MIMO高速数据传输技术及其与OFDM技术的结合

MIMO(Multiple-input multiple-output)多输入多输出技术是新一代移动通信系统的关键技术。而MIMO与OFDM技术的结合是其中研究的热点。本文首先讨论了MIMO通信系统的结构和基本工作原理，同时还介绍了MIMO空时编码方案的三种方式。然后给出了应用于无线局域网中的MIMO OFDM传输系统的实现方案，并分析了其工作机理。     

正交多载波调制中峰值因子的一种减小方案

在多载波调制系统中，通常调制信号的平均功率恒定，且和实际发送的信息符号向量无关，此时，由N个子载波组成的多载波信号的峰值因子(PF)等于10lgN(dB)。提出了减小多载波调制系统中PF的一种方案，对于瞬时包络功率的最大值超过所给门限值的信息符号向量，所有子载波的幅度被降低至门限值，而对于瞬时包络功率的最大值低于门限值的信息符号向量，所有子载波的幅度被增大至门限值。采用这种方法，整个调制系统的PF被减小，而净比特速率保持不变，但系统的误比特率(BER)略为增加。     

基于小波方法的板结构损伤识别研究

进行不同边界条件下板结构损伤位置和大小的评估以及传感器布置和噪音对损伤识别影响研究。主要内容包括:首先,通过薄板结构的有限元模态分析,获取有无损伤板结构点的固有特性参数的分布状况,利用离散小波变换将矩形薄板的模态节点位移数据进行分解计算,获得损伤位置数据的高频信息和奇异值。其次,进行不同边界条件下的板结构损伤识别分析,利用小波系数的最大值变化率进行板结构损伤程度的定量化评估。最后,分析了传感器布置以及噪音情况下小波变换方法对板结构损伤识别的有效性。研究结果表明,四边固支约束下的小波系数比四边简支约束的小波系数大0.5%,比两边固支约束的小波系数大0.88%;在网格g=40 mm且通过小波变换对信号进行去噪处理之后都能够有效识别板结构损伤。说明该方法针对二维板结构损伤位置及程度的识别问题具有一定的有效性,能够为车辆结构损伤识别问题提供技术思路和参考价值。     

高速列车横风作用下的非定常气动载荷计算模拟

为模拟横风环境下高速列车所受气动载荷,选择Karman修正风速谱为目标谱,采用线性滤波法（AR模型）模拟了随列车移动点的脉动风速时程。基于风速风压关系,分析了气动载荷的计算方法,引入气动导纳函数,计算了高速列车横风作用下的非定常气动载荷,最后通过MATLAB编程实现非定常气动力的模拟。通过对列车运行速度70 m/s、平均风速为25 m/s工况下的脉动风速及非定常气动力的计算模拟,结果表明,风速时程能量主要集中在0~3 Hz频域段,与列车系统固有的一些振动频率相近,存在引起列车系统共振、引发倾覆事件的可能。     

基于局部均值分解的螺栓连接振动松动研究

针对振动环境下螺栓连接结构的松动现象及响应信号的非线性、非平稳特征,提出基于LMD能量熵的松动故障识别方法。首先建立搭接板的有限元模型,通过预紧力单元法仿真得到不同预紧力下板结构振动信号;然后应用局部均值分解方法将信号自适应分解为若干乘积函数分量,计算包含主要故障信息的PF分量的能量熵,构造有效的松动损伤指标;最后建立螺栓连接搭接板试样,采集不同预紧工况下连接板的振动响应信号,通过激振试验验证该方法的有效性。研究结果表明,PF能量熵能较好地反映螺栓松动情况,此方法能有效地识别螺栓松动特征。     

基于LMD样本熵和RBF网络的结构损伤识别研究

基于局部均值分解的自适应时频分析特性和样本熵的非线性量化能力,结合径向基(RBF)函数神经网络,提出一种基于LMD样本熵和径向基函数神经网络的结构损伤识别方法。首先,应用局部均值分解方法将结构振动原始信号自适应分解为若干乘积函数分量(PF分量);然后提取前3个PF分量的样本熵,实现对PF分量的特征量化;最后将分量的样本熵作为损伤特征向量,利用径向基神经网络对高速列车比例车体下底板进行识别。实验结果证明,采用该方法识别结构损伤时,结构损伤位置和损伤程度的识别精度分别为96.97%和96.25%,证明了此方法在结构损伤诊断方面的有效性和准确性。     

含损伤板的动载荷识别精度研究

为了深入研究动载荷识别问题,改善识别精度受测点信息和传感器布置数目限制的影响。首先采用逆问题正分析的方法,在时域正演法识别的理论基础上,研究结构损伤对载荷识别结果的影响,然后分析讨论测点位置、采样时间间隔对识别精度的影响。结果表明,在板结构有损伤的情况下,该方法能有效地识别出非损伤处的载荷且计算效率较高,但对于损伤处载荷的识别精度较低。另外,通过优化传感器的布置以及选择合适的采样时间间隔,可较大程度提高识别精度,为载荷识别的准确性提供参考。