航空发动机振动数据稀疏傅里叶变换分析

稀疏傅里叶变换是近年来新兴的一种基于信号稀疏特性的频谱分析方法,稀疏傅里叶变换通过识别舍弃对分析结果无影响的频率信号,从而对大数据进行快速准确的处理。为了探究稀疏傅里叶变换在航空发动机振动数据分析中的实用性,结合实际飞行试验振动数据,将稀疏傅里叶变换方法与传统快速傅里叶变换方法在频谱特性、运行时间、算法稳定性等方面进行了研究,通过对比可以发现,稀疏傅里叶变换算法在保证准确率的情况下,可以极大地提高振动数据分析的效率。     

实验室环境内傅里叶望远镜技术的实现

傅里叶望远镜是一种成像系统。该系统通过扫描目标上不同空间频率和取向的条纹图形来建立目标的傅里叶频谱,用非成像探测器接收被调制的散射光。为确认基本测量原理和图像重构算法的有效性,完成了傅里叶望远镜的实验室验证,并比较了实验获得图像与仿真图像。后续实验将获得偏离理想测量条件后的结果。本实验用于地球同步轨道卫星的成像。     

基于全相位谱分析的傅里叶望远镜外场实验数据处理

为了提高傅里叶望远镜(FT)的成像质量,实现对运动目标的高分辨率成像,研究了能抑制由声光移频器移频误差、光学器件偏差及信号采样截断等产生的频谱泄漏且能实时计算信号频率的数据处理方法。首先,采用全相位预处理技术对外场静态目标的采样信号进行处理;通过搜索算法得到每束干涉光的整点频率最大值。然后,基于apFFT谱分析时移相位差校正法计算每束干涉光的真实频率。最后,对非整点频率解调,采用5点最小二乘拟合方法,得到目标的傅里叶分量信息。实验结果表明:与传统方法相比,本文提出的数据处理方法得到的重构图像的斯托里尔比(Strehl)相应提高了3%。另外,本文方法对频谱泄漏的抑制能力更强;对静态目标实验数据进行处理后,重构图像质量有一定的提升;该方法也为运动目标的成像数据处理提供了参考。     

基于最小二乘法拟合估计傅里叶望远镜的缺失分量

为了采用非均匀发射阵列的傅里叶望远镜清晰重构深空目标图像,提出了一种基于最小二乘法拟合缺失傅里叶分量的新方法。首先采用T型非均匀发射阵列作为傅里叶望远镜的激光发射系统,并对返回的时域信号进行直流滤波;然后,基于傅里叶望远镜的基本原理对信号进行解调并通过相位闭合得到三重积。采用最小二乘法对没有抽取的傅里叶分量进行拟合估计,作为连乘恢复单一傅里叶分量信息的基础;最后,进行非均匀傅里叶逆变换重构目标图像。在不同信噪比条件下对4个目标进行了数值模拟,并与简单估算方法进行了对比。结果显示:信噪比(SNR)为200db,采用7阶最小二乘法拟合估计时,重构图像细节分辨更为清晰,其斯特里尔比(Strehl)比衍射极限图像的斯特里尔比(Strehl)最高可提高0.074 2,最低可提高0.009 8。采用新方法对外场实验数据进行重构的结果表明:提出的方法克服了频谱偏差造成的重构图像失真,可为实际工程系统提供理论参考。     

基于快速稀疏扫频干涉的动态间隙测量方法

本文建立了基于扫频干涉的动态间隙测量模型,推导出间隙与多普勒误差、光源扫频速率之间的关系式;定义多 普勒误差修正系数,对多普勒误差进行补偿。 分析了扫频速度变化时的间隙瞬时频率变化特征,获得傅里叶变换频率解 调法的适用条件。 仿真分析了间隙以三角波形式变化情况下,稀疏扫频点数、噪声等对傅里叶变换解调的影响;进而分 析了该方法在篦齿间隙测量中的适用性。 最后,搭建快速稀疏扫频干涉间隙测量系统并开展动态测量实验,结果表明: 扫频分别速率为 20、40 及 60 kHz,间隙变化频率分别为 100、500 及 1 000 Hz 的情况下,测量均方误差不超过 0. 2 μm,重 复性误差小于 0. 3 μm。     

