基于压电薄膜传感器的穿戴式健康监测体域网系统

为实现脉搏、呼吸、血压等重要生理信号的连续运动监测,研制了一种基于压电薄膜传感器的穿戴式健康监测体域网系统。体域网系统利用放置于弹性织物(腰带、腕带)内部的压电薄膜传感器获取人体脉搏波、呼吸波等生理信号。根据压电薄膜传感器监测到的呼吸信号的几何特征提出一种状态识别算法,可区分站立、走、跑、坐、躺、睡眠等状态。利用脉搏波传导时间与血压的关系计算佩戴者的收缩压和舒张压,实现无压迫血压监测。系统通过蓝牙实现体域网节点的互通信,利用穿戴显示设备和移动终端实现数据显示,实现了脉搏、呼吸、血压的连续运动监测。     

基于AdaBoost-SVM算法的某火炮炮闩技术状态评估

针对现役装备技术状态评估多依赖于手工拆卸的现状,提出一种基于AdaBoost-SVM模式识别算法的在线技术状态评估方法。利用人工后坐在线检测设备对炮闩装置技术状态参数进行检测,在对检测数据进行相关性分析特征提取的基础上,引入支持向量机模式识别方法,建立炮闩装置技术状态评估模型。通过将评估模型与Ada-Boost算法相结合,每次迭代都根据测试精度对分类错误的样本点和各分量分类器的权重重新赋值,在下一次迭代中形成新的分量分类器以优化分类结果,最终将各分量分类器依其权重综合完成评估。实例分析结果验证了评估模型的正确性和有效性。     

适应低时延业务需求的分布式可穿戴单兵作战信息系统

针对云计算应用在单兵作战系统场景下业务处理时延高、服务质量无法保障的问题,提出一种基于可穿戴计算的分布式单兵作战信息系统。利用士兵身上的可穿戴智能设备构建本地计算层,在作战地点就近处理计算数据,提供给士兵本地的信息处理与融合能力,并采用广义扩散负载均衡算法平衡各设备负载,降低业务处理时延;同时利用分布式计算的容错能力增强系统的可靠性。仿真结果表明,基于可穿戴设备的分布式本地网络架构能有效地降低作战任务的处理时延,同时增强系统的可靠性。     

基于随机森林法的机械变速箱技术状态评估

将随机森林RF(Random Forests)引入到机械设备技术状态评估领域,对某型坦克不同劣化程度的变速箱振动加速度信号数据进行分类研究,分类精度达到97%以上,证实了此方法的有效性。基于RF的评估方法具有组合分类器精度高、树型分类器运行速度快的特点,在机械设备状态识别、故障诊断中表现出了良好的性能。     

基于改进野草算法的导波信号匹配追踪识别方法研究

针对导波信号匹配追踪识别方法求解效率和匹配精度不足的问题,提出了基于改进野草算法的匹配追踪识别方法(MIWOMP)。利用L(0,2)模式导波对含缺陷钢管进行检测,以chirplet时频原子作为匹配原子,分别使用MIWOMP方法、微分进化匹配追踪方法(DEAMP)和基于野草算法的匹配追踪方法(IWOMP)对导波检测信号进行重构,并对不同方法的匹配残差能量和频率匹配误差进行对比。研究结果表明:MIWOMP方法匹配精度最高,能够有效地对导波检测信号进行识别和重构,有利于促进导波无损检测技术的推广应用。     

基于可穿戴设备的军校学员运动状态识别方法

为准确识别军校学员便步、齐步、正步、跑步、仰卧起坐、俯卧撑、折返跑等七类日常运动状态,提出了一种基于可穿戴设备的军校学员运动状态识别方法。该方法首先利用穿戴式加速度数据采集设备采集并分析学员运动数据,并根据预先设定的特征,对运动数据进行特征提取;然后,利用设置的相应阈值对数据特征值进行识别,判断出相应的运动状态;最后,对军校学员日常运动中的七类运动状态进行了实验验证。结果表明:所提出的方法可有效识别学员运动状态,具有较高的识别率。     

融合视觉图像处理的目标识别技术在移动机器人中的应用

为了提升移动机器人的运动人体识别效果,研究利用Faster-RCNN-KF对动态人体图像进行实时跟踪,并结合Facenet-MTCNN实现跟踪对象人脸识别。运动人体跟踪检测实验和人脸识别测试结果显示,Faster-RCNN-KF算法跟踪误差仅为0.000 5 m,且跟踪响应速度和误差更正速度较快;Facenet-MTCNN目标识别算法在训练中的分类精度最高能够达到99.15%,分类中的时间延迟为0.01 s,能够有效识别跟踪对象的身份信息。研究结果表明,视觉图像处理技术能够实现人体的有效跟踪检测,并能对不同身份的跟踪对象进行人脸识别,对移动机器人跟踪与识别技术发展具有重要价值。     

基于小波包频带能量检测的神经网络故障诊断技术

利用小波包频带能量检测技术对观测信号进行处理,从中获取反映故障特征的信息,以此作为输入对网络进行训练,可对故障进行比较可靠的分类。同时介绍了利用小波包频带能量检测技术提取观测信号特征向量的方法和步骤,以及基于松散小波神经网络的故障诊断方法。最后结合某型导弹舵系统故障诊断的实例,给出仿真试验,证明了该方法的有效性。     

