智能天线在数字移动电视接收中的应用研究

提出一种将智能天线应用于数字移动电视接收的方案,给出了算法模型的建立和推导,通过仿真,证实了该方案的可行性.     

基于最优Morlet小波和隐马尔可夫模型的轴承故障诊断

摘要：提出一种从信号时频域提取故障特征的新方法,先将振动信号作Morlet小波变换,再将小波系数顺序划分成多个子列,各子列协方差矩阵的特征值为所需的特征参数。为了更有效地提取信号的振动特性及周期性成分,使用了最小香农熵准则和奇异值分解技术选择Morlet小波参数,并用比较实验证明了参数优化的有效性。状态辨识使用了连续型隐马尔可夫模型,在三种故障程度下分别实现了轴承正常状态,滚动体故障,内圈和外圈故障的正确辨识,平均精度都大于93%。     

双谱主成分分析的滚动轴承智能故障诊断

为提取非平稳、强干扰振动信号的有效故障信息,并满足工程实践中变工况故障诊断需要,提出一种基于双谱分析的智能诊断方法。研究发现双谱幅值和分布特性在不同故障类型时具有显著差异性,在故障相同但工况不同时具有较大相似性。使用了主成分分析方法提取特征向量,通过线性变换将双谱映射到低维数据空间,并依据特征值累积贡献率确定主成分个数。故障辨识采用连续型隐马尔可夫模型,在4种工况下实现了3种故障程度的不同轴承状态判别,还实现了基于零载荷数据模型的工况鲁棒故障诊断。研究表明该诊断方法能适应载荷变化和转速波动,具有工况鲁棒的优点。     

矢量天线阵元方向不一致的误差校正

基于特征值分解的子空间类算法对误差非常敏感,有必要对方向误差进行有效的校正.分析了方向误差形成的原因,建立了误差阵元的数据模型,研究同一入射信号玻印廷(Poynting)矢量与阵元排列方向的关系,使用3个参量未知的校正源,通过比较校正源玻印廷矢量在参考阵元与误差阵元处的响应,获得阵列采样数据方向误差校正矩阵.比较玻印延矢量的误差校正方法不涉及参量搜索,计算量小且易于在工程上实现,计算机仿真验证了算法的正确性和有效性.     

特征矢量优化的滚动轴承故障诊断

为提取小波包频带中的有效故障信息,基于Fisher线性测度提出一种新的特征矢量优化方法。轴承振动信号经小波包分解后,各子频带数据片段的能量值作为参数构建特征矢量。使用差异性和相似性优化相结合方法,分别选出不同轴承状态下Fisher距离较大的小波包频带,以及同种轴承状态下Fisher距离最小的频带,提取出易于区分不同轴承状态的故障信息。故障辨识使用连续型隐马尔可夫模型,在3种故障程度下实现了轴承正常状态、滚动体故障、内圈和外圈故障的有效判别,辨识精度大于94%。比较实验表明文中方法的辨识精度优于文献方法。     

矢量天线相位误差校正新方法

电磁矢量传感器阵列偶极子组与磁环组之间的位置偏差影响接收信号的相位,基于特征值分解的子空间类算法对相位误差非常敏感。提出一种通过修正偶极子组与磁环组间位置偏差来校正天线相位误差的方法,采用3个空间到达角和频率已知的参考信号源,用矢量叉乘方法求得入射信号的玻印廷（Poynting）矢量,根据位置偏差与参考信号Poynting矢量复角的关系,推导出偶极子组与磁环组间位置偏差在3个坐标轴方向上的闭式解。仿真结果证明了校正方法的有效性。