基于故障敏感分量和改进K近邻分类器的故障状态识别

针对故障状态下的滚动轴承振动信号非线性非平稳性强、噪声干扰大导致的故障敏感特征提取难的问题,在对轴承振动信号进行局域均值分解(local mean decomposition, LMD)的基础上,提出了一种基于故障敏感分量的特征提取与改进K近邻分类器(K-nearest neighbor classifier, KNNC)的故障状态辨识方法。该方法采用相关系数法对LMD分解出的振动分量进行故障敏感性的量化表征,然后对筛选出的信号分量进行时域/频域的特征提取,构建不同故障状态下的特征样本集。为加快故障状态识别速度,排除不良样本的影响,提出一种基于二分K均值聚类的改进KNNC算法,精简了大容量的训练样本,有效去除不良特征样本和干扰点。实验结果表明,以敏感分量特征作为输入的改进KNNC算法能够快速准确地识别轴承不同故障状态。     

基于ILVD的多分量LFM信号重构算法

针对线性调频(linear frequency modulated,LFM)信号参数估计技术面向多目标产生的多分量信号会产生交叉项,从而降低参数估计精度的问题,提出了基于逆吕氏分布 (inverse Lv’s distribution,ILVD)的多分量LFM信号重构算法。利用特征值分解结合最小误差准则方法的中心频率-调频斜率 (centroid frequency-chirp rate,CFCR)域信号分析与合成,克服传统时频变换方法中的交叉项干扰问题;采用特征值分解思想构造ILVD变换核函数;使用最小误差准则校正CFCR域随机相位误差,重构出分布在CFCR域吕氏分布中不同位置对应的各个目标信号。实验结果表明,提出的算法在重构信号的准确度和抗噪声干扰方面的有效性均有较大提高。     

基于酉变换的改进GSO波束形成器

针对传统Gram-Schmidt正交化(GSO)波束形成器对干扰的抑制性能比较差的缺点,提出一种基于酉变换的改进GSO算法.该算法对训练数据进行酉变换,估计变换后数据的协方差矩阵并取其实部,待该实矩阵减去噪声分量后采用GSO算法重构变换后的干扰子空间,将经过同样变换后的静态波束加权矢量向该干扰子空间做正交投影得到自适应加权矢量.计算机仿真结果证明,在干噪比(INR)较高时该算法与基于特征值分解的子空间投影算法的性能相近.     

改进的FCM算法及其在脑电信号处理中的应用

针对脑电信号的常用识别方法都基于监督型分类算法,需要一定数量的训练数据对分类器进行训练,无法满足实时应用的要求。提出基于数据点密度大小和马氏距离的改进模糊C-均值(FCM)非监督分类算法,对2003年第二届BCI大赛脑电信号分类。首先采用经验模式分解(EMD)算法对脑电信号进行分解,提取相应特征值,再经改进的FCM算法对输入的特征值进行分类。实验结果证明了改进算法在脑电信号分类应用中的可行性和有效性。     

基于极化SAR图像的玛纳斯河流域典型区积雪识别

极化合成孔径雷达具备全天候的积雪观测能力,而且能提供丰富的极化特征用于积雪识别.选取2014年3月19日新疆玛纳斯河流域典型区Radarsat-2数据,首先对全极化SAR(Synthetic Aperture Radar)数据进行目标分解提取积雪极化特征,再利用J-M距离(Jeffreys-Matusita)进行特征选择,分析不同极化特征对积雪的可分性,最后利用最优特征集和支持向量机(Support vector machine,SVM)进行积雪识别.结果表明:Yamaguchi分解和Freeman分解的体散射分量、相干矩阵特征值和香农熵四种极化特征对积雪有较强的识别能力;多种极化特征联合识别相对于单一特征识别积雪具有较大优势,基于四种极化特征的积雪识别精度达到84%.利用极化特征进行积雪识别可获得较好效果,能够弥补可见光遥感难以识别云下积雪的不足.     

基于VMD-PWVD的内燃机振动信号时频分析方法

针对Wigner-Ville分布(WVD)在分析多分量信号时交叉干扰项与时频聚集性相互矛盾的问题,提出一种基于变分模态分解的伪魏格纳分布法(VMD-PWVD),以抑制WVD分布中的交叉项。该方法首先对信号进行VMD分解,将信号在频域上进行剖分,得到一组相互独立的具有不同频率的固有模态函数(IMF)分量,然后对每个IMF分量进行PWVD分析,最后把各个IMF分量的PWVD分析结果线性叠加,重构原始信号的时频分布。仿真结果表明,该方法在有效地从频域和时域双向抑制WVD交叉项的同时,又保留了WVD分布法原有的优良特性。将VMD-PWVD应用于内燃机缸盖振动信号的时频分析中,能很好地刻画出不同工况信号的特征信息,各时频分量物理意义明确,是一种有效的时频分析方法。     

滑窗平均值的序分量检测算法研究

针对传统时域序分量检测算法的不足,在频域上提出一种基于滑窗平均值的Fourier分析算法.该算法通过对三相输入信号进行连续滑动平均加窗的Fourier运算,分解出基波相量的实部分量和虚部分量后,利用对称分量法计算基波相量的各序分量.由Matlab仿真结果可知,基于滑窗平均值的Fourier算法对序分量的检测,动态性能稳定,准确性和实时性高.     

