基于小波变换与SVM的复杂装备故障诊断研究

针对复杂装备故障信号提取困难、故障诊断精度低的现状,根据小波变换对处理非平稳信号的优越性和支持向量机(SVM)对模式分类的良好性能,提出了一种基于小波变换与SVM的故障诊断模型,并选取配电系统进行故障诊断仿真实验。结果表明该模型能利用少量训练样本完成故障诊断,有效提高装备故障诊断精度。     

关于正规变换函数性质的研究

正规变换函数是研究估计量的各类渐近性质的重要工具，在估计量的渐近性质研究中起着非常重要的作用。通过对正规变换函数性质的研究，利用概率统计的分析方法，对正规变换函数的性质做出更为深刻的刻画，推广了正规变换函数的性质，得到了正规变换函数的一系列好的性质，为极值理论领域中估计量及估计量各类性质的研究提供了有力的工具。     

短波扩频通信强窄带干扰抑制的研究

短波通信在军事领域具有相当重要的地位，但是，短波通信由于受到传播条件以及恶劣电磁环境的制约，限制了通信速率和质量的提高。本文提出了采用直扩加自适应频谱选择体制的高速短波通信方案。并且，针对短波直扩通信系统涉及到的强窄带干扰抑制关键技术进行了分析研究。     

火炮射击冲击加速度信号提取方法研究

火炮结构在受到射击产生的冲击时易发生故障,最终影响火炮的寿命和性能。故障信号通常淹没在冲击加速度信号中,不易被识别。针对上述问题提出一种基于经验小波变换(EWT)和能量算子的信号提取方法,通过能量算子增强冲击响应特征,改进传统EWT的频谱分割方法,将火炮加速度信号分解为多个模态,有效地提取火炮的冲击特征。实验表明,改进后的EWT方法相对传统EWT对故障信号提取效果更好,时频图表现更清晰。     

基于Maxwell2D和Simplorer的永磁同步电机退磁模型设计

永磁体退磁故障是永磁电机的常见故障,对电机退磁故障进行早期检测和诊断可以有效防止灾难发生,具有重大意义。建立不均匀退磁故障状态下的Maxwell2D电机模型,利用仿真软件Maxwell2D与Simplorer构建永磁同步电机联合仿真系统,分别对电机的正常状态模型与退磁故障模型进行仿真,并对相电流信号进行分析。利用EMD-LSSVM变换建立的故障诊断模型对不同程度的退磁故障进行诊断。仿真结果表明:该模型可以精确地识别出微弱的退磁故障,验证了联合仿真退磁模型的正确性。     

基于Neyman-Pearson准则的自适应门限干扰抑制算法

针对制约变换域通信系统抗干扰性能的门限抑制问题,提出了基于Neyman-Pearson准则的自适应门限干扰抑制算法。从硬件实现角度,通过干扰提取模块和自适应门限比较器,建立干扰抑制系统;根据环境频谱,基于高斯分布和N-sigma原理,确定初始门限和虚警概率;提出了基于Neyman-Pearson准则的自适应门限算法,在约束条件下保证检测概率最大化。仿真结果表明,该自适应门限算法能够有效抑制多音干扰和线性调频干扰,干扰的剔除效果较好;同时具有良好的检测性能,较传统的双门限检测概率提高约3.14%的性能增益。     

基于子束变换的自适应线性特征检测

子束变换是一种在多个尺度上对图像线段求积分的线段检测算法.针对二值图像中的线性特征,在强杂波环境下,研究了子束变换的特征检测问题.综合利用了不同尺度上的子束特性,引入线性插值、新的目标函数和Chebyshev不等式,提出了一种自适应线性特征检测算法.仿真结果表明,该算法对杂波环境下的线性特征检测非常有效,并对短线干扰有一定的抑制能力.     

一种基于灰色粒子滤波算法的机动AUV航深内测方法

本文提出了一种将灰色预测和小波变换与标准粒子滤波相结合的灰色粒子滤波算法（GPF）,并将其应用于机动AUV的航深内测。GPF针对机动AUV航深内测过程中由于AUV运动状态未知和测量噪声不断变化而导致的滤波失效问题,在粒子采样过程中结合了标准采样和灰色预测采样,保证了采样得到充分多的有效粒子。在计算粒子权重时,利用小波变换跟踪测量噪声统计特性的变化,提高了各粒子似然概率计算和权重分配的正确性。最后以外测法测得的高精度的机动AUV航深作为真实航深,对该GPF算法进行了实验对比验证,并与EKF和MMPF算法的结果作对比,实验结果表明了本文方法的有效性和实用性。     

基于Radon变换的LFM信号检测与参数估计

提出了一种基于RAT法和RWT法的快速算法,研究噪声环境中线性调频信号的检测以及参数估计问题.该方法对信号的检测通过一维搜索完成,同时对调频率识别比较准确,在此基础上,通过窄带通滤波器对LFM信号去除大部分的噪声能量.和其他基于二维时频分析工具的算法相比,降低了计算的复杂度,其实现更为简便.最后通过计算机仿真验证了该方法的有效性.     

基于改进希尔伯特-黄变换的进动目标周期估计

针对进动目标的微多普勒周期估计问题,提出了一种基于改进希尔伯特-黄变换的提取算法。该算法通过将希尔伯特-黄变换中的经验模态分解（EMD）替换为完备总体经验模态分解（CEEMDAN）,对目标回波信号进行分解得到各本征模态函数（IMF）后,再对IMF进行希尔伯特谱分析,从该希尔伯特谱中提取出目标信号中的微多普勒周期。仿真表明,所采用的方法能有效地克服EMD算法噪声环境中性能较差的缺陷,在低信噪比条件下具备较好的性能。