基于相似序列重复度的舰船辐射噪声时域特性的研究

根据舰船辐射噪声的时域序列波形的特点，对其数据序列本身的局部相似性进行了研究．首先进行了相空间重构（维数为５，１０，２０，３０，５０）．接着在此相空间基础上，利用相似序列计算出重复度（ＲＲＰＴ）参数，绘制了舰船辐射噪声的重复度曲线并分析其特征．最后利用ＲＲＰＴ参数提取了数据序列的熵信息．实验表明重复度曲线和熵信息较好地反映了舰船辐射噪声的时域特征．     

基于非线性动力学理论的水下噪声非线性特性

以非线性动力学理论中的相空间重构理论为基础，利用延时法对水下噪声时间序列信号进行了相空间重构。并深入分析了延迟时间和相空间维数的确定原理，在重构的相空间中研究了舰船辐射噪声的非线性特性，利用相似序列重复度这一参数，绘制了舰船辐射噪声RPT曲经并分析了其非线性特性，通过对实测数据的计算表明，在重构相空间中辐射噪声具有不同于高斯白噪声和确定性信号的几何特性，不同类型目标具有可分性，能为水声目标识别提供一种新的思路。     

关联维估计在舰船辐射噪声特征提取中的应用

为有效利用舰船辐射噪声的混沌特性,提取其混沌特征来对目标进行分类识别,采用了一种集相空间重构技术和关联维数拟合估计为一体的系统的特征提取方案,并成功应用于对舰船辐射噪声的特征提取.首先采用平均互信法和虚假最近邻点比例确定混沌时间序列相空间重构两个重要参数,给出了关联维数的计算方法,并提出用最小二乘曲线拟合,准确估计出关联维数结果.通过不同类别一定样本数量的实测数据计算它们的关联维特征参数,仿真结果表明该方法提取的特征参量具有很好的可分性,为下一步对舰船目标的分类识别打下基础.     

基于倒谱特征的舰船辐射噪声识别算法研究

研究了舰船辐射噪声的倒谱信息．倒谱可以避免连续谱特征的不稳定性，基于此，将倒谱代替连续谱作为舰船辐射噪声识别的特征，并对实测的海上数据进行了仿真实验．结果表明，该方法可以有效地达到识别舰船辐射噪声的目的，且识别率高．     

空中目标信号相空间重构方法研究

为提取空中目标辐射噪声非线性和混沌特征,需要对目标信号作非线性时间序列分析,其第一步则是相空间的重构,基于Takens定理进行相空间重构前必须先确定重构相空间的时滞和嵌入维数两个重要参数。分别采用互信息方法确定重构最佳时延和关联积分法确定重构嵌入维数。分别以经典混沌信号和实测目标噪声数据为研究对象进行计算仿真,结果证明了该方法选择地参数进行相空间重构的有效性与准确性,重构的相空间能很好反应原混沌系统的特性,为下一步分析提取目标非线性特征奠定了良好的基础。     

基于经验模态分解的核磁共振去噪方法研究

核磁共振（NMR）在孔隙结构评估和流体识别方面具有独特的优势，但NMR信号很容易受到噪声影响。根据NMR噪声的时域和频域特征，提出了基于一种经验模态分解（EMD）的NMR去噪方法。首先，利用EMD将信号由高频到低频分解为一系列的本征模态函数，以此分解噪声和噪声NMR信号，然后，使用曲线趋势法和改进的过零点率曲线确定信号噪声分离准则，将有用信号叠加到剩余项以获得去噪信号。通过岩芯数据和测井数据对比发现，基于EMD的去噪方法可以提高信噪比的同时保留孔隙结构信息，其去噪效果优于小波阈值和EMD小波阈值法，计算得到的孔隙度接近实际孔隙度。     

舰船辐射噪声的非高斯特性和非线性检验

用Hinich检验方法，验证了实际舰船辐射噪声中存在非高斯性、非线性成分，为利用高阶累积量方法提取舰船辐射噪声的非高斯特征，提供了客观依据。     

基于相空间投影技术的舰船目标信号降噪处理

由于很多混沌信号具有较宽的频谱成分，致使传统的滤波降噪方法存在很大的局限性。线性滤波器非但不能有效地抑制混沌信号中的噪声，相反，还可能会使混沌信号失真。文中利用相空间投影技术对具有混沌特征的时间序列进行降噪处理，并将其应用于舰船目标噪声信号的降噪分析中，结果证实了所提方法的可行性和有效性。     

