基于最大方差展开的非线性信号降噪方法及其在故障诊断中的应用

将流形学习的思想引入信号降噪中,提出了一种新的基于最大方差展开（maximum variance unfolding,MVU）的非线性信号降噪方法.该方法首先基于相空间重构理论将含噪信号重构到高维相空间,再采用流形学习理论中的MVU算法对相空间数据进行非线性降维,将蕴含在相空间中代表吸引子的低维流形与噪声子空间分离,然后对低维流形进行逆重构,从而得到降噪后的信号.对加噪的Lorenz信号的仿真结果表明,该方法的降噪性能要优于基于KPCA的非线性降噪方法,且具有参数估计简单、参数影响不大等优点.最后将该降噪方法应用于带有轻碰磨故障的航空发动机转子―机匣系统振动信号,有效地提取出了淹没在噪声中的轻碰磨故障特征.     

基于能量算子的单信道重叠信号盲分离方法

针对单个信道的多个时、频重叠信号分量的分离问题，提出一种能量分离方法对各个信号分量进行瞬时频率和幅度估计，从而进行多个信号分量的分离。基于能量算子的计算简单，以及很好的时域分辨率的特点，该方法可用于实时处理和实际工程应用。仿真结果验证了该算法的有效性。     

基于压缩感知思想的图像分块压缩与重构方法

压缩感知理论在数据获取、数据存储/传输、数据分析和处理方面有很大优势,成为近年来的研究热点.考虑到大多数图像信号信息分布有差异,编码端,在对图像分块的基础上,融合熵估计和边缘检测方法计算各图像块的信息含量,再从两个不同的角度进行分类采样:依据信息量多少将图像块分为平滑、过渡和纹理3类,使用不同的采样率采样;依据信息量的分布特征,采用不同的采样率分配策略进行采样.在解码端,根据不同类型的图像块构造不同的线性算子进行重构,再运用改进的迭代阈值算法去除块效应和噪声.实验证明,算法在提升图像重构质量的同时缩短了重构时间,并且对纹理边缘多的图像的重构效果较其他方法理想.     

基于特征点的空间目标三维位姿单目视觉确定算法

针对基于特征点的空间目标包括相对位置和相对姿态等的三维位姿单目视觉确定问题,提出了一种基于逆投影思想的迭代方法.给出了一种包含景深估计和绝对方位解算两阶段的迭代算法,在景深估计阶段首先计算由转移矩阵表示的最优平移矢量,然后重构各特征点,并利用其在逆投影线上投影更新各特征点的景深;在绝对方位解算阶段采用Umeyama绝对方位解析算法计算相对姿态矩阵,上述两阶段迭代进行直至结果收敛.利用全局性收敛性定理证明了文中算法的全局收敛性.最后,以航天器交会对接最终逼近段的视觉测量为背景对该算法进行了数学和物理仿真,进一步验证了算法的有效性和收敛性.     

一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

基于恒模特性的单通道时频重叠信号盲分离算法

针对单通道同调制方式、同调制参数时频重叠信号的盲分离问题,基于MSK信号的恒模特性,及对MSK混合信号分量幅度的准确估计,构建了单通道信号盲分离欠定方程组.为解决该方程组的解模糊问题,根据MSK信号相位连续特性,提出了相位方差最小模糊解消除准则.但相位对噪声较为敏感,该准则可能会产生严重的误判现象,又提出了一种基于最小斜率的补充准则.基于以上两种模糊解消除准则,可对单通道信号盲分离欠定方程组的模糊解进行合理选择,有效地实现了MSK时频重叠信号的单通道盲分离.仿真结果表明:在信噪比大于5 dB的条件下,该算法对混合信号具有较好的分离效果.并且该算法具有复杂度低、计算量小的优点.     

主轴电流信号中铣削力成分的时频分析及提取方法研究

通过电流信号间接监测切削力波动的方法在刀具状态检测中得到了广泛的应用. 但由于实测电流信号具有时变非平稳特性, 使得从电流信号中提取有用力信号表征成分存在一定的困难. 本文针对电流信号的非平稳时变特性, 基于切削力信号的频域分析, 应用小波分析方法来重构电流信号中的切削力表征信号量. 切削力测量试验结果表明文中所提出的重构方法能成功地应用于主轴电流信号, 完成加工切削力波动的监测.     

