基于多通道的调频连续波雷达生命信号提取

针对单通道调频连续波(FMCW)雷达不能保证生命信号检测准确度的问题,该文提出一种基于多通道的FMCW雷达生命信号提取方法。所提方法对各等效接收通道进行距离像重构和相位信号提取后,首先采用最大比率融合(MRC)技术对各通道提取的相位信号进行融合,接着对融合后的相位信号进行变分模态分解(VMD)并对生命信号进行重构,最后对重构信号进行快速傅里叶变换(FFT)得到呼吸和心跳信号频率。实测数据处理结果表明相比于单通道FMCW雷达,所提多通道方法能够更加稳健准确地提取生命体征信号,且结合MRC技术与VMD的信号处理方法明显优于结合MRC技术与带通滤波(BPF)的信号处理方法。     

异构网络上MMS互连的实现

本文首先简述了ＭＭＳ的实际应用环境及其在ＭＡＰ上的实现，然后论述了ＢＩＴＢＵＳ上ＭＭＳ服务的建立，并在网络互连的基础上提出了异构网络ＭＭＳ互连实现的方法及步骤，最后对ＭＭＳ在制造环境中的应用提出了一些看法。     

基于变分模态分解和压缩感知的弱观测条件下雷达信号重构方法

针对弱观测条件下雷达信号存在数据残损的问题,该文提出一种基于变分模态分解和压缩感知(VMD-CS)的雷达信号重构方法。首先通过变分模态分解对采样数据进行降解去噪处理,其次在压缩感知框架下构造观测矩阵、稀疏表示字典矩阵,然后基于正交追踪匹配(OMP)算法重构出稀疏表示向量。在此基础上利用离散余弦稀疏矩阵重构信号,实现对残损雷达信号的数据重构。在连续丢失数据和随机丢失数据两种情况下,对实际采集的线性调频(LFM)雷达信号进行仿真实验。实验结果表明：在数据连续丢失率不高于30%或随机丢失率不高于60%的情况下,该文方法能有效重构雷达信号,在时域、频域和瞬时频率上能够准确逼近原始信号。     

基于胸腔信号样本的FMCW雷达身份验证

针对当前使用体征信号进行身份验证准确率低,且特征提取过程复杂的问题,本文在通过毫米波雷达检测生命体征的基础上,提出了一种将纯净的人体胸腔信号（Chest Cavity Signal, CCS）作为样本进行身份验证的方法。首先,对提取到的雷达原始信号进行预处理,消除与实验无关的冗余干扰并提取相位信号。接着对含有干扰的相位信号进行变分模态分解（VMD）,提取纯净的心跳与呼吸信号并制作CCS样本。最后将CCS样本送入二维卷积神经网络（2D CNN）中进行训练并验证身份,识别准确率达到了97.5%,实验证明本文提出的方法对于身份验证具有很好的效果。     

减压膜蒸馏法处理苯胺废液研究

采用减压膜蒸馏法处理模拟的苯胺废液,考察了料液的温度、pH、流量和冷侧真空度对处理效果的影响。结果表明,装置运行的优化条件是:料液的pH为9,温度为35℃,体积流量为20 mL/min,冷侧真空度为95 kPa,在此条件下,应用减压膜蒸馏法处理苯胺质量浓度为400mg/L的废液,去除率可达98%以上,膜通量可达到39.71 g/(m.2h),处理后废液苯胺的质量浓度可降至4.82 mg/L,可满足GB 8978-1996三级排放要求。     

真空膜蒸馏处理垃圾渗沥液反渗透浓水的研究

采用疏水聚四氟乙烯(PTFE)中空纤维膜对垃圾渗滤液反渗透浓水进行真空膜蒸馏(VMD)试验,研究了曝气量、原液温度、冷侧真空度和浓缩倍数等对产水通量、COD、BOD5、氨氮含量、电导率、色度和pH的影响。结果表明,曝气可提高产水通量,当曝气量超过4 m3/(h.m2)时,产水通量趋于稳定;随着原水温度和真空度的提高,产水通量显著增加;浓缩倍数增大会降低产水通量,浓缩4倍后产水通量急剧下降。试验最大产水通量为8.38 kg/(h.m2),产水COD≤100 mg/L,BOD5≤30 mg/L,NH3-N的质量浓度≤25 mg/L,色度小于40度,电导率≤60μS/cm。     

基于SSA-VMD和2.5维谱的齿轮箱磨损故障诊断

针对行星齿轮箱实际工况中存在多种频率耦合无法直接提取故障特征频率的问题,提出一种基于樽海鞘群算法优化变分模态分解(SSA-VMD)结合2.5维谱的故障诊断方法。运用SSA优化VMD的参数;运用自相关系数对分解信号进行重构,降低噪声的干扰;最后运用2.5维谱对重构信号中的频率耦合进行解耦运算。搭建行星齿轮箱磨损故障全生命周期实验台采集振动信号,运用提出的方法解耦出参与耦合的故障频率成分,揭示了行星齿轮箱磨损故障演化规律。研究结果表明：随着磨损故障程度的加深,磨损故障特征频率明显增多。     

基于二维变分模态分解和Hilbert变换的局放信号特征提取方法

本文通过对二维Hilbert-Huang变换方法的改进,提出了一种基于二维变分模态分解(VMD)和Hilbert变换的局部放电灰度图像特征提取方法。首先,利用局部放电样本生成相应放电灰度图;其次,以二维VMD算法分解各放电灰度图像,获取各个不同中心频率的模态分量;然后,通过四元数Hilbert变换得到各模态函数对应的特征图,并提取灰度纹理特征,构成各放电样本对应的特征向量;最后,以BP神经网络分类器对提取出的局部放电特征量进行分类和识别。实验结果验证表明,同二维Hilbert-Huang变换和传统放电灰度图特征提取方法相比,基于本文方法所得特征量具有更高的正确识别率,验证了该方法的可行性。另外,本文所采用的二维VMD-Hilbert方法为局部放电信号的频谱分析拓展了新的思路。     

基于MMS的城市照明无线监控系统的研究

针对城市照明综合监控系统中照明灯覆盖面广、种类繁杂、控制要求多种多样、信息量差别大、维护需及时等特点,本文研究基于MMS协议的城市照明无线监控系统,开发基于同一种接入与控制协议的无线数据传输控制平台,通过统一的接人与控制协议来实现对城市照明系统的数字化控制,为城市照明综合监控提供完整的解决方案。     

基于改进VMD去噪的Prony-GSO联合谐波检测方法

针对传统Prony谐波检测方法在噪声条件下存在局限性,提出了一种能够在较大噪声条件下准确进行谐波检测的方法。通过对采样信号进行自适应的VMD分解,利用平均周期能量进行噪声模态的选择并予以剔除,将剩余模态重组后得到适合Prony算法的平稳信号;对平稳信号进行Prony谐波分析得到初步的谐波特征信息;对谐波特征信息进行循环筛选与GSO寻优,得到最终的谐波与间谐波特征信息。利用该方法进行谐波检测仿真实验,仿真结果表明,该方法有效提高了Prony算法在较大噪声条件下的辨识准确度,具有自适应性,能够自动筛选真实频率成分,具有高效、精确等优点。