基于多分辨率分析的舰船辐射噪声频域特征提取

为提高舰船目标识别率，采用小波多分辨率分析法对舰船辐射噪声进行多尺度调制谱和噪声谱特征提取及融合研究。并用提取的特征对三类舰船目标辐射噪声进行了分类识别实验，结果表明所提特征具有很好的分类识别效果。     

基于隐马尔可夫模型的舰船辐射噪声目标识别

将隐马尔可夫模型引入到舰船噪声目标识别中。选择MEL频率倒谱及其差值参数作为模型的观察序列,分别采用Baum-Welch算法和Viterbi算法对模型进行训练和识别。对这一模型进行了计算机模拟,并利用潜艇、鱼雷和水面舰3类目标的海上实录噪声对其识别性能进行了测试,正确识别率为87%。实验表明,用隐马尔可夫模型对舰船辐射噪声进行目标识别可以取得较好的效果。     

小波及奇异值分解在混沌特征计算中的综合去噪研究

观测时间序列的非线性动力学混沌特征研究在电力、气象、地震、边坡等工程领域的应用日益广泛，但观测序列的噪声对研究结果具有重要的影响，人们通常采用傅立叶或者小波变换方法去噪。但对于混沌序列来说，这种去噪方法具有一定的局限性，会造成观测数据一定程度的破坏，对混沌分析结果会产生一定的影响。本文探讨运用小波变换结合奇异值分解（SVD）方法来解决观测时间序列在混沌特征分析时的去噪问题，该方法针对混沌分析过程中的源观测数据特点，首先用小波方法对一维观测序列去噪，并对去噪后的序列计算混沌特征分析中的重要参数一相空间重构参数m，τ，根据m，τ对源一维观测序列进行重构，得到重构的相空间矩阵A，然后对矩阵A采用SVD方法进行处理，通过这两种方法相结合的方式来达到更好的去噪目的。结果表明其去噪效果是明显的，数据经过小波变换和SVD联合处理后其观测序列的混沌特征更明显和易于提取，提高了观测时间序列混沌分析的可靠性。     

混沌时间序列拟随机性的一种解释

为"混沌时间序列具有拟随机性"的论点给出了时间序列方面的案例解释.采用自功率谱密度函数、符号序列直方图及其Shannon熵、重构相空间维数(符号序列长度)等几个时间序列特征,比较随机数据与混沌数据的差异.结果表明,对于自功率谱密度函数和符号序列直方图及其Shannon熵,随机数据与混沌数据之间特征相近.对于重构相空间维数(符号序列长度),随机数据与混沌数据之间特征有差异.故此,论证了混沌时间序列具有拟随机性的性质.     

微熵率算法分析及实证研究

利用微熵率法进行相空间重构,并以Henon map混沌特性的理论结果为依据,分别选取两组初值以验证Henon序列混沌特征的稳定性,实证研究微熵率算法的各个环节.实验结果表明:利用微熵率法重构相空间能够有效地捕捉混沌序列的特性.     

基于波谱数据库先验信息的地表参数同化反演方法

我国典型地物波谱数据库的构建为地表参数反演提供了先验信息,而时间序列遥感观测数据则能够提供反演目标参数的动态变化信息．文中将描述植被冠层反射的遥感辐射传输模型与描述作物生长变化的过程模型结合,提出了综合利用时间序列遥感观测数据和波谱库所提供的参数先验信息对农作物生长过程中的关键结构参数叶面积指数（LAI）进行反演的方法．时间序列遥感观测数据能为目标参数LAI的反演提供更多信息,而作物生长模型的引入则能够对反演过程中LAI的变化趋势进行约束．实验结果表明,利用地物波谱库中提供的参数先验信息结合时间序列遥感观测数据,采用变分数据同化算法可以明显提高具有时间变化特征的地表目标参数反演精度．     

