基于双门限盒维数与信息维数的协作感知方法

由于认知超宽带系统在频带范围内授权信号调制样式已知,考虑到传统循环谱特征检测的不足,提出一种结合双门限盒维数与信息维数的协作频谱感知方法。该方法首先通过采用双门限盒维数检测,快速有效地实现频谱感知,然后,根据认知超宽带频谱感知的特殊性,引入信息维数对信号调制样式进行识别。仿真结果表明:该协作方法能够取得较好的检测效果,复杂度低,对噪声不敏感,能够有效识别信号调制样式、区分噪声与授权信号,适合于认知超宽带系统。     

小波分形理论及其在航空发动机故障诊断中的应用

根据小波变换和分形理论在多尺度分析和自相似本质上的一致性,采用小波分形理论进行发动机故障诊断.为了克服目前离散信号盒维数计算方法的不足,提出用矩形网格代替正方形网格来覆盖振动信号,得到更加精确的盒维数.通过比较航空发动机的几种状态下的小波盒维数表明,小波分形技术为非平稳故障诊断提供了一种有效的新技术,盒维数作为波形的一个重要特征,可以用于对航空发动机振动状态的分类识别.     

小波分形技术在齿轮故障诊断中的应用

分析小波包变换理论和盒维数的改进算法,利用LabVIEW和MATLAB软件编写小波分形处理程序。采用该程序计算特定频率范围内齿轮振动信号的盒维数,在不同状态下,振动信号的盒维数不同。该技术的软件通过读取振动信号、信号分解和重构、计算给定频段信号的盒维数实现。诊断实例表明小波分形技术具有较好的实效性。     

基于模糊函数的无线电引信信号参数提取

针对连续波线性调频(LFMCW)引信信号特征参数提取需要先验信息的问题,提出了基于周期模糊函数图提取信号特征参数的方法.该方法首先对侦察接收到的信号作二维自相关变换,分析LFMCW引信信号的周期模糊函数特征,然后结合LFMCW引信信号本身的特性,在相关域提取LFMCW引信信号的特征参数.仿真分析表明:该算法不依赖任何先验信息,即能有效地检测出信号的调频特征和较准确地估计出信号的特征参数,且具有较好的抗噪声能力.     

基于切片双谱多重分形特征的雷达信号识别算法

针对现有算法识别率低、对噪声敏感的问题,提出了基于切片双谱多重分形特征的雷达信号识别算法。该算法采用切片双谱多重分形的方法进行识别,先利用双谱对角切片降低维度,再对得到的细节信号计算多重分形维数,求取广义维数和多重分形谱,提取多重分形特征输入到支持向量机中实现脉内调制雷达信号的有效识别。仿真结果表明,该方法对噪声具有较好的鲁棒性,在信噪比大于5 dB时,识别率可以达到90%以上。     

基于双谱分析的雷达有源欺骗干扰识别

针对跟踪雷达的三种常见欺骗干扰识别算法计算量大,使用范围较窄等问题,提出了基于双谱分析的识别算法。该算法对受到干扰与否的四种情况下的雷达接收信号进行双谱分析,经过降维和归一化处理后,将三维双谱信息转化为二维特征信息,对得到的二维特征谱提取熵特征和盒维数组成特征参数集放入分类器中进行分类识别。仿真实验表明,在SNR=4dB时,三种干扰的识别率均大于90%,在SNR=6dB时,三种干扰的识别率均接近100%。证明了该方法有较高的识别率,特别是该方法受信噪比影响较少,能够有效降低噪声对干扰识别的影响。通过与其他文献方法进行比较,证明了该方法的优越性。     

基于关联维数G—P算法的齿轮故障诊断

基于关联维数的齿轮故障诊断方法,通过研究关联维数的GP算法,确定嵌入维数这一重要参数,由此计算齿轮在不同状态下的振动信号的关联维数。最后发现嵌入维数逐渐增大时,关联维数趋于稳定,而且不同状态’下的关联维数明显不同。     

基于高阶累量谱的轴承故障诊断

在轴承故障诊断中，故障信号的提取是一个关键问题。实际测得的轴承振动信号一般是非平稳和非高斯分布的信号，信噪比很低，微弱的故障信息往往完全淹没在噪声中，信号特征的提取非常困难。信号的高阶累积量对加性高斯噪声和对称非高斯噪声不敏感，应用在轴承的故障诊断中，可以有效地分离信号与噪声，提高信噪比，增强故障信息。对轴承在不同状态下的振动信号进行对比分析，提取了不同状态下轴承振动信号的功率谱与高阶累量谱（双谱），建立了用于故障诊断的双谱特征向量，并利用BP神经网络进行了故障诊断。分析结果表明，从高阶累积量提取的特征与功率谱相比，对故障特征比较敏感，容易实现智能诊断中的数字特征提取，可有效地区分轴承的故障。     

