超声速混合层发展情况的非线性时间序列分析

采用大涡模拟数值方法,模拟了具有工程应用背景的二维超声速湍流混合层,通过非线性时间序列分析伪相图、关联维数和Lyapunov指数,得到了混合层发展情况的混沌特性.结果表明,混合层中心线沿流向位置的压力伪相图可定性地表示混合层的稳定性,关联维数分布可定量描述混合层经历的线性失稳、非线性失稳和涡合并阶段等发展情况,最大Lyapunov指数分布作为关联维数分析结果的验证.对于相应的超声速混合层实验,采用非线性时间序列分析方法研究混合层发展情况具有通用性.     

混沌信号处理

描述了混沌特征参量 ,包括Lyapunov指数和分形维 ;讨论了信号相空间重构和Takens嵌入定理 ,以及嵌入维数、时间延迟等参数。还阐述应用神经网络进行混沌信号非线性处理     

滤波对混沌信号分形维的影响

分形维数作为混沌系统的特征量,是分析混沌动力系统的重要工具,也是检测和识别混沌信号的依据.由于实际得到的混沌信号都存在着不同程度的滤波,忽略滤波影响会影响到分形维数的准确性.因此,通过理论推导,借助Lyapunov指数谱和Kaplan-Yorke维数,全面分析了从FIR滤波到一般的线性时不变滤波器对混沌信号分形维数产生...     

双谱特征在水下目标自动识别中的应用

非高斯信号处理是信号处理的一个新领域。以舰船辐射噪声为主的噪声具有很强的非高斯性和非线性性。由此可利用信号双谱,提取舰船辐射噪声信号的非高斯成份。实验结果表明,高阶谱在声纳目标识别方面具有很大的发展潜力     

航空发动机混沌支持向量预测模型应用

提出了一种基于混沌理论的通用支持向量预测方法.该方法通过重构相空间的饱和嵌入维数确定支持向量机的最佳输入变量的选取;通过计算混沌序列的最大Lyapunov指数确定支持向量机预测模型的最大有效预测步数;利用支持向量机强大非线性映射能力、网络结构的自动最优化特性,实现时间序列的非线性预测.最后,应用于压气机的试车数据序列建...     

基于贝叶斯方法的舰船辐射噪声估计

对于潜艇战和反潜战来说,目标的噪声特点和噪声等级是进行声纳作用距离估计的一个重要参数。为了对不确定水声战场环境中的舰船辐射噪声进行有效估计,运用贝叶斯方法分别对正态分布和均匀分布的辐射噪声作了最小均方误差估计和最大后验概率估计,对不同情况下的舰船辐射噪声的估计提供了一种可靠的方法。通过这种方法得出舰船辐射噪声一定的统计规律,为指挥员的精确决策提供信息基础。     

航空发动机的可预测模型建模与应用

提出了一种基于混沌理论和支持向量的预测方法.通过重构相空间的饱和嵌入维数,确定支持向量机的最佳输入变量;通过计算混沌序列的最大Lyapunov指数,确定支持向量机预测模型的最大有效预测步数;利用支持向量机强大非线性映射能力、网络结构的自动最优化特性,实现时间序列的非线性预测.最后,应用于某型发动机压气机的试车时间序列数据建模与分析,结果证明该方法具有较高的预测精度.     

基于Lyapunov指数谱的非线性隔振系统混沌运动参数区域预测

Lyapunov指数是定量描述系统运动状态的重要参数之一.讨论了Lyapunov指数谱的数值计算方法以及它和总时间的关系,利用混沌状态下系统的最大Lyapunov指数大于零的性质预测了非线性隔振系统处于混沌运动状态时两个可变参数的参数区域.     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题，提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解，得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数，并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明，该方法可以实现对舰船辐射噪声的特征提取，与已有方法对比，该方法具有较高的识别率。     

改进相空间重构方法在混沌识别中的应用研究

讨论了传统非线性时间序列相空间重构方法的特点,提出了一种改进的相空间重构方法.为了揭示非线性时间序列中的非线性相关性,采用了一种基于关联积分的统计量,并研究了不同参数对它的影响.研究了延迟时间和嵌入维数之间的关系,并采用时间窗口描述这2个参数的变化规律.同时,应用改进方法计算了混沌时间序列的重构参数,重构了混沌信号的吸引子.研究结果表明,该方法能够从时间序列有效地重构原系统的相空间,为混沌信号识别提供了新的途径.     

