基于最小描述长度准则的数字信道化接收机频谱检测方法

数字信道化接收机常采用频谱检测方法判断其分析滤波器组中的输出子带信号的存在。为解决现有基于特征值的频谱检测方法由于采用最大和最小特征值的近似值而导致采样点数较少时性能无法满足要求的问题,提出了一种适用于数字信道化接收机的基于最小描述长度(MDL)准则的子带频谱检测方法。基于子带过采样数据构建协方差矩阵,计算矩阵特征值的平均值以减少噪声带来的波动。将矩阵特征值的平均值作为MDL准则的参数估计所有子带的平均特征值中包含信号的个数,以此确定包含信号的子带。仿真实验表明,该方法比现有的频谱检查方法具有更好的检测性能,且克服了需要设置固定门限的缺点,对噪声和信号波动具有较强的适应能力。     

基于EMD的单通道信源数估计方法

为了获取单通道接收信号的信源数目,针对普通信源数估计方法不能直接用于单通道接收信号的问题,提出了基于经验模态分解(empirical mode decomposition, EMD)的信源数估计方法。将单通道信号通过EMD处理,得到多个固有模态函数(intrinsic-mode function, IMF),据此构造数据协方差矩阵。对所构造的协方差矩阵进行特征值分解,采用基于信息论的AIC和MDL准则估计信源数。为进一步提高算法估计性能,引入对角加载技术对矩阵特征值进行平滑处理。仿真实验结果表面,本文提出的方法能够适用于单通道信源数估计,对角加载技术能够显著提高算法检测性能。     

基于FFT-DBN的行星齿轮箱齿面磨损故障智能判定方法研究

为智能、准确地实现行星齿轮箱齿面磨损故障判定，提出了基于快速傅里叶变换（FFT）和深度置信网络（DBN）的智能判定方法。首先利用FFT将采集到的振动信号由时域转换到频域，然后输入到DBN分类模型中，最后利用Softmax分类器给出判定结果。该方法是一种人工智能（AI）方法，以行星齿轮箱实验数据为例进行分析,结果表明，与笔者之前研究成果相比，所提出的方法智能化程度更高、结果更准确。     

基于HLA的鱼雷虚拟测试系统中可视化成员设计

为满足鱼雷虚拟测试系统对数据可视化的需求,基于实时视景仿真软件平台Vega Prime和高层体系结构（HLA）,设计了可视化成员的视景渲染线程和数据交互线程,解决了线程同步问题。针对HLA各联邦成员接口基本相同的特点,设计了联邦成员接口动态链接库,解决了由于成员数量多、接口重复所带来的代码维护困难的问题。测试结果表明,该系统图像显示平滑,可视化效果逼真流畅,满足系统的实时性要求。