基于监测信号特征的批量钻削工序质量研究

针对批量钻削工序质量的快速监测和分析问题,利用批量钻削加工过程主轴功率信号和声信号的时域统计特征和频域能量特征构造了批量工序钻削过程特征矩阵。应用K均值聚类技术从时域统计、频域能量和时频域综合特征三个角度依据钻孔本身的质量特征对钻孔进行分类,分析批量工序过程特征分布状况,间接反映批量钻削工序质量。对比人工质量检测结果,分析批量钻削过程监控信号时频域特征矩阵聚类纯净度,结果显示其工序质量分布状况检测准确率高达94.19%     

四项加权分数Fourier变换在通信系统中的应用研究

本文由四项加权分数Fourier变换的原始定义出发,通过对加权系数矩阵的研究,揭示了加权系数与被加权函数之间的关系,并给出加权系数的多参数表达形式.在此基础上,定义了离散序列的四项加权分数Fourier变换,使其适用于数字通信系统.根据四项加权分数Fourier变换的特性,提出一种基于该变换的调制/解调方法.该方法能够使调制后信号在时域及频域上实部与虚部的统计特性、相位特性发生明显的变化,这一变化可以通过变换参数的调整进行控制.将四项加权分数Fourier变换调整为多参数对信号进行处理,对比单参数处理方法,信号具有更好的抗截获特性.     

自适应频域块LMS算法在抵消干扰方面的研究

分析了无线通信系统中自适应滤波算法中的LMS算法,并提出了利用自适应抵消输入信号中的干扰而获取有用信号的在频域实现的干扰抵消方法,该方法基于时域中的数据块最小均方误差LMS算法和该块LMS算法中存在线性相关和线性卷积的过程,通过1/2重叠保留法的快速傅立叶变换FFT,在频域以直接相乘的计算方式实现快速相关和快速卷积,利用自适应滤波器在频域实现LMS算法.通过实验仿真比较可以看出,该频域块LMS算法不仅保证了与时域自适应滤波算法有相同的收敛性,而且由于利用了快速FFT技术,使运算量大大减少.     

基于支持向量机和粒子群算法的电子鼻伤口感染检测

针对传统的伤口感染诊断方法耗时长,操作复杂等问题,提出了一种基于电子鼻和支持向量机(SVM)的方法进行伤口感染检测,分别检测非感染和三种常见病原菌感染的大白鼠伤口顶空气体,然后利用 SVM对实验数据进行识别.同时,鉴于传感器阵列的优化以及 SVM参数选择对其分类准确率有重大的影响,提出一种基于粒子群算法(PSO)的传感器阵列和 SVM参数同步优化方法.实验结果表明,SVM结合 PSO与传统的神经网络以及遗传算法相比,极大提高伤口感染检测的准确率     

基于模型突变检测的管道泄漏检测定位方法

为了改进负压波法在管道微弱泄漏的检测和定位中的效果,提出了基于模型突变检测的特征提取和泄漏定位算法。首先运用广义似然比检测理论,建立压力信号变化的统计检验模型,计算广义似然比比率r和下降幅度d作为压力信号突变发生的敏感特征,并通过求得的压力变化时间点进行泄漏定位。针对缓慢泄漏时压力信号变化的特点,提出了相应的改进模型,更精确的求出缓慢泄漏压力信号的下降拐点。实验证明,参数r和d对不同变化类型的压力信号有较好的区分度,利用管道内压力和流量信号的特征值作为神经网络的特征向量可以实现管道的微弱泄漏识别,且基于改进模型的定位算法在缓慢泄漏定位中有较好的定位结果和稳定度。     

支持向量机及其在机械故障诊断中的应用研究

针对支持向量机分类算法中模型选择对分类精确性影响很大的问题,结合转子实验台模拟的典型旋转机械故障数据对影响多故障分类器分类性能的相关因素进行了研究。结果表明,在少量时域故障数据样本条件下,选用不同的核函数及核函数参数对多故障分类器的分类精度有一定影响,为实际工程应用中选择合适的支持向量机核函数类型及其参数提供一定的帮助.     

