶累积量的Yule-Walker方程,并在此基础上提出了互高阶谱估计的矩和最小范数－总体最小二乘（TLS）方法。仿真结果表明,在混合色噪声背景下,这两种方法能够有效地抑制噪声,具有良好的频率估计性能。     

基于高阶累积量的MPSK信号的调制盲识别方法

调制方式识别是现代矢量信号识别与分析设备中重要关键技术之一。本文主要讨论使用了高阶统计特性来实现MPSK信号的有效识别和处理的方法。仿真结果表明,本文的方法可以使用到信号检测与识别的相应仪器设备中去。     

基于滤波器组分解的周期性振动冲击信号解调方法及其应用

针对离散小波包变换用于振动信号解调分析存在的不足,构造了一种具有线性相位的两通道正交镜像对称滤波器组(QMF)用于信号解调分析;与同阶的小波滤波器相比,此QMF滤波器不仅滤波性能更优,而且其滤波系数的求取更加便捷.为了解决常规两通道滤波器组分解算法中存在的子带信号组频带错位问题,引入了无频带错位的QMF滤波器组分解算法.基于此分解算法,提出了一种用于早期故障自动检测的振动信号解调新方法.该方法在考虑各组子带信号能量大小的基础上,按修正的归一化峭度(MKv)最大化准则自动选择一组含有丰富故障信息的子带信号进行Hil-ben包络谱分析提取故障特征.利用该方法对仿真和实际轴承故障信号进行了解调分析,分析结果表明,该方法可以有效地检测出轴承故障.     

EMD信号分析方法的声发射管道泄漏检测研究

针对管道泄漏声发射检测信号的非平稳特征,提出了基于经验模态分解(EMD)的信号分析方法。该信号分析方法将管道泄漏产生的声发射信号通过EMD分解为多个平稳的固有模态函数(IMF)之和,选择包含声发射特征的若干IMF分量进行重构,可以提取到管道泄漏声发射信号的本质特征,消除噪声信号的干扰。通过对重构后的信号进行互相关分析计算,使基于声发射方法的管道泄漏检测的定位精度得到较大提高,验证了Hilbert-Huang变换是表征声发射信号的非平稳特征及信号参数提取的有效工具。     

基于扩展卡尔曼滤波的结构参数和荷载识别研究

经典的扩展卡尔曼滤波（Extend Kalman Filter,EKF）方法可有效识别结构参数,但却需要已知外部激励,然而,在工程实际中,有些外激励往往难以实时获取。为此,该文提出了一种基于EKF的未知激励下的结构参数和荷载识别方法。通过在观测方程中引入投影矩阵,实现了结构参数的识别,同时,利用最小二乘估计实时识别了未知的外激励。为了验证该方法的有效性和鲁棒性,文中采用了三个数值算例：四层的Benchmark模型、分段线性系统和非线性Duffing系统。数值分析的结果表明,该方法不仅能够准确识别线性和非线性结构的参数,还能有效识别作用于这些结构的外激励。     

基于小波包技术的复合材料损伤检测

小波包分解能够精细地把信号划分到不同的频带范围内,实现了不同频带范围内特征信息的分离和提取.据此并借助于小波神经网络实现了复合材料无损检测中的特征信号的模式识别.实验表明该方法稳定可靠.     

基于压电阻抗技术的结构损伤识别基本理论及其应用

结构材料早期的微小损伤若未及时发现,会不断改变结构的强度与刚度,引发结构的累计损伤,从而导致结构的突发性失效,因此,及时准确地识别结构材料早期微弱和潜在的损伤具有重要的理论与应用价值。观察结构内部真实裂纹的产生、传播以及确定内部任意位置的微观应力场一直是土木工程领域一个难题。论文利用压电陶瓷电机耦合阻抗(PZT)对结构微小损伤敏感、对外界环境影响免疫力强等特点,研究基于PZT监测信号的混凝土/钢结构微损伤的识别技术,为混凝土/钢结构健康评估提供准确与可靠的依据。介绍了作者所在课题组在利用PZT阻抗方法进行混凝土/钢结构微损伤识别方面的主要研究成果,并指出了该领域存在的困难和需要解决的主要问题。     

结构损伤识别的小波包分析试验研究

在结构服役期内，由于局部损伤的累积发展将导致结构刚度等特性的降低，可能导致灾难性的事故。传统的基于模态参数的损伤识别方法有时效果并不理想。提出基于小波包变换的能量变化率指标，并用其进行损伤识别的方法。首先将所得的结构响应信号进行小波包分解，然后通过小波包能量变化率指标进行损伤定他。通过三种不同损伤工况的梁体室内试验，证明所提出的损伤指标可以准确地识别损伤位置。     

基于车激响应和灵敏度分析的桥梁结构损伤识别方法研究

提出了一种利用桥梁结构在车辆荷载作用下在线响应评估结构性损伤的方法。以单元弯曲刚度的变化量为识别指标,基于车桥动力相互作用理论计算车激桥梁响应以及响应对损伤指数的灵敏度,以结构不同状态下的响应残差为约束条件,利用最小二乘法求解灵敏度方程得到各单元的损伤指数,然后通过有限元更新技术和反复迭代,最终实现对桥梁损伤的定位和定...     

曲率模态和小波包变换在结构损伤识别中的应用

小波包变换相比传统的Fourier变换,对非平稳信号分析具有良好的特性.利用小波包变换的特性,根据曲率模态损伤检测原理提出了一种基于小波包组分能量变化率作为损伤指标的分析方法.通过一简支梁结构的数值模拟,表明该方法对于判定损伤存在和确定损伤位置是有效的.     

基于Zernike矩的网壳结构的振型表征及损伤识别

在结构模态识别中常用的模态保证准则(MAC)仅能显示结构不同振型的相关性,并不能反映模态的细节,对于模态复杂的网壳结构则更是如此。因此,提出利用Zernike矩表征网壳结构的振型,即将振型数据视为图像函数,通过离散Zernike矩变换,得到表征各阶模态的Zernike矩值(包括幅值和相位角)。对一个单层球面网壳结构的有限元模型进行数值模拟,结果表明,此矩可有效地反映模态的振型特性并能识别结构的重频模态,较传统的MAC具有明显的优越性。在此基础上,初步提出将Zernike矩的幅值及相位角作为结构损伤识别的新指标。构造了网壳结构杆件物理参数改变的几种损伤工况,通过分析,发现了不同的损伤形式导致的Zernike矩的不同变化规律,验证了Zernike矩用于损伤识别的可行性。     

基于不完备损伤指标和遗传算法的特大桥损伤识别和传感器布点优化

特大桥健康监测系统不可能在所有自由度安放传感器,该文讨论了用由不完备振型建立的损伤指标的损伤识别和传感器布点优化方法。与过去用遗传算法优化传感器布点的适应度函数不同,该文用损伤指标最灵敏来建立适应度函数。对桥梁的单个损伤,该文用不完备模态柔度矩阵差和截断模态应变能变化率两个不完备损伤指标作为适应度函数来优化传感器布点,并与传统的COMAC指标对比,还改进了多种群遗传算法,以提高收敛速度和全局寻优能力。并以西堠门悬索桥有限元模型为例,识别不同部位的损伤。算例表明:该方法在损伤识别和传感器布点优化方面不仅可行而且有效。