调频引信模糊函数计算及调制参数提取方法

针对调频引信信号特征参数提取方法的抗噪声性能差及工程实现难度大的问题,提出了一种基于高速定点DSP的无线电引信信号特征参数的提取方法。该方法首先在DSP中对截获到的引信信号进行周期提取并将其长度补零至2m点,然后对处理后的信号进行二维自相关变换,最后结合信号本身的特性,在相关域提取出信号的调制参数。仿真与测试结果表明,在不依赖于任何先验信息的条件下,该方法能够精确地提取出锯齿线性调频连续波引信信号的调制参数,且具有较强的抗噪声性能。完成的系统具有高的可靠性和实时性。     

柴油机故障信号的形态学多尺度分形分析

为解决传统单一分形维数在表征信号时的缺陷,提出一种基于形态学计算的多尺度分形维数估计方法。 对柴油机正常、失火和气门间隙过大故障信号进行分析,并与单一分形维数方法进行对比。结果表明：基于形态学 计算的多尺度分形维数能准确地对柴油机不同状态下的信号进行分类,计算简单快速,具有很好的故障诊断效果。     

基于双谱熵模型的故障模式识别

提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。     

基于双谱分析的毫米波多普勒引信目标检测

目标检测是毫米波多普勒引信信号处理的重要内容,在目标检测过程中,传统功率谱等技术不能充分揭示隐含于目标回波中的高阶统计信息,不能消除噪声和杂波的影响,不利于目标特征分析及检测,因此提出了基于双谱分析的毫米波多普勒引信目标检测技术,利用双谱及双谱对角切片进行特征分析及优化,通过对实测毫米波多普勒引信数据进行理论分析和试验仿真,结果表明采用双谱分析的毫米波多普勒引信目标检测方法有效可行。     

误差影响下滚动轴承多重故障模态特征信号的盲源分离方法

针对旋转机械设备受到测量误差及系统误差等因素影响,导致滚动轴承多故障模态信号难以分离的缺陷,提出一种误差影响下滚动轴承多重故障模态特征信号的盲源分离方法。对故障信号进行白化预处理得到白化矩阵,进而计算白化矩阵的4阶累积量,并构建4阶累积量矩阵;将累积量矩阵对角化,并取前K个较大特征值对应的特征向量作为新累积量矩阵;利用总体最小二乘方法估计最小化新累积量矩阵与目标正交矩阵的误差函数,最大程度地联合近似对角化新累积量矩阵,实现多故障信号的分离估计;为进一步评估该方法的有效性,选用时域相关系数及时频域双谱估计两种评价方法对分离结果进行验证。结果表明,该方法分离出来的信号与源信号相关系数高,并且时频域双谱估计相似,是一种有效分离多重故障的方法。     

基于双谱的微地震动信号的特征提取

讨论双谱的有关概念 ,从理论上证明了双谱可完全消除高斯白噪声或有色噪声 .针对轮式车与履带式车产生的微弱地震动信号 ,进行了双谱分析 ,并与功率谱分析对比 ,发现双谱分析在特征提取方面明显优于功率谱分析 .     

战斗部壳体爆炸破片体/线分形维数研究

为研究爆炸瞬时情况下金属壳体破碎形成破片的形状特征规律,设计了壳体爆炸破碎形成破片回收试验,来研究瞬时破碎条件下破片分布及内在关系。通过借鉴体/线分形维数测定数学模型,并应用MATLAB软件中数学算法对描述破片质量或大小分布特征的体分形维数D₃以及描述破片迎风面投影轮廓特征的线分形维数D₁进行了计算。研究结果表明：爆炸条件下壳体破碎形成破片质量分布和形貌特征均满足统计自相似性,可以用分形维数来表征;计算获得破片平均体分形维数为2.385 9,平均线分形维数为1.298 7,二者之间满足D₃+2D₁=5.     

复合材料断口分形维数的测定

探讨了ＳｉＣ晶须增强Ａｌ和碳纤维增强ＳｉＣ复合材料断口的分形特征,分别用小岛法和垂直截面法测定了断口的分形维数。实验表明,这两类复合材料的断口具有典型的分形特征,小岛法测得Ｃｆ／ＳｉＣ复合材料断口的分形维数为１．３１２;垂直截面法测得ＳｉＣＷ／Ａｌ复合材料断口的分形维数为１．０９９,表明可以用分形维数来定量表征复合材料的断口形貌     

基于小波包变换的复合材料分层缺陷信号特征分析

通过自行设计的超声波检测系统对模拟分层试样进行实验,提取出缺陷信号,并对缺陷信号进行频域分析,在此基础上进行了基于小波包乏换的缺陷信号特征提取和BP神经网络识别。通过“能量-缺陷”的信号特征提取方法,比较不同分层位置之间的信号特征,得到一些有用的数据和信息,为复合材料的质量评估提供了重要的参考依据。