离散多参数分数Fourier变换

分数Fourier变换是传统Fourier变换的推广,在光学、信号处理、信息安全等许多研究领域都有广泛的应用,而简明有效的离散化数值计算方法是其得以广泛应用的关键.多参数分数Fourier变换(MPFRFT)是分数Fourier变换的一种广义形式,包含已知的分数Fourier变换作为特例,可为分数Fourier变换的理论研究和应用提供便利.文中详细阐述离散多参数分数Fourier变换(DMPFRFT)的定义和离散化计算方法,并给出二维多参数分数Fourier变换(2D-MPFRFT)和二维离散多参数分数Fourier变换(2D-DMPFRFT)等概念.最后作为应用,提出一种基于2D-DMPFRFT的数据图像加密方法,数值仿真结果验证了所提出加密方法的有效性和安全性.     

基于脊波变换的直线特征检测

特征检测是图像处理中的重要问题, 其检测效果直接影响模式识别和分类. 基于脊波分析思想, 给出一种新的离散的局部脊波变换, 同时提出一种适合于方向性较强的图像中直线特征检测的新方法. 实验表明该方法是可行有效的.     

体域网中基于特征组合的步态行为识别

物联网(internet of things,IOT)拥有无处不在的识别、传感和通信能力,体域网(body area network,BAN)属于物联网中和人体相关的领域,其应用广泛,可以在日常生活中对人们进行监测及提供帮助.行走是许多日常活动的基本环节,因而步态分析能为体域网应用提供重要的生理行为信息.现有的步态分析已取得一定的研究成果,但仍存在一些问题,例如大多数步态特征提取是对加速度信号进行6重以上的变换,使得特征达到了45维以上,最后需要通过降维或优化来简化特征,较为复杂.本文设计一种灵活便捷的数据采集系统,并利用小波变换、傅里叶变换和四分位差提取出加速度信号中比较简单、低维度但能反应运动特征的步态参数,之后通过模式识别算法进行步态行为识别验证.实验结果表明该系统使用方便,特征提取方法简单实用,识别精确度为97%,EER(equal error rate)最小可到0.9%.     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于遥感信息和作物生长模型同化的水稻估产方法研究

本研究的目的是通过数据同化方法,将国产环境卫星HJ-1A/B数据提取的水稻叶面积指数LAI信息和作物生长模型相结合,以提高水稻估产的精度.具体方法为:首先通过分析水稻叶面积指数LAI和水稻归一化植被指数NDVI的时域变化关系建立模型反演水稻LAI,并应用研究区历史数据和作物生长模型WOFOST建立初始水稻生长模型估算水稻产量.在构建代价函数的基础上,采用SCE(shuffledcomplex evolution)数据同化方法对初始水稻生长模型参数进行优化,使水稻生长模型估算的水稻LAI和遥感数据反演的LAI差值最小.最后将采用同化方法的水稻生长模型估算的研究区水稻产量和不加同化方法的原始水稻生长模型估算的水稻产量进行比较,结果显示水稻估产精度有明显提高.研究结果表明采用遥感数据提取的农作物实时生长信息可以修正作物生长模型关键参数以提高区域范围的农作物估产精度,同时也显示国产环境卫星数据在农作物生长监测上具有广阔的应用潜力.     

信噪分离的频域方法

提出一种信噪分离的新方法。根据采样时间段内信号及其导数的特点定义频率,由此构造一种双正交基,使信号可以精确地表示为低频双正交基的线性组合。在时频结合的基础上,导出了信噪分离的高精度方法,设计了配套算法,分析了这种方法的有效性。此方法精度较高,便于综合应用时域和频域上的信号特征,可以处理多频段的信噪分离问题。     

两种修正的离散啁啾Fourier变换

提出了两种修正的离散啁啾Fourier变换, 并且研究了相应的滤波匹配特性包括变换长度参数的优化选取、及与模拟啁啾Fourier变换的关系. 与已有的离散啁啾Fourier变换相比,理论分析和模拟仿真证实了这两种修正的离散啁啾Fourier变换可以进一步提高被检测信号的啁啾分辨率.     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

