基于微多普勒特征的车辆与直升机分类技术

利用低分辨雷达对车辆、直升机进行分类具有重要意义。本文首先对车辆与直升机的微多普勒特征进行分析,提取具有可分辨力的特征,采用支持向量机(Support Vector Machine,SVM)分类器,实现短驻留条件下对两类目标的有效鉴别。基于实测数据的实验结果验证了所提特征和方法的有效性。     

具有异宿轨道Duffing方程的混沌控制

研究了软弹簧Duffing振子的混沌控制.通过线性状态法、时间延迟法和凹槽滤波法3种反馈控制方法,在不改变原动力系统参数的前提下,引导系统由混沌运动转为期望的低周期运动.基于Melnikov方法这一混沌的微扰判据,给出适当的反馈控制参数,经Duffing振子实例仿真分析,验证了其理论的正确性.     

基于深度卷积神经网络的弹道目标微动分类

针对传统弹道目标微动分类缺乏智能性及噪声条件下分类性能差的问题,利用深度学习的高维特征泛化学习能力,提出一种将深度卷积神经网络用于弹道目标微动分类的方法。首先,在建立弹道目标微动模型的基础上,分析3种微动形式下的微多普勒表示,并生成雷达回波信号的时频图,作为训练、验证及测试的数据集;然后,运用深度卷积神经网络中的迁移学习对AlexNet和GoogLeNet进行再训练;最后,利用训练后的网络实现3种微动形式下的目标分类,并研究信噪比对分类性能的影响。仿真结果表明,与传统的微动目标分类方法相比,该方法不仅智能化程度高,而且在低信噪比条件下分类准确性更强。     

基于局域波和混沌的转子系统早期故障诊断

针对转子系统早期微弱故障诊断问题,提出了一种基于局域波分析和混沌相结合的故障诊断新方法.分析了Duffing混沌振子的混沌运动,说明混沌振子的非平衡相变对微弱信号的敏感性和对白噪声的免疫力.可以通过混沌振子由混沌运动到大周期运动的相变识别微弱信号的特征频率成分.由于实际检测信号为多分量信号,若直接输入Duffing振子达不到检测识别目的.为了消除其他成分的干扰,利用局域波分解,任何复杂的信号都可以分解为有限的并且具有不同的基本模式分量,每个分量是单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,通过混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期不对中故障信号进行检测结果证明了方法的有效性.     

基于Duffing振子的微弱信号参数估计

针对传统Duffing系统在检测频率未知的微弱信号时用振子阵列会增加复杂度的问题,提出结合频谱分析和Duffing振子的频率检测方法,此外还给出信号幅度和初相位的估计方法。将待测信号输入到内置周期驱动力为0的Duffing振子检测系统,对其输出量作频谱分析得出信号频率;利用Lyapunov指数方法得到临界阈值fd;把待测信号分别输入到内置周期驱动力初相为0和π的Duffing振子检测系统,并通过Lyapunov指数方法求出系统发生相变时所对应的内置周期驱动力幅值,计算可得信号的幅度和初相位。仿真实验证明,该方法可检信噪比低至-43.01 dB,与传统Duffing振子系统相比,具有检测精度高、复杂度低的优点。     

基于Gabor变换的微动目标微多普勒分析与仿真

由于目标微动特征信号具有非线性和非平稳的特点,为有效提取雷达目标的微动特征,为雷达目标的分类与识别提供依据,在单频信号体制下,以旋转散射点目标为例,基于时频分析的方法提取了旋转目标的微多普勒信息,通过仿真验证,得到了微动目标的微多普勒特征,比较了几种常见时频分析工具的变换结果及性能差异.仿真结果表明,Gabor变换方法在微动目标微多普勒提取方面是可行而稳健的,Gabor变换的巨大潜力将为微动目标特征识别提供新的途径.     

分数阶Duffing系统动态特性研究及微弱信号检测

为了进一步提高微弱信号的检测能力,在更低信噪比环境下提取微弱信号的特征信息,提出采用分数阶Duffing系统实现微弱周期信号检测。基于常规Duffing-Holmes数学模型 ,通过加入分数阶微分算子引入了分数阶Duffing方程数学模型,利用变量代换对该模型进行改进可实现任意频率的微弱周期信号检测。研究分析系统阻尼比参数变化对系统非线性动力学特性的影响,给出了最佳阻尼比参数范围;研究了微分阶次与系统临界混沌阈值变化关系,得出微分阶次与系统临界混沌阈值成反比关系的结论。分别在高斯白噪声及色噪声背景下对微弱信号进行检测与识别,大量仿真结果表明,分数阶Duffing系统检测微弱信号的最低信噪比门限值比整数阶Duffing系统降低了10 dB,提高了检测微弱信号能力。     

分数阶Duffing系统动态特性研究及微弱信号检测（英文）

为了进一步提高微弱信号的检测能力,在更低信噪比环境下提取微弱信号的特征信息,提出采用分数阶Duffing系统实现微弱周期信号检测。基于常规Duffing-Holmes数学模型,通过加入分数阶微分算子引入了分数阶Duffing方程数学模型,利用变量代换对该模型进行改进可实现任意频率的微弱周期信号检测。研究分析系统阻尼比参数变化对系统非线性动力学特性的影响,给出了最佳阻尼比参数范围;研究了微分阶次与系统临界混沌阈值变化关系,得出微分阶次与系统临界混沌阈值成反比关系的结论。分别在高斯白噪声及色噪声背景下对微弱信号进行检测与识别,大量仿真结果表明,分数阶Duffing系统检测微弱信号的最低信噪比门限值比整数阶Duffing系统降低了10 dB,提高了检测微弱信号能力。     

基于微多普勒的锥体目标进动和结构参数估计

真假目标识别是弹道导弹防御的一大技术瓶颈,目标识别的正确与否在一定程度上决定了反导系统的成败.微动引起的雷达可观测量微多普勒特征包含了目标的运动、尺寸、形状等大量信息,因此微动特征是当前学术界公认的弹道中段目标识别的有效特征之一,对微动特征的提取为弹道导弹防御目标识别提供了新的解决手段.该文以旋转对称锥形目标为研究对象,根据散射中心理论以及攻防对抗条件,推导了目标两个等效散射中心的位置与回波模型,建立了基于滑动型散射中心的锥体目标进动模型.分析了目标的结构参数与雷达回波微多普勒参数的显式关系,推导出微多普勒随时间变化的解析表达式.结合弹道中段目标识别等应用背景,提出了基于TFDHough变换的联合参数估计的方法.该方法综合两个散射中心的微多普勒参数,联合求解二者的参数空间,对进动和结构参数进行估计.仿真结果表明目标回波的微多普勒时频曲线与解析微多普勒曲线吻合,所提联合参数估计方法可准确估计进动角、进动频率、锥体高度、锥底半径等进动和结构参数.     

基于Duffing振子检测鼠笼型异步电动机转子断条故障的

文章提出基于Duffing振子检测鼠笼型异步电动机转子断条故障的新方法.Duffing振子摄动力为故障电流.当转子断条故障发生时,Duffing振子处于大周期状态;而正常运行或者非此类故障时处于混沌状态,从而识别了转子断条故障.该法判别的过程简单、快速,并具有较强的鲁棒性.仿真结果证明了方法的可行性和有效性.