AM信号确认算法研究与仿真

通过分析短波段AM广播信号调制特性，定义了调制信号上下边带频谱相关系数和调制信号与包络检波信号频谱相关系数，并以语音检测相关参数作为辅助。由此提出一种对AM广播信号进行“身份验证”的信号确认算法。基于短波标准信道的仿真实验表明，所定义的两个参数对噪声和信道滤波鲁棒，该算法可直接应用于实际工程环境，具有重要应用价值。     

基于混合非圆率信号的CESPRIT算法

根据信号常常为圆和非圆信号混合形成的这一情况，提出的做一种基于ESPRIT思想的CESPRIT算法。该算法对阵元接收数据取共轭，然后重组出新的接收数据矩阵，利用构造出的两个选择矩阵，将新接收数据矩阵在分割为两个特定子矩阵，并结合ESPRIT算法思想，对获取的两子阵间的旋转不变关系矩阵进行特征值分解。通过获得的特征值估计出信号DOA．仿真实验表明，与传统ESPRIT算法相比，该算法具有估计精度高，需要的快拍数少和处理的信号个数可大于阵元个数等优点。     

基于反馈机制的抗混合噪声的盲图像源分离方案

针对基于稀疏成分分析的盲图像源分离算法无法解决混合噪声问题,本文提出一种采用反馈机制的盲源分离算法.通过小波域稀疏成分分析和置零反馈的方法,逐次分离出各支路信号.实验结果表明,该方法无需大量的迭代运算,与传统稀疏成分分析法相比,能有效地分离高斯白噪声参与的混合图像,与经典快速独立成分分析法相比,取得了更高的分离精度.     

基于总空闲时间增量的无等待流水作业计划优化算法

将NP难的最小化最长完工时间无等待流水作业计划问题等价转化为最小化总空闲时间的问题.分析任务之间的独立性,给出算法基本算子的目标增量性质,通过计算目标增量而不是整个目标函数值来判断新作业计划的优劣,可将算法的时间复杂度降低1阶.提出生成初始作业计划算法,实验分析出迭代构造解和再改进解的有效方法;构造出有效的快速迭代启发式算法FCH(fast composite heuristic).FCH和目前求解该问题的有效算法比较,实验结果表明,FCH接近目前的最好性能,需要最少的计算时间.FCH可为大规模无等待作业计划、实时调度和重调度等问题提供有效方法.     

基于高阶统计量的盲源提取算法获取房颤信号

从房颤病人的体表12导联心电图中得到房颤波信号,是分析和描述房颤特征的重要环节.文中发展了一种基于高阶统计量的盲源提取算法用来获取房颤波信号,模拟数据和临床数据证明了这种算法的可行性和有效性.与盲源分离相关方法相比,盲源提取算法只提取一个所需信号,通过计算频谱集中度的大小,就可以判断它是否为房颤信号,而不必像盲源分离方法那样必须对分离后的12组信号进行复杂的判断才能决定房颤信号.因此,这种方法更适合于应用到临床监护中.     

用矢量天线阵列实现相干Chirp信号多参量联合估计

提出一种采用矢量传感器（天线）阵列联合估计相干Chirp信号初频,调频斜率,2维到达角和极化的算法.通过分数阶Fourier变换估计信号的初频和调频斜率,并用之构造了新的相关矩阵以抑制噪声.利用到达角和电磁极化矢量的特点,解决了由于信号相干带来的自相关矩阵奇异问题.为提高估计精度,采用了扩展阵列间距的L型均匀天线阵列,并提出了在信号相干情况下,解除角度估计模糊的算法.通过仿真,将此算法与常用的空间平滑算法进行了比较,证明了该算法的有效性.     

基于四元数表达的模糊矢量形态学算子

由于经典的形态学算子不能直接拓展到彩色图像处理中,提出一类基于四元数表达的模糊矢量形态学算子.该算子利用四元数表达彩色图像并结合其分解特性,将彩色图像的模值、四元数的垂直分量和角度信息作为词典编纂顺序的3个边缘分量.3个分量一方面去除了彩色图像多通道数据的相关性,另一方面更便于词典编纂顺序等级的划分.并利用模糊数学解决了现有词典编纂顺序存在的等级判定难以深层进入的问题,给出了基于四元数表达的模糊矢量排序算法.与现有的矢量排序算法相比,新的矢量排序算法同时考虑了各分量的作用,并将判定进行到词典编纂顺序的最后一层,实现了矢量的正确排序.基于新的矢量排序规则,定义了矢量形态学算子,并将新的矢量形态学算子应用于彩色图像滤波、分割中.实验结果表明,与现有的矢量形态学算子相比,新的矢量形态学算子在平滑彩色图像噪声的同时保留了图像细节,并能正确地分割多类彩色图像,具有较高的鲁棒性及实用性.     