基于通用软件无线电平台的电离层高频多普勒频移监测仪

测量经电离层反射的无线电波频率的多普勒频移是一种经典的电离层探测技术.本文介绍了以通用软件无线电平台作为射频前端的新型设备的系统设计、数字信号处理流程及数据后处理的方法.前端输出的宽频带数字信号由计算机软件进行选频、滤波、降采样等处理,具有可随时改变接收频点及数据处理流程的灵活性,并降低系统复杂度和研发周期及成本.本文比较了由快速傅里叶变换和希尔伯特变换两种方法得到的信号多普勒频移量,在电波仅有单一频移分量时,两种方法的结果是一致的;快速傅里叶变换方法能够分辨多个频移分量,而希尔伯特方法的优点则是具有较高时间分辨率.此外,采用多站数据反演了电离层扰动传播速度,把频移得到的多普勒速度与电离层垂测仪观测的电离层虚高的变化进行了对比,验证了该设备的探测能力及数据准确性.该设备已替换升级子午工程一期原设备,并将部署于子午工程二期各观测台站.     

海杂波频谱的多重分形特性分析

本文主要研究海杂波频谱的多重分形特性并分析其影响因素．首先介绍了将多重分形理论引入到海杂波频谱分析中的理论基础,然后,采用X波段与S波段相参雷达实测数据验证海杂波频谱的多重分形特性,并采用多重分形去趋势起伏分析（MF-DFA）法对海杂波频谱进行多重分形特性分析、分析结果表明海杂波频谱是一种受长程相关性和概率分布共同影响的多重分形序列,并且频域多重分形参数广义Hurst指数对海杂波单元与目标单元具有一定的区分能力．此外．通过分析广义Hurst指数的影响因素还发现FFT时所采用的时间序列长度对广义Hurst指数影响相对较大,而FFT点数对其影响相对较小．     

基于图论的多尺度特征点匹配

文中针对在视觉测量系统中双目立体视觉特征点同名点匹配问题,提出基于图论的稀疏特征点全局匹配算法.首先,提出多尺度特征点提取算法来获得特征点的准确位置.算法引入多尺度小波变换,利用变换后的系数构建自相关矩阵从而进一步确定特征点的位置.然后,根据图理论将提取的稀疏特征点构建一个图,从而使特征点匹配问题转化为可用能量最小化方法解决的图的标记问题.此多尺度特征点全局匹配算法利用多尺度分析来提高匹配精度,并且利用特征点构建图降低了图的规模,同时根据极线约束选择潜在视差值进行计算,降低了计算量.实验结果表明此算法可获得精确的匹配结果.     

基于分数阶Fourier变换的多分量LFM信号的检测和参数估计

提出了一种基于分数阶Fourier变换的多分量LFM信号的检测与参数估计的方法. 针对分数阶Fourier域上的优化搜索问题, 提出了基于拟Newton法的两级搜索算法, 在不影响估计精度的前提下, 降低了计算的复杂度. 对于多分量信号的检测, 提出了分数阶Fourier域上的信号分离技术, 有效地抑制了检测过程中强信号分量对弱信号分量的影响. 并给出了估计误差的统计分析, 使得这一方法在理论上更加趋于完善, 仿真结果也证明了其有效性.     

基于HJ-1星CCD数据的溢油遥感特性分析与信息提取

基于HJ-1星CCD多光谱数据,以2010年美国墨西哥湾深海油井溢油污染海域为研究区,对溢油迁移转化过程进行分析,认为油水混合物是该次事故的主要污染类型之一.研究HJ-1星CCD数据多种目标的影像特征与光谱响应特征,指出油水混合物能明显改变海水对入射光的后向散射性能,可以被有效地识别与判定.利用决策树分类方法能有效地提取墨西哥湾溢油污染中的油水混合物;对误判信息进行分块合并处理后,可进一步提高油水混合物的提取精度.研究表明,HJ-1星CCD多光谱数据能有效提取海洋溢油污染信息,具备了开展海洋溢油污染遥感监测的能力.     

非平稳环境激励下模态参数识别的连续时间AR方法

针对受非平稳高斯随机激励下的线性时不变系统,基于连续时间AR模型,提出了一种时域模态识别的新方法,这种方法仅从响应数据就能够识别系统的物理参数．为了对参数进行估计,把结构动力学方程看作一个连续时间AR模型,并给出了它的状态空间形式,其中的状态方程就是一个随机微分方程;接着利用在非常短的时间段内均匀调制函数接近于一个常数矩阵的事实,得到均匀调制函数的估计;然后再利用Girsanov定理,得到物理参数的精确极大似然估计;最后进行特征分析,从而实现线性系统模态参数的识别