超宽带穿墙雷达偏离网格目标稀疏成像方法

在超宽带穿墙雷达成像应用中,由于目标成像空间的稀疏性表示可以采用压缩感知在较少数据采集下获得高分辨、低旁瓣的成像结果。然而,这些稀疏成像方法要求真实目标必须位于预设的网格点上才能保证较好的成像质量,否则会出现严重的虚假目标像。本文提出一种基于修正贝叶斯压缩感知的偏离网格目标稀疏成像方法。该方法对偏离网格目标的感知矩阵在预设网格点进行一阶泰勒级数展开,把真实目标与网格点之间的偏移量视为稀疏贝叶斯模型的参数,然后通过构造的联合概率密度函数利用最大期望方法联合估计目标散射系数和偏移量,保证了目标真实像的准确恢复。仿真和实验结果表明,该方法通过校正目标偏离网格引起的模型误差有效改善了传统稀疏重建方法的成像质量。     

低采样关联成像研究现状及发展

关联成像是一种基于光场二阶或高阶关联的主动间接成像技术,具有灵敏度高、抗干扰能力强等特点,在生物医学成像、遥感成像、海洋探测等领域有着重要的利用价值。然而,关联成像过程中对采样数的要求导致采样时间长、成像速度慢。如何在低采样的情况下获得高质量的图像重构依旧是关联成像在实际应用中需要解决的问题之一。详细阐述了关联成像的原理并介绍了近几年低采样关联成像的进展情况,如以深度学习为主的计算关联成像的理论及实验研究成果,并对关联成像的应用进行了总结和展望。     

无线传感器水下监测网络稀疏采样和近似重构

无线传感器网络在水下生态环境的监测方面有着广泛的应用,但是常常会碰到能量缺乏和生命周期较短的问题.为了克服这些问题,基于压缩感知理论,提出了一种网络节点调度和稀疏采样的优化方法,与传统的无线传感器网络节点调度方法不同,它采用随机概率采样模型,只对整个网络的一个子集进行采样,这是一种“物理静止,逻辑动态”的随机调度方案,节省了有限的带宽和能量.同时该方法在节点调度过程中,引入了状态转换图,对节点的状态进行分类控制,增加了网络覆盖要求和最小观测数等约束条件,使得设计的稀疏选择矩阵更为合理.同时研究了在满足最小l1范数的条件下,基于组合算法对稀疏信号进行重构的方法.实验的结果表明,与传统的无线传感器水下监测网络相比,基于上述节点调度方法所构建的无线传感器水下监测网络,具有较低的能耗和较长的网络生存时间,并且能对稀疏采样后的信号以较大的概率进行近似重构,使得重构信号逼近原始监测信号.     

基于低秩矩阵分解的光场稀疏采样及重构

光场成像技术中光场的采集和数据的压缩处理是亟待解决的问题。为了实现光场的稀疏采样和恢复,建立了基于光场低秩结构的压缩采样相机系统,研究了光场矩阵的结构特征及压缩采样下光场图像的重构问题。根据静态光场各视点图像之间的内容相似性,将这些图像向量化并按列组合成一个二维矩阵,该矩阵呈现出低秩或近似低秩的状态。对光场图像矩阵进行低秩分解,结果表明偏离低秩的部分呈现出很强的稀疏性性质,低秩和稀疏各自表征不同的数据冗余度。然后,对基于掩膜的相机采样系统进行随机Noiselets变换测量,鉴于重构过程是一个低秩稀疏相关性约束下的优化求解问题,采用贪婪迭代求解分别重构出光场矩阵的低秩部分和稀疏部分。仿真结果表明,重构图像的PSNR维持在25dB以上,且保留了光场视点间的视差信息,能够满足稀疏采样中对光场图像的要求。     

傅里叶变换与小波分析的对比研究

小波是近十几年才发展起来并迅速应用到图像处理和语音分析等众多领域的一种数学工具,是继110多年前的傅立叶(Joseph Fourier)分析之后的一个重大突破,无论是对古老的自然学科还是对新兴的高新技术应用学科都产生了强烈冲击。本文先简单回顾傅里叶变换讨论其优缺点,然后讨论如何克服其缺点和引入窗口傅里叶变换,继而引入小波的基本概念,重点探讨在大多数情况下小波变换优于傅里叶变换的内在原因。     

基于多通道联合稀疏重建的全极化SAR成像

全极化合成孔径雷达(SAR)可对不同极化通道分别独立进行压缩感知(CS)稀疏重建来增强成像性能,但分别独立处理没有利用极化信息的冗余性与互补性,有可能破坏极化信息的完整性。依据雷达目标在全极化下的散射特性构建联合稀疏度量函数,将全极化SAR高分辨成像转化为多通道联合稀疏约束的最优化重建问题,并用改进的正交匹配追踪算法进行求解。由于有效利用全极化信息,多通道联合CS成像相比于单通道CS成像能够获得更好的成像质量,还能全面准确反映目标全极化散射特性。通过对Backhoe挖掘机电磁仿真数据的处理,验证了算法的有效性,并且在微波暗室搭建了全极化SAR半实物仿真系统,利用其获取的全极化实测数据进一步验证了该方法的工程可行性。     

