单相电路的一种谐波和无功电流实时检测方法

提出了一种新的单相电路的谐波和无功电流实时检测方法。它利用三角函数的有关特性 ,对畸变电流中的基波有功和无功电流分量的振幅分别进行计算 ,然后通过低通滤波器把它们分离出来 ,最后得到基波有功和无功电流分量。该方法电路结构简单、动态响应速度快、检测精度高 ;既可得到单独检测出畸变电流中的任何电流分量 ,又能得出谐波和无功电流之和。仿真和实验研究证实了方法的有效性和可行性。     

自适应跳频通信受扰信道无源确认技术

及时确认被干扰信道是自适应跳频通信躲避干扰的前提。本文提出了一种受扰信道无源自适应预测评估算法 ,无需发射信号就可以识别干扰信道并预先躲避 ,从而提高了系统的抗干扰性能 ,方法简单 ,易于实现。     

随机共振原理在强噪声背景信号检测中的应用

动态系统中的噪声常被认为是令人讨厌的东西 ,但在特定的非线性系统中 ,噪声的存在事实上能够增强微弱信号的检测能力 ,这种现象就是随机共振 (SR ,stochasticresonance) ,它在物理、工业技术和生物医学领域里具有广泛的应用潜力。给出了利用随机共振原理检测微弱周期信号的基本方法 ,并采用模拟的信号对该方法进行了分析与验证。结果表明 ,该方法简单、稳健、可靠 ,能把信噪比较低的周期信号从强背景噪声中可靠地提取出来 ,将在机械故障诊断领域展示诱人的前景     

INTELLIGENT DECISION ALGORITHM FOR FAULT DETECTION AND ITS APPLICATION

ＩＮＴＥＬＬＩＧＥＮＴＤＥＣＩＳＩＯＮＡＬＧＯＲＩＴＨＭＦＯＲＦＡＵＬＴＤＥＴＥＣＴＩＯＮＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮＷｕＪｉａｎｊｕｎ;ＺｈａｎｇＹｕｌｉｎ;ＣｈｅｎＱｉｚｈｉ（ＤｅｐａｒｔｍｅｎｔｏｆＡｅｒｏｓｐａｃｅＴｅｃｈｎｏｌｏｇｙ,...     

在非高斯马尔可夫噪声中的Robust检测

文中探讨了在仅已知噪声边缘分布族和相关系数的条件下非高斯马尔可夫噪声中确知信号的Robust检测问题。设噪声样本可表示为一阶AR过程:n_i=ρn_(i-1)+Y_i,(i=1,2,…,N),其中Y_i为独立同分布的随机序列。当p较小时,以检测器效验为性能指标并对ρ取一级和二级近似,分别得到了对应的有记忆和无记忆Robust检测器的结构。     

间歇采样转发假目标对CFAR检测影响分析

分析间歇采样转发形成的假目标干扰对雷达CFAR检测的影响和间歇采样转发假目标生成机理,给出间歇采样转发假目标产生方法。在此基础上,以雷达一次搜索周期内虚警、漏警造成的检测代价作为检测性能指标,分别分析单元平均恒虚警检测器、有序恒虚警检测器、剔除和平均恒虚警检测器在间歇采样转发假目标干扰下的检测代价。着重分析间歇采样转发干扰关键参数对检测代价的影响。仿真结果表明,间歇采样转发产生的多个假目标显著提高了雷达的检测代价,检测代价受转发占空比、转发功率的影响较大,而受转发频率影响较小。在三种恒虚警检测器的对比中,剔除和平均恒虚警检测器相对于另两种检测器的检测代价更大些。     

基于动态行为监测的木马检测系统设计

首先介绍了特洛伊木马的基本概念及常用的木马检测方法,然后在分析传统的基于静态特征的木马检测技术缺点的基础上,结合基于动态行为监测的木马检测思想,研究以木马植入、隐蔽和恶意操作所需资源的控制和动态可疑行为监测相结合的隐藏木马检测技术,并提出了基于动态行为监测的木马检测系统的基本框架,给出了动态行为监测的相关策略和可疑行为的分析与判定的方法。     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测     

雷达部署对进动目标微多普勒频率的可测性分析

以导弹攻防对抗中防御雷达对空间目标的微多普勒频率检测为背景,分析了雷达部署位置对进动目标微多普勒测量值的影响.理论上可证明,当目标的外形尺寸和进动参数确定后,微多普勒频率由进动轴和雷达视线的夹角(平均视线角)唯一决定.从雷达部署在弹道平面内不同区域以及雷达距弹道平面不同距离两方面出发,分析了微多普勒调制带宽随雷达位置的...     

基于LOG算子的激光雷达图象边缘检测算法改进

针对LOG算子的不足之处,提出了一种激光雷达图像的边缘检测改进LOG算子算法:用二维自适应Wiener滤波代替Gaussian滤波。仿真结果表明:对于含有高斯噪声和乘性噪声的激光雷达图像,该算法能够有效提高LOG算子的边缘检测能力。