改进相似日的频域分解短期负荷预测

基于改进相似日的频域分解短期负荷预测方法,通过对负荷序列进行频域分解,采用外推法、改进相似日法与加权平均法分别对各分量进行预测,将各分量预测结果相加得到最后预测结果,该方法应用于短期负荷预测具有较好的预测精度.     

基于总体最小二乘改进的SDFT三相交流电频率估计算法

为了解决SDFT算法在含有噪声、谐波或突发干扰的电力网络中电压信号基频分量三点关系式不严格成立的问题,引入总体最小二乘算法(TLS-SDFT)进行改进.TLS-SDFT算法采用滑动窗截取的多个DFT基频分量样本点来扩展SDFT算法的三点关系式,引入扰动矩阵,并通过对系数矩阵进行奇异值分解,使扰动矩阵具有最小Frobenious范数,得到改进的频率估计值.由于系数矩阵结构的特殊性,该算法的额外复杂度为窗长的线性函数.仿真结果表明,在高斯白噪声干扰下,改进算法的估计偏差和均方误差远低于原SDFT算法.在高次谐波干扰、信号参数突变以及变电站实测环境下,改进算法的频率追踪精确度均有明显提升.     

EEMD和Cohen类联合抑制交叉项的时频特征提取方法

Wigner-Ville分布是一种双线性时频分布,对多分量信号分析存在交叉项干扰.本文提出了一种基于EEMD和Cohen类时频融合算法,该算法采用EEMD算法将信号从频域上分离为若干个固有模态函数之和,再对伪分量之外的各分量进行Cohen类时频变换并叠加,得到信号的时频分布,消除了信号内部各模态函数之间时频分布的交叉项.通过对EEMD和Cohen类时频融合算法进行仿真,与小波分解和Cohen类联合时频算法、EMD和Cohen类联合时频算法的仿真进行比较,结果表明,该算法抑制交叉项效果最好,重构误差最小,同时抑制了噪声对时频特征的干扰.     

基于TD-NLMS的航空移动通信OFDM系统载波频率偏移消除

针对航空移动通信中时变的信道环境和多普勒频移造成的子载波间干扰(ICI),提出了一种时域自适应归一化最小均方误差算法(TD-NLMS)来消除航空移动信道正交频分复用(OFDM)系统中载波频率偏移引起的干扰.该算法首先对接收的时域信号进行频偏预估计和预补偿,然后对剩余载波频移进行消除.仿真结果表明:在航空移动信道环境中,新算法可以很好的对旋转相位进行补偿,与最小二乘算法相比,误码率性能有明显提高,可以实现对载波频率偏移的消除.     

广义特征值盲波束形成的低复杂度自适应算法

提出了一种线性低复杂度盲自适应Lagrange乘子波束形成算法．基于最大信干燥比准则(MSINR)的特征值波束形成将导致广义特征值(GE)问题,新算法通过把GE问题表示成期望信号和干扰噪声信号协方差矩阵特征值的函数,用线性迭代的方法搜索最大GE,并利用最陡下降法更新权向量;提出方法被用于W—CDMA智能天线基站上行信号接收．数值仿真结果表明,与其他算法相比,在未牺牲系统BER性能的同时,提出算法具有更快的收敛速度和更低的计算复杂度;算法总的计算复杂度约为O(7N)(N为天线元数目)．     

一种快速时变信道下的单载波频域均衡算法

借鉴多载波系统中的迭代和判决反馈干扰消除算法,提出一种适用于快速时变信道的单载波频域均衡算法.通过线性均衡得到信号的初始估计,从接收信号中迭代消除由于快速衰落所引起的符号间干扰,基于最小均方误差准则进行频域均衡,并将信道时变所造成的符号间干扰视为等效噪声.仿真结果表明,所提出的算法能够有效降低快速时变信道下的误码平层.     