微波雷达海杂波混沌特性分析

随着非线性学科的发展,混沌科学受到各个学科领域的广泛重视,海杂波的混沌特性吸引越来越多的科研人员开始探索混沌理论在雷达系统中的应用。介绍了混沌理论的起源和发展趋势,简要阐述了混沌定义,给出了混沌的奇异吸引子、相图与Poincare截面、相关维及Lyapunov指数等基本特性,并基于混沌时间序列的关联积分C-C法、相空间重构法及小数据量法等混沌特性研究方法,对微波雷达实际采集的海杂波数据进行了混沌特性分析,分析结果表明,微波雷达海杂波数据具有混沌特征。     

超声速二元机翼随机混沌运动分析

以考虑随机扰动的超声速二元机翼为研究对象,采用Kapitaniak方法对超声速二元机翼的随机混沌特性进行研究。采用三阶活塞理论推导超声速二元机翼的非线性气动力和气动力矩,建立考虑随机扰动、具有俯仰立方非线性的机翼2自由度运动微分方程,并将其写成4维状态方程的形式;采用中心流形方法对系统进行降维,将系统状态方程从4维降为2维;再联合利用累积量截断法、非高斯截断法获得系统的二维联合概率密度函数及系统的概率时差图,采用Kapitaniak方法分析系统在不同扰动强度下的随机混沌特性;采用系统响应、庞加莱截面图及最大Lyapunov指数等对系统的随机混沌特性进行验证。本研究对超声速二元机翼在复杂环境下的稳定性、安全性及响应特性等研究具有重要的促进作用。     

一种新的舰船辐射噪声特征提取方法

提出了一种基于Dopplerlet变换的舰船辐射噪声特征提取方法,给出了Dopplerlet变换分解流程。使用此种方法及基于小波变换、波形结构、自然尺度等的特征提取方法对收集到的舰船辐射噪声进行了识别试验,试验结果证明基于Dopplerlet变换的舰船辐射噪声特征提取方法更加有效。     

基于高阶谱净化的水声目标宽带调制信号检测

针对水声目标解调谱轴频提取中低信噪比和低频信号干扰严重的问题,给出了一种检测水声目标辐射噪声宽带调制信号的方法。首先利用希尔波特变换解调出信号包络,进而计算出解调谱;根据螺旋桨桨叶旋转产生的调制线谱存在明显的谐波关系,利用高阶累计量对角切片对解调谱进行净化;根据线谱波形特征进行线谱检测识别得到比较干净的线谱成分。通过实际舰船噪声检验分析,该调制信号检测方法能够较好的检测出水下目标辐射噪声中调制线谱的基频以及谐波成分。     

分数低阶统计量的水下目标信号调制谱分析方法

传统水下目标噪声信号调制谱分析方法是建立在具有二阶统计量的高斯噪声环境下实现的,而多数情况下舰船辐射噪声和海洋环境噪声等水声信号通常具有脉冲特性,服从α稳定分布,二阶统计量的调制谱分析算法性能可能会下降,甚至不再稳定收敛.针对此问题提出了分数低阶统计量的目标信号调制谱分析方法,并进行仿真和实验数据验证,其结果表明所提方法具有稳健性.     

基于小波变换和支持向量机的水下目标分类方法

水下目标识别技术是世界各国十分重视的研究课题之一,具有重要的理论和应用价值。简要介绍了小波变换、多分辨率分析及支持向量机的基本原理,针对舰船辐射噪声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号的多尺度子空间上提取信号的能量特征参数,归一化处理后构建特征向量,最后用支持向量机算法进行分类。仿真结果表明,利用小波变换的多分辨率分析和支持向量机能对舰船辐射噪声信号进行有效分类识别。     

基于多分辨分析的舰船噪声能量特征提取方法

以离散小波变换入手,利用小波分析的恒Q特性,提取了舰船噪声信号的子带能量分布特征。结果表明,由于各子带能量参数并不相互独立,基于离散小波变换的舰船噪声子带能量分布特征并不明显。因此,依据多分辨分析理论,对舰船辐射噪声信号进行了正交多分辨分解,并提取了舰船噪声子带能量分布特征。结果表明特征是显著的,该方法从整体上反映了舰船噪声信号能量分布特征。为了从细节上对噪声信号能量特征进行分析,提出了基于多分辨分析的子带能量密度特征提取方法。采用两类共8个噪声样本对噪声子带能量分布和能量密度特征提取方法进行检验,取得了比较理想的结果。     

关联维数在齿轮箱振动信号特征提取中的应用

论述了关联维数的基本概念和性质,给出了定量描述分形特征的重要参数———关联维数的计算方法,分析了齿轮箱故障时振动的特点.通过对试验获取的齿轮故障振动信号进行分析计算,确定了关联维数与齿轮箱故障程度之间的联系.结果表明,齿轮箱的不同运行情况对应的关联维数有明显不同.因此,可用关联维数作为区分齿轮箱工作状态的特征参数.     

舰船辐射噪声对声纳作用距离影响的不确定性研究

为了研究目标舰船辐射噪声对声纳作用距离产生的影响,用蒙特卡洛方法对目标航速进行模拟。通过经验公式得出舰船的辐射噪声级并进行统计分析,得出舰船辐射噪声的概率分布直方图,由此可以导出被动声纳作用距离的概率分布直方图。相对于传统的声纳作用距离预报结果,该方法给出的作用距离预报结果是一个满足某一分布的随机变量,而非一个确定的值,为作用距离的预报提供了概率的依据,为艇指挥员的决策提供了定量信息。同时,通过计算得出舰船航速的均方差与声纳作用距离的均方差基本成线性递增关系。     

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征，重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器，对实测的四类舰船目标的辐射噪声信号进行测试，取得了较好的识别效果。