一种自适应小波网络的构建及其学习算法

基于小波框架的时频局部化性质和自适应投影算法，提出了一个新的构造和训练小波网络的学习算法，精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性，该算法充分地利用了包含在训练数据中的时频信息，迭代地确定小波网络隐层结点的个数和网络的权系数，较好地解决了小波网络的结构优化问题，通过应用于信号的表示与去噪，进一步证明了该算法是简单和有效的。     

基于双线性构造算法的电力有源滤波器补偿电流实时计算新方法

以“当负载电流为周期电流时, 负载电流与负载基波有功电流差的绝对值在一个周期内的积分值最小”为检测原理, 提出了基于直接计算, 基于简单迭代算法和基于最优迭代算法的电力有源滤波器谐波电流实时检测方法. 直接计算法能够准确计算负载电流处于稳定状态时的基波有功电流幅值. 简单迭代算法和最优迭代算法提供了一种判别负载电流状态的思想. 在直接计算法、简单迭代算法、最优迭代算法和对负载电流处于变化状态时的基波有功电流真实幅值等基本概念进行了明确定义的基础上提出了双线性构造思想, 即通过一次线性构造计算了此采样时刻的负载基波有功电流幅值, 通过二次线性构造为下一个采样的处理创造了条件. 在双线性构造思想的基础上, 提出了一种能够计算负载基波有功电流幅值的基于双线性构造算法的电力有源滤波器谐波电流实时检测方法.     

基于凸优化理论的无人机编队自主重构算法研究

针对无人机编队自主重构中的最优重构航迹规划问题开展研究,通过综合考虑无人机飞行动力学特性和重构航迹代价,将其转化为多目标组合优化问题进行求解.为提高寻优效率,本文首先提出将多目标组合优化问题转换为非线性单目标优化模型进行求解,并针对两类优化问题等价性进行了理论分析.通过引入松弛算子和规范参数,本文所提出的内点优化算法能够改善经典内点法中的矩阵秩亏损现象,提高了所得解的最优性.通过仿真验证了本文所提出的自主重构算法的可行性和有效性.     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源，在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上，借鉴神经网络反向传播学习算法的思路，提出了信号预滤波结合闽值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值，再将此阈值用于同一工况下整个时间段的去噪，这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显，比传统小波去噪、改进神经网络去噪等方法效果更好。     

分数阶 Fourier 域带限信号多通道采样定理

提出了分数阶 Fourier域带限信号多通道采样定理, 是已有采样定理的广义形式. 利用上述结果, 并结合分数阶Fourier变换所特有的时移相移性质, 得到具有重要应用价值的周期非均匀采样序列重构原始信号的表达式. 此外, 通过设计不同的分数阶 Fourier 域滤波器, 可以得到分数阶 Fourier 域带限信号不同采样策略的重构公式.     

多输入多输出系统中基于长方阻塞矩阵的酉多级Wiener降秩联合检测算法

针对传统均衡算法复杂度高、收敛速度慢的问题,提出了一种基于长方阻塞矩阵的多级Wiener降秩联合检测算法,其中的多级Wiener滤波器通过相关相减结构来实现,即酉多级Wiener滤波器.该算法选取酉多级Wiener滤波器阻塞矩阵中的一个长方子阵作为阻塞矩阵,使得酉多级Wiener滤波器前向递推分解中接收信号向量的维数逐级降低,从而在降低了均衡的迭代复杂度的同时,加快了算法的收敛速度.理论分析和仿真结果表明,基于长方阻塞矩阵的酉多级Wiener联合检测算法具有复杂度低、收敛速度快的优点.在具有4根发射天线、8根接收天线,并且采用BPSK调制的V-BLAST(vertical Bell labs layered space-time)系统中,采用本算法仅用基于酉多级Wiener滤波的均衡算法一半的计算复杂度在高信噪比处即可达到与其相同的误码性能.