基于Matlab的开关磁阻电机混沌运行状态分析

根据实测电机磁链数据，运用Matlab／Simulink仿真平台搭建了开关磁阻电机非线性仿真模型，在一种简单的开关控制算法下，仿真得到了系统不同参数条件下的周期轨迹和奇异吸引子图，通过采样模型输出时间序列数据，结合相空间重构技术恢复了系统相空间，计算得到了其最大李亚普诺夫指数和容量维数，计算结果证明了开关磁阻调速电动机混沌现象的存在，最后，对采样时间序列数据进行谱分析，分析结果证明了混沌貌似随机的特征，也为混沌在降低电磁干扰以及机械噪声方面的利用提供了一种参考依据。     

生理时间序列的一种符号化分析方法

提出了一种分析生理时间序列的方法,即对重构的相空间进行符号化分析.因生理时间序列通常是非平稳的,为去除时间序列中的局部趋势、提取时间序列的波形特征,相空间中的向量被归一化,从而具有相同的均值和标准差.然后,引入最大拓扑熵（MTE）原则来寻找相空间的适当划分以实现向量的符号化.采用Logistic映射和人体运动信号检验的结果表明,用MTE原则比用最大熵原则得到的划分更接近最优划分.原时间序列的波动特征用出现的字模式个数与所有可能的字模式个数之比以及字模式分布概率的Shannon熵来描述.对人体运动信号的分析结果表明,该方法能够有效区分不同生理状态下的时间序列.     

时域有限差分法对H-型微带天线的数值计算

时域有限差分法是一种目前已广泛应用于电磁场与微波工程中的时域数值计算方法。H型的微带贴片天线利用时域有限差分法，采用廖氏三阶吸收边界来对无限安全空间进行有限截断。与普通的矩形贴片天线相比，该天线具有更小的体积，从而更易与其它物体（如车辆、电视机、笔记本电脑等）集成。基于大量的数值计算结果，给出了该天线的谐振频率图随天线各主要设计参数的变化曲线，及辐射方向图随天线参数的变化情况，并对理论计算结果与已有一些实验数据进行了比较，符合较好，验证了本理论计算的可靠性。     

零件曲线拟合不确定度的评估与降低方法

针对零件曲线拟合中的数据噪声与误差、数据分割误差以及用错几何元素等引起的不确定度进行评估并提出其降低方法。首先,基于蒙特卡罗法,在拟合数据中叠加噪声、用零均值高斯分布作为分割误差模型、用圆弧拟合Bezier曲线,以数字仿真研究拟合参数的不确定度。结果表明,对不确定度影响最大的是分割误差与用错几何元素,远大于数据噪声的影响;其次,为了降低拟合参数的不确定度,采用高维向量映射测试元素特征在局部数据中的恒定性,找出其所在的数据段范围,从而准确辨识出各数据段的几何元素。仿真与实物实验均表明,提出的方法能够正确识别数据序列的几何元素、准确分割数据,从而降低零件曲线拟合不确定度。     

基于相关向量机的中长期径流预报模型研究

鉴于其优越的预报性能,将相关向量机（RVM）应用到中长期径流预报中,并在相空间重构的基础上,建立了基于相关向量机的径流预报模型.该模型首先对径流时间序列进行相空间重构,并以重构后的径流序列作为模型输入;其次,采用粒子群优化（PSO）算法识别模型参数,利用优化所得重构参数验证时间序列具有混沌特性,在模型内循环过程中采用EM算法迭代估计超参数,并将RVM与应用较为广泛的最小二乘支持向量机（LSSVM）和自动回归滑动平均模型（ARMA）进行了比较分析,结果表明该模型具有较好的泛化能力;最后,基于水文过程变化的不确定性、RVM描述输出值的不确定度以及相应概率下的预报区间,使得调度人员在决策中能考虑预报的不确定性,定量估计各种决策的风险和效益.     

低频线谱检测ALE算法应用

 舰船辐射噪声在低频段具有稳定的特征信息丰富的线谱成分,此线谱成分的检测对水下目标的定位和识别具有重要意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,应用ALE算法理论对舰船噪声信号进行研究.ALE算法作为自适应FIRDF算法的一种变形,是自适应噪声抵消器的典型应用.低频线谱检测中采用ALE算法无需参考信号,自适应地将线谱成分信号进行匹配,可以从宽带噪声中将线谱成分分离出来,且线谱成分明显增强.理论分析仿真结合实际海试数据对LOFAR谱图进行研究,结果表明,ALE算法在低频线谱信号检测中能够达到期望的效果.与常规方法相比,检测性能得到有效提高,有利于辐射噪声线谱的提取.