主瓣掩护式干扰下单脉冲雷达目标检测方法

针对单脉冲雷达在目标与干扰视线夹角变小时抗干扰性能显著下降的问题,提出了一种基于分布式辅助天线的改进型单脉冲雷达抗主瓣掩护式干扰方法。对雷达系统添加分布式辅助天线,以抗干扰改善因子最大化为准则,综合运用单脉冲雷达的和、差波束及分布式辅助天线波束在波束域进行自适应干扰抑制,最后利用恒虚警检测验证所提算法的抗干扰性能,并与其他方法进行了对比。数值仿真验证了所提抗干扰方法可有效提升抗干扰改善因子及目标检测概率,当目标、干扰视线夹角较小时亦具备较好的抗干扰性能。     

部分发射天线损毁时 MIMO 雷达信号认知优化

针对电子战环境中多输入多输出(multiple input multiple output,MIMO)雷达部分发射天线遭受摧毁时目标检测问题,提出基于互信息量(mutual information,MI)准则的雷达感知天线状态并再次优化的算法.作为MIMO雷达信号优化设计方法之一,注水法能依据环境状况自适应分配发射信号功率,所提算法能提升分配功率的注水水位,降低天线损毁时目标脉冲响应与目标回波间互信息量损失,进而改善目标检测概率(target detection probability,TDP).仿真结果表明,低检测性能天线损毁时,当信噪比大于0 dB时采用所提方法能提升互信息量;高检测性能天线损毁时,采用所提算法能有效提升互信息量和目标检测概率.信噪比为20 dB时,互信息量提升4.96 nat;若以达到同一检测概率时所需信噪比的减少量表示性能增益,则检测概率为0.8时,性能增益为3.73 dB.     

基于LTE系统的改良接收信号功率测量方法

在长期演进(long term evolution,LTE)系统中,移动终端需要定时更新同一小区和相邻小区的测量信息,以便于及时进行小区切换或重选。传统的接收信号功率测量算法虽然能够降低干扰和噪声对接收端信号的影响,然而在LTE无线环境下,参考信号接收功率(reference signal receiving power,RSRP)常常受到时间同步和频偏影响,难以获得精确的测量结果。针对该问题,基于LTE系统结构和测量标准提出一种改良的接收信号功率测量算法。该算法对时间和频率同步要求低,且接收信号功率测量性能有所提升。该算法分别在频域和时域计算接收信号功率测量值,并选择两者中较大者作为小区最终接收信号功率值。仿真结果表明,在频偏不大于3 kHz、定时偏差不大于30 ns时,所述接收信号功率测量算法,相对于传统算法有1 dB以上的平均测量误差的性能提升。     

基于改进LMMSE的UFMC信道估计算法

针对将线性最小均方误差(linear minimum mean square error, LMMSE)算法直接应用于通用滤波多载波(universal filter multi-carrier,UFMC)系统中需要先验信道相关矩阵信息的不足,提出基于LMMSE的改进算法.该算法在频域对使用最小二乘(least square, LS)算法获得的信道频率响应进行平滑处理,在时域通过优化采样点的截短以确定理想的信道采样长度,并采用迭代估计方法获得最优信道相关矩阵,从而避免先验信道相关矩阵信息.经MATLAB仿真验证,改进后的算法对噪声的干扰可以有效抑制,对比传统LMMSE算法误码性能提升约2 dB,可以有效改善信道估计的准确度.     

空间稀疏角域以及多普勒域下的DOA估计

提出可在稀疏角域以及多普勒域下对天线阵列信号向量进行接收和分析的方法,讨论在多普勒频域范围内的DOA估计问题,并在有效的频带范围内提取信号冲激响应较大的值. 在稀疏DOA的恢复过程中采用的是L2,0估计算法,并在多路天线频谱感知的架构下充分利用DOA所固有的稀疏特性,对其进行稀疏恢复. 对于在测试环境中不可避免的噪声问题,分析三种不同噪声分布下的DOA估计误差问题. 仿真结果显示频域范围内的L2,0-DOA估计算法具有较低的计算复杂度和较高的准确度,并且算法对噪声不敏感,鲁棒性较高.     

基于SVD-TLS的EES-MIMO雷达电磁环境感知算法

为提高EES\|MIMO(Electromagnetic Environmental Sensory\|Multiple\|Input Multiple-Output)雷达在复杂电磁环境下测量精度和工作可靠性, 提出了一种新的基于整体最小二乘（TLS: Total Least Squares）方法与奇异值分解（SVD: Singular Value Decomposition）的电磁环境感知算法。SVD-TLS算法首先利用了互谱AR（Auto Regressive）模型参数估计, 然后考虑其互相关函数矩阵中的估计误差扰动, 并采用同时考虑方程右端互相关函数向量中估计误差扰动的TLS方法予以实现。仿真实验结果表明, 该算法具有良好的谱估计性能, 可较准确地感知环境中杂波所处的频段, 从而为EES-MIMO雷达利用剩余“干净”频带收发波形提供了可靠保证。     

一种相关编码正交频分复用系统的载波频偏估计算法

基于相关编码正交频分复用(OFDM)系统，提出了一种新的数据辅助载波频偏估计技术，利用相关编码OFDM系统的频域幅度特性估计载波频率偏移，增大了频偏估计的跟踪范围，同时采用改进的迭代估计剩余频偏方法，消除载波间干扰对频偏估计的影响，提高了估计精度．仿真结果表明，与传统的基于数据辅助频偏估计技术相比，该技术的跟踪估计范围增大为(-1，1)，且在较高信噪比的估计均方误差明显降低。