智能可穿戴设备军事应用与发展趋势

介绍智能可穿戴设备的基本概念、发展历程、分类与功能,归纳智能可穿戴技术在作战指挥、武器装备、军事训练、安全管理和后勤装备保障等方面的应用现状,分析在新材料技术、人机交互技术、物联网技术、大数据与云计算技术等新技术影响下军用智能可穿戴技术的发展前景。     

导向矢量正交分解的离格信号DOA估计

当存在离格信号时,网格失配将导致基于压缩感知理论的DOA估计算法估计性能严重下降。为解决这个问题,在对接收数据协方差矩阵进行KR积变换的基础上,提出了一种基于压缩感知理论下的导向矢量正交分解的离格信号DOA估计算法。算法利用信号导向矢量与其一阶导函数矢量间的正交性构建了新的离格信号导向矢量模型,并基于最小二乘法对离格信号的网格偏离量进行估计。在构建稀疏重建模型时,采用ILSSE方法精确估计噪声协方差矩阵,提高了稀疏重建的精度。仿真结果表明,所提算法在不同信噪比和不同的网格间距下对离格信号DOA都有较好的估计精度。     

基于MUSIC的高分辨率到达频率差估计方法

多重信号分类(MUSIC)算法具有高分辨率、高精度和同频多信号的频率估计能力,利用这一性能可将其应用于到达频率差估计,得到基于MUSIC的到达频率差估计方法。这种方法在不同信噪比、带宽、采样率和积分时间等条件下,均能对到达频率差进行高精确估计,仿真结果验证了该算法的可行性、有效性和稳健性。     

故障类别的模糊聚类分析

本文通过故障状态-特征的模糊聚类分析,按故障间的相似性对故障进行分类,然后按类别实施故障诊断,可在最少监测点的条件下,获得最多的设备运行故障信息。从而简化故障诊断过程,提高诊断速度和精度。     

基于DWT-LPP的行星变速箱故障信号特征增强方法

针对行星变速箱齿轮故障信号特征易被噪声湮没且不同齿轮故障信号较难区分的特点,提出了一种基于离散小波变换(Discrete Wavelet Transform,DWT)和局部保持映射(Local Preserving Projection,LPP)的行星变速箱故障信号特征增强方法。首先,利用DWT对信号进行多频段的重构扩充信号维度;然后,通过LPP对多维度信号进行降维,减弱噪声影响并增强信号的稳定性;最后,以排列熵(Permutation Entropy,PE)、样本熵(Sample Entropy,SE)和功率谱熵(Power Spectral Entropy,PSE) 3种信息熵表征信号特征。对台架试验采集不同故障状态的振动信号进行分析,结果表明:该方法对故障信号特征增强明显,依据3种信息熵值的三维坐标有效实现了行星变速箱齿轮故障的分类识别。     

基于特征加权与SVM的雷达有源干扰分类技术

为了有效提高雷达有源干扰分类正确率,提出一种基于特征加权与支持向量机的分类方法。针对分类过程中各信号特征参数对信号分类的重要度不同,引入特征加权的概念。利用灰色关联分析方法求取各特征权重,避免一些弱特征对分类结果产生较大影响。最后利用支持向量机分类器,对雷达有源干扰信号进行了分类识别。通过仿真实验证明,该方法可以有效提高雷达有源干扰信号类型的识别率,具有很好的通用性。     

自组织特征映射在柴油机振动信号模式分类中的应用

通过分析柴油机在磨合期、不同摩托小时和拉缸等典型状态下的振动信号样本,计算出各类样本在幅域、时域和频域的特征参量,按照类别可分离性判据进行特征选择,寻找出能够代表发动机不同状态的有效特征参数,同时降低特征向量空间的维数,最后利用自组织特征映射神经网络(Self-Organizing Feature Map)进行发动机不同状态的分类.分析结果表明,SOFM能够对各类模式进行有效的分类,准确率达到92%以上.     

基于状态的维修与备件库存决策联合优化研究

针对需进行定期功能检测的设备,研究其基于状态的维修策略与备件库存策略联合优化方法。引入延迟时间理论,分析定期功能检测策略下备件库存的消耗与供应过程;基于设备功能退化和备件库存变化规律,建立以设备维修保障费用为优化目标的数学模型,并采用仿真的方法对设备功能检测周期、备件最大库存水平、备件订购周期等决策变量进行联合优化。通过一个算例对所提出的方法和建立的模型进行应用验证。     

LTE系统下MIMO信号自适应检测研究

通过对LTE系统下的MIMO信号自适应检测进行研究,分别在高相关与适度相关信道模型下结合有、无HARQ两种状态,给出了4种不同情况下LMMSE、SIC 2 it、8-best和SSFE算法性能仿真,并对仿真结果进行了详尽分析比较,在此基础上给出了基于系统吞吐量的MIMO信号自适应检测的算法性能评价标准,并对各算法间状态转换给出了建议。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

基于线性混合盲分离模型的电机故障诊断方法

基于定子电流信号的频谱分析方法诊断电机故障,其检测的精度易受到噪声干扰及频率分辨率的限制。为解决这一问题,提出了一种基于线性混合盲分离模型的电机故障诊断方法。该方法采用固定点算法从电机的定子电流信号中分离出故障特征信号,由观测信号估计出混合矩阵,据此计算故障特征信号的幅值,再根据幅值在电机正常和故障状态下的变化实现对电机故障的诊断。以电机转子故障为例进行了实验,结果表明:该方法可实现转子断条故障的可靠诊断,并且在短数据条件下,也能取得较好的诊断效果。     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。