光纤Bragg光栅横向负载敏感特性的实验研究

对光纤Bragg光栅的横向负载敏感特性进行了实验研究 .利用光纤中的应力双折射效应 ,使光纤光栅横向受压 ,产生谐振波长分裂 .通过实验研究得到了良好的谐振波长分裂与横向负载的关系曲线 ;在此基础上 ,进行了波长寻址的多点横向负载分布测量的初步探索 ,完成了两光栅同时传感的实验研究 .     

宽带线性调频信号Stretch处理误差获取与补偿

宽带线性调频信号是宽带高分辨率雷达的一种信号形式,在实际应用中可采用Stretch处理来降低A/D采样速率的要求。先推导了系统有误差时线性调频信号Stretch处理的雷达接收回波数学模型,提出误差估计的方法,并针对Stretch处理的时变特性提出了线性调频信号Stretch处理的误差补偿方法。仿真实验表明该方法对宽带线性调频信号误差的估计与补偿是有效的。     

飞机旋转叶片回波频谱特征分析

飞机目标发动机叶片的周期性旋转运动导致目标散射回波中出现周期性运动部件调制频谱分量,在某些姿态下该频谱分量幅度呈sinc(x)包络状,并不对称分布于机体多普勒频谱分量一侧。为揭示这一现象,在对旋转叶片组建立电磁散射模型和对风扇目标进行试验测量基础上,分析了叶片长度、倾斜角和扭角等结构参数对周期性运动部件调制频谱分量分布规律的影响。结果表明叶片扭角是导致该现象出现的主要原因。     

宽带相控阵雷达的设计准则与发展方向

宽带相控阵雷达是一种新型的成像雷达,在弹道导弹防御(BMD)中有着重要的应用。首先回顾了国外宽带成像雷达的发展,分析了宽带相控阵雷达的波形选择、子阵的选择及自适应波束形成的实现结构,并给出了有源固态宽带相控阵雷达宽带线性调频Stretch处理的信号处理组成框图,提出了宽带相控阵雷达的未来发展方向。所提的设计准则与给出的发展方向对未来弹道导弹防御雷达的研制有一定的参考意义。     

基于编队卫星的SAR高方位向分辨率成像

针对编队卫星被动工作方式下提高SAR方位向分辨率的构型,在建立信号回波模型和详细分析提高方位向分辨率原理的基础上,提出了对基线的要求及频谱合成算法。该算法充分利用了编队卫星SAR系统中不同接收机的视角信息,有效地完成了多组不同多普勒位置的信号相干合成,实现了系统分辨率的提高。计算机仿真结果表明该算法具有良好的性能。     

直扩信号伪码周期及序列的估计算法

为了解决直扩信号伪码周期和序列估计的难题,提出了功率谱二次处理结合信号子空间分解的方法。该方法首先利用功率谱二次处理手段估计出直接序列扩频(DS-SS)信号的伪码周期,在此基础上采用信号子空间分解对DS-SS信号伪码序列进行盲估计。为了用信号子空间分解法对伪码序列实施精确估计,在其后加上了r1校正方法。计算机模拟结果表明,该方法在输入信噪比小于-14 dB时还能良好地工作。     

透明转发器卫星通信系统在干扰条件下的互调分量

研究了有干扰时透明转发器卫星通信系统中的互调分量。首先，对有干扰时硬限幅条件下窄带系统的互调分量和DS扩频通信系统中的相关互调分量进行了理论分析；然后，针对实际系统，建立了系统仿真模型，进行了计算机性能仿真，通过对仿真结果的分析，得到一些结论。研究成果对了解透明转发器卫星通信系统在强干扰条件下存在的互调分量的影响及其量化结果，从而设计具有针对性的卫星通信抗干扰系统具有实际意义。     

冲击信号处理芯片设计、实现及应用

基于可编程门阵列(FPGA)完成了三通道冲击信号处理芯片的设计与实现。芯片采用流水运算完成最大绝对冲击加速度响应谱计算。由于冲击信号采样频率可在线更改,因此该芯片可以满足不同冲击信号处理器对峰值检测误差的要求和处理器功耗的限制。采用该芯片设计的数据预处理器已成功用于各种试验。试验表明,该芯片能实时完成三路冲击信号处理并将处理结果代替冲击波原始测量数据输出,能在大幅度压缩冲击信号传输带宽的同时,减小冲击信号峰值检测误差,扩大信号测量动态范围,并为识别数据“真”“伪”创造了条件。     

基于多普勒谱的多目标鉴别技术

多目标鉴别是雷达信号处理中迫切需要解决的技术难题。针对Chirp脉冲雷达体制及其相参积累处理的原理和特点,利用多个目标的多普勒谱分布特性,提出了应用CLEAN算法的多普勒谱旁瓣抑制技术实现多目标鉴别。仿真结果表明了这种技术的有效性,且在信噪比较低的情况下仍然非常稳健。     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.