基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。     

面向长距离量子通信的双光子关联成像技术

量子时域鬼成像利用光子对的时间-频率关联性实现了50km光纤链路上的图像传送,有望应用于量子通信的协议中。然而,现有方案的成像质量较差,成像速度较慢,因此其应用性在一定程度上受到了限制。文章对已有成像方案进行了较大的改进,利用可编程滤波器数字设定待成像信息,进而实现了二维图像信息的自动化实时传送。实验结果证明,改进方案的成像质量和速度均有显著改善,有利于推动量子关联成像在量子通信领域的应用。     

同频段混合信号中的无人机信号盲检测识别

无人机信号的探测识别技术是应对无人机黑飞滥用的关键技术之一。在实际信号监测环境中，经常会接收到多个信号的混合信号，它们在时域和频域上混叠且各信号分量调制样式相同。为解决在同频段混合信号中检测识别出无人机信号的问题，提出了一种通过谱特征分析判断无人机信号存在性的方法。分别采用基于二次方谱特征的无人机图传和WiFi混合信号检测识别算法以及基于频谱带宽特征的多无人机混合信号检测识别算法，通过对射频电路采集的信号进行仿真验证，实现了从同频段混合信号中检测识别出无人机信号分量。理论分析和实验测试结果证实了所提检测识别算法的有效性。     

Harmonics and inter harmonics estimation of DFIG based standalone wind power system by parametric techniques

This paper presents application of parametric techniques (Estimation of signal parameter by rotational invariance techniques (ESPRIT), Root multiple signal classification (Root MUSIC)) for the estimation of harmonics/inter harmonics produced by wind generator under constant, variable rotor speed, load imbalance. Accuracy of estimation by parametric techniques is checked on synthetic signal as well as signal extracted from DFIG based standalone system with constant rotor speed and balanced load condition. Further sliding window concept is applied to parametric techniques to estimate the harmonics/inter harmonics under variable rotor speed and load unbalance. Series of simulation results demonstrate the advantages of the sliding window ESPRIT over sliding window Root MUSIC in the estimation of harmonics and inter harmonics under variable rotor speed as well as load unbalance condition.     

考虑二阶效应高层建筑结构地震反应分析

高层建筑结构计算分析中,若结构的轴向力较大而侧向刚度较小时,P-Δ效应不可忽视;针对高层建筑结构的二阶分析,建立了考虑P-Δ二阶效应的结构动力学基本方程;并采用小波包分解,将地震输入能量分解到不同频段上,分析了不同频段范围内结构的反应以及能量的分布。并采用文中的方法对一结构进行了分析,揭示了结构地震反应能量在时频域上的分布特性。     

岩石超声波信号的小波时频分析

岩石超声波信号是一种非平稳信号.由于传统的短时Fourier变换(STFT)使用的窗函数固定,分辨率单一,其分析结果只能大致反映信号能量随时间的变化.小波变换(WT)以小波基为变换基础,具有多分辨率特点,其分析结果较详细地反映了质点震动强度随时间的衰减起伏变化.分析认为小波变换是一种更优越的处理岩石声学信号的时频方法.     

交通荷载下路面振动响应信号的时频特征分析

本文在简单分析了Fourier变换、短时Fourier变换和小波变换的基础上,以实测的交通荷载路面振动信号为模拟信号,采用小波包对模拟信号进行时频特征分析,并结合Fourier变换,给出了小波包各分解重构信号随时间的衰减规律及其在各子频带的频谱图,因此,结合Fourier变换对信号进行小波包分析是一种有效的信号处理途径.研究结果对今后交通荷载作用下路面路基动力响应计算模型的初始边界条件的确定提供依据,为路面路基动力响应的计算奠定基础.     

基于时频特征分析的变压器有载分接开关运行状态识别

为了对变压器有载分接开关的运行状态进行识别,该研究首先对其运行状态和故障特征进行总结分析,针对分接开关运行过程中产生的振动信号,利用集合经验模态(EEMD)分解为多个固有模态函数分量(IMF),再经过希尔伯特变换法,结合能量熵提取得到基于时频分析的特征向量。将特征向量输入自适应遗传算法(AGA)优化的BP神经网络模型中进行故障识别,并进行数据仿真,与相空间重构后提取的特征向量(PPDC)进行对比,验证不同网络模型下,所提方法的识别准确率和收敛速度。结果表明,以PPDC故障样本作为模型输入时,AGA算法优化前后的BP神经网络模型的识别准确率分别为81.68%和88.32%,收敛次数为981和363,当以基于时频特征提取的故障样本作为模型输入时,AGA算法优化前后的BP神经网络模型的识别准确率分别为91.66%和96.68%,收敛次数为349和159,AGA算法可显著提高BP神经网络模型的性能。由此可见,可将时频特征提取方法与AGA-BP神经网络结合,实现有载分接开关运行状态的有效识别。     

Novel Doppler Frequency Extraction Method Based on Time-Frequency Analysis and Morphological Operation

Miss distance measurement is veryi mportant forassessing the precision of missiles.Most attention isfocused on Doppler radar scorers where Doppler fre-quency extractionis a major manipulation of the dataprocessing procedure[1-4].The traditional methoduses analog or pulse counting discri minator for fre-quency extraction.Since1980s,the FFT-basedmethod and modern high resolution harmonic esti ma-tion-based method have been used in frequency ex-traction withi mproved measuring precision[3].How-…     

不同类型地震波作用下超高层结构动力响应分析

目前,由于长周期地震动的缺乏,国内外对于长周期地震动特性及在长周期地震动作用下的超高层结构地震响应的研究尚不成熟。该文选取长周期地震动Tom波、地表反应波LS-R波、普通地震动El Centro波作为输入,对在不同类型地震波作用下的超高层结构进行了模型振动台试验,并对试验结果进行了分析。通过对三条不同类型地震波作用下超高层结构的动力响应分析,以时频分析的角度分析了超高层结构地震反应与输入地震动特性之间的关系及超高层结构在长周期地震动作用下与普通地震动作用下的地震反应差异等。