基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

非本原复反射群G(m,p,n)中的反射序

设m，p，n是正整数且p整除m。令G（m，p，n）是非本原复反射群.根据文献介绍了群G（m，p，n）中的一种偏序，称为反射序.文中将研究当1 < p < m时，群G（m，p，n）中的反射序.     

基于Overlay Test评价应力吸收层 抗反射裂缝性能

为了更好地评价应力吸收层的抗反射裂缝性能,提出采用Overlay Test(OT)试验测定SBS、WTR和WTR/APAO改性沥青应力吸收层在常规条件、浸水和长期老化后的抗反射裂缝性能.研究发现,试验周期数、荷载损失率和总断裂能能够很好地表征应力吸收层的抗反射裂缝性能;第一周期最大荷载和临界断裂能是评价初期开裂的指标.试验发现3种应力吸收层在常规条件下均有良好的抗反射裂缝性能,但是水损坏对WTR/APAO的抗裂性能影响较大,长期老化后WTR和WTR/APAO的抗反射裂缝性能大大降低.3种应力吸收层的OT试验最大荷载-周期数曲线符合幂函数变化规律.     

浅析继电器材标准化管理信息系统应用

铁路是我国交通运输行业的主干基础设施,是国民经济的大动脉和大众化的交通工具。保持铁路运输安全畅通是铁路各站段职工的核心任务。信号系统由信号基础设备和器材组成,是铁路行车的重要组成部分。继电器材的有效管理是保证继电器材质量的关键。信号系统设备维护的主管单位是电务段,负责继电器材检修的是电务段检修车间。该研究者作为电务段检修车间工程师,通过日常工作积累、分析,通过对近期检修所新上的继电器材管理信息系统的应用管理,同时比较旧的管理模式,能有效解决和改善管理不适应的问题,以标准化系统管理,从而提高器材整体轮修利用率与准确率。     

有关电厂热工控制系统应用之中的抗干扰探索

通过对干扰信号分类,找出电厂热工控制系统的主要干扰源,对热工控制系统中抑制干扰信号的对策进行研究,包括物理隔离、屏蔽干扰信号、平衡抑制以及接地保护,以期对于电厂热工控制系统运行效率的提升,起到一定的促进作用。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

城乡结合部道路交叉口多目标信号配时优化模型

随着我国城镇化进程的加快,城乡结合部道路交通问题日益显著。为提高城乡结合部道路交叉口的交通运行效率、环境效益和交通安全,提出信号配时多目标优化方法,综合考虑延误、通行能力、停车次数、车辆尾气排放等因素构建模型,运用遗传算法进行求解。以某典型交叉口为例进行分析,给出改进设计方案并进行交通仿真评价。研究结果表明,通过多目标信号配时优化可以缓解城乡结合部道路交叉口交通拥堵和污染物排放的问题,具有较好的交通信号控制效果。     

基于风电运维人员紧张程度的运维操作模式

安全可靠的运维是保证风电场正常运行的一个重要条件然而大多数风电场处于环境恶劣的偏远地区，给风电运维人员带来了巨大的挑战恶劣的运维环境降低了运维人员的可靠性，增加了运维人员人为失误的概率近年来，由运维人员人为失误导致的事故频发，为减少人为失误导致的事故，提出了一种基于风电运维人员紧张程度的运维操作模式以肌电图、呼吸作用和皮肤电导这3种生理信号作为运维人员紧张程度的评估参数，采用随机森林算法对运维人员的紧张程度进行分类与预测，通过实验验证了基于生理信号划分紧张程度的可行性最后以发电机U1绕组温度超限故障为例，分析了运维人员在不同紧张程度下的操作模式