基于压缩传感理论的随机等效采样信号的重构

随机等效采样技术通过对周期信号进行多次随机时间间隔取样,以时间间隔为序排列采样数据,形成具有较高等效采样率的波形。然而,由于时间间隔的非均匀性,很难采集到足够的有效信号重构原始波形。为了克服这种信息不足引起的重构误差,提出了一种基于压缩传感理论的随机等效采样信号重构方法,构造了随机等效采样测量矩阵。该方法能够对周期信号以低于信号奈奎斯特频率的采样率进行随机采样,通过最优化问题从有限的采样值中重构原始信号。最后通过实验对该方法的可行性进行了验证。     

基于压缩感知的新型声信号采集方法

介绍了一种基于压缩感知的声音信号采集方法,特别适合于无线传感器网络的声学监控应用,能够大大降低采样过程中对硬件采样速率和能量的需求,同时减轻了无线通信的负担,从而实现无线传感器的低成本化和实用化.利用声学信号在频域中的稀疏性质,在压缩感知相关理论的指导下设计了一种新型的随机压缩采样方法,实现了信号有用信息的高效获取;同时,利用加权L1 -magic算法对信号进行重构,完成完整的信号采集过程.仿真及实验表明,该方法能够实现在1/10以下标准采样频率下的声信号采集.     

FEKO稀疏微多普勒建模及CS重构方法

提出了利用压缩感知解微多普勒模糊的方法。由于目前雷达无法实现发射脉冲的随机性,采用电磁仿真软件FEKO来实现具有随机发射时刻的雷达回波模拟,用于算法验证。仿真过程中,考虑微动目标运动的复杂性,采用FEKO结合MATLAB的方式实现目标姿态的动态更新。首先由MATLAB计算出每个稀疏时刻目标的运动状态,然后把参数传递给FEKO,获得不同时刻对应的姿态角下目标的电磁散射数据,最后利用本文算法解出无模糊的微多普勒频率。对5种不同的微动模型进行仿真,仿真结果均与理论结果一致,由此验证了该算法的可行性和仿真模型的有效性。     

星图的稀疏表示性能

分析了星图在不同表示方法下的稀疏性能,以便将更好的稀疏表示应用于星敏感器压缩成像过程中。采用两种方式对星图的稀疏性进行了分析:第一种方法利用离散余弦变换(DCT)、离散傅里叶变换(DFT)和离散小波变换(DWT)构造完备正交基,考察星图在不同完备基下的稀疏性;第二种方法则是通过选择DCT完备基构造超完备字典及训练学习字典来分析星图在不同表示方法下的稀疏性。仿真结果表明,在完备基表示下,星图相比一般场景图像的平均峰值信噪比(PSNR)值高出15~20dB,超完备字典和学习字典稀疏表示能够在各稀疏度下进一步提升峰值信噪比(PSNR值)2~20dB;对于星点的重构质量,各表示方法在10%以上稀疏度时基本能够保证星点重构成功率高于95%。得到的结果证明星图的稀疏性满足压缩成像的要求,其稀疏重构能够在很大程度上保持适用于姿态确定的星点质心位置,从而验证了压缩感知在星敏感器应用中的稀疏前提及可行性。     

双臂对称性对压缩传感用于关联成像重构的影响

根据压缩传感理论和关联成像模型,将压缩传感理论应用于关联成像中,实现了传统的双臂关联成像的压缩传感重构。通过仿真实验验证了压缩传感用于关联成像的可行性,以峰值信噪比（PSNR）为衡量指标,分别对压缩传感和传统关联算法的重构图像质量进行了量化。仿真实验表明,压缩传感和关联算法的重构效果均随测量次数的增加而变优,在相同的测量次数下,压缩传感在关联成像中的重构图像的PSNR比传统的关联重构图像高20 dB以上。将压缩传感用于实际双臂关联成像的实验结果表明,压缩传感可以实现双臂关联成像装置的图像重构,但其重构质量很难优于传统关联算法的重构。针对这一实际实验与仿真实验似乎相矛盾的特殊现象,从双臂对称性的角度进行了合理解释,并利用实验中实际的散斑场对该现象进行了验证,最后提出了解决方案。