非带限冲激信号的一种低通采样和重建方法

提出了非带限冲激信号的一种低通采样和重建方法,将冲激信号通过低通滤波器后,按照信号新息率进行采样,然后对采样得到的离散时间信号进行傅里叶变换,采用最小二乘零化滤波算法可以准确地重建原始冲激信号。在冲激信号个数较大及受到噪声影响时,最小二乘零化滤波算法性能恶化,通过适当提高采样率,使用奇异值分解重建算法,可以获得理想的重建结果。分析和仿真结果证明,所提出的非带限冲激信号低通采样和重建方法,能够以较低的速率进行采样和恢复原始冲激信号,并具有良好的抗噪声性能。     

光谱分辨率的选取对食用油近红外模型性能影响分析

近红外光谱仪的类型和工作参数的设定对测量过程和分析结果均有一定影响.重点讨论了在傅立叶变换型光谱仪上设定不同的光谱分辨率对食用油近红外定量模型性能的影响.实验采用Vertex 70光谱仪,在3种光谱分辨率(4,8,16 cm-1)条件下,采用透射式液体光纤探头采集60份食用油样品近红外谱图.针对3组近红外光谱样品集,分别采用蒙特卡罗采样法剔除异常样品,根据Kennard-Stone法划分校正集和校验集后,建立优化食用油棕榈酸近红外定量分析模型并作预测.结果表明基于16 cm-1建立的食用油近红外模型指标优于4 cm-1和8 cm-1所建的模型,该结果可以为均匀液体作近红外检测时光谱分辨率的设定提供参考.     

基于一种改进的压缩感知重构算法的分析与比较

主要结合稀疏自适应匹配追踪算法和梯度追踪算法的各自优点,在该两种算法的基础上提出了一种新的信号重构算法,并通过实验仿真分析了新算法在信号重构过程中的优越性。     

GNSS软件接收机中频信号数据分析

中频信号是软件接收机研制重要输入数据。以通过位捕获器对实际GPS信号进行采集获取的实际数据为基础,说明了GPS中频数字信号的生成方法,并完成了对实际数据的捕获算法实现,为进一步研究提供基础。     

基于无源辨识器的随机非线性系统自适应跟踪模块化设计

运用基于估计的模块化设计思想,研究了受方差不确定Wiener噪声干扰的参数严格反馈非线性系统对已知信号的自适应跟踪问题.构造控制Lyapunov函数,设计了具有鲁棒稳定特性的输入状态稳定控制器,确保系统满足控制器-辨识器分离.对不确定方差采用自适应方式处理.根据无源性理论,设计无源辨识器模块,给出了参数自适应律,确保系统误差的有界性,使跟踪误差在概率意义下收敛.     

基于黄金分割二分法鞍点线抽样的可靠性分析

为解决非正态变量空间中复杂多变的隐式非线性功能函数的可靠性问题,融合鞍点估计与线抽样法的优点,结合二分法的特点与黄金分割法的求解效率,提出基于黄金分割二分法的鞍点线抽样法.在标准化变量空间中,沿重要线抽样方向,利用黄金分割点的二分法快速找到各样本点对应于功能函数的零点,从而可按照鞍点估计的思想将结构的失效概率转化为一系列线性功能函数失效概率的算术平均值.研究表明:基于黄金分割二分法的鞍点线抽样法在求解非正态变量空间中复杂多变的隐式非线性功能函数的结构可靠性时不仅精度高,而且速度快.     

基于耦合的新船价格波动影响因素分析

针对新船价格波动机理,通过分析船舶市场运行过程中影响新船价格的各种因素所占权重,以及这些因素作用下最终形成市场价格的过程,研究新船价格波动背后的形成过程和作用体系.首先,为解决多元数据求极值问题,提出动态粒子平衡的均匀采样方法,并在高维空间的单位超球面上生成权重方向向量,得到映射到不同方向向量上的投影序列.其次,为消除不平稳、不规则数据的影响,运用经验模态分解方法对投影序列进行处理,生成不同度量尺度下的平稳序列.再次,考虑到随机抽样的离散特性,以本征模函数与目标序列的判定系数为优化目标,加入了遗传算法得到在连续超球面上的优化结果.最后,通过对新船价格及其各相关因素的历史数据进行分析,得出拟合度较高的曲线及其所对应的各因素所占权重.分析表明该方法能够有效解决多元序列求极值和多元非平稳序列的相关性分析问题,能够综合考虑更多因素描述与新船价格的波动机理,为以后船舶价格预测提供一种新的方法.     

线性正则变换域的窄带信号表示及其抽样理论

窄带信号广泛应用在雷达、声呐、通信、定位、生物医学工程等领域,传统的抽样理论已经研究了傅里叶变换域窄带信号的抽样和重构实现.线性正则变换(LCT)是傅里叶变换、分数阶傅里叶变换(FrFT)的推广形式,相应的抽样理论还不十分完善,因此有必要在LCT域重新研究窄带信号的抽样定理.从LCT的定义和性质入手,首先给出了信号基于LCT的Hilbert变换以及LCT域窄带信号的时域表示形式;然后在此基础上导出了LCT域窄带信号的抽样定理和重构实现公式,这些结论是传统窄带信号抽样理论在线性正则变换域的推广.最后,仿真实验进一步验证了结论的正确性.     

基于不同采样率的短航程油耗估计

针对多因素影响下的短航程油耗呈现双峰分布,提出了使用高斯混合聚类(Gaussian mixture model,GMM)和随机森林(random forest,RF)相结合的方法对短航程油耗进行估计。该算法先使用GMM对短航程油耗数据聚类,得到两个不同形状的聚类簇。以不同的采样率对两个聚类簇进行采样,构造子数据集,并对每个子集使用回归树进行训练。将CART回归树并行得到RF用于短航程油耗估计。在同一机型和航线,不同的航班数据上进行对比实验,结果验证了所提算法的有效性。