基于形态分量分析和EEMD样本熵的自动机故障诊断

针对自动机故障诊断过程中振动信号故障特征较难提取的问题,提出了结合形态分量分析(MCA)和总体经验模态分解(EEMD)的自动机故障特征提取方法。根据自动机振动信号组成成分的形态差异,利用形态分量分析方法构建不同的稀疏字典对各组成成分进行分离,消除噪声分量,提取出反映主要故障特征的冲击分量;对所提取的冲击分量进行EEMD分解并计算各IMF分量的样本熵值,以此作为故障特征向量输入基于离子群优化的支持向量机(PSO-SVM)进行识别。通过自动机典型故障诊断试验表明:形态分量分析方法可有效分离出自动机振动信号中的冲击成分;同时,所提出的特征提取方法能够有效地进行自动机故障诊断。     

“信息快车”领航程

记得2001年刚从地方大学毕业入伍来到巴中军分区工作时,看着陈旧的营院大楼,落后的办公设施,心中不免暗暗叹气:运气真不好,被分配到了这儿。当时,整个军分区仅有两部摇柄军线电话,一部安装在传真室,一部安装在值班室。每逢上级要求召开电视电话会议。只能将值班室的军线电话接到会议室连上扩音器供全体官兵使用,由于信号衰减严重,很难听清会议内容。军分区的微机室也配发了几台微机以供打印文档,但落后的性能根本不能满足工作需要,而且     

基于PXI的舰炮电气设备通用自动测试系统

采用虚拟仪器技术,并通过软件产生模拟信号拉制设备的运转,完成动态信号的提取,实现电气设备测试系统的研制.该系统具有通用性、高效性和易用性等特点,具有较好的实用价值.     

高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

基于FRFT的FMCW SAR成像

调频连续波合成孔径雷达(FMCW SAR)结合调频连续波与合成孔径成像技术,具有体积小、重量轻、成本低、分辨率高等一系列优点,是新近提出来的一种成像雷达体制。由于FMCW SAR的差频信号在方位向可以转化为调频信号,据此提出了一种基于分数阶傅立叶变换(FRFT)的FMCW SAR成像算法。仿真结果表明,该算法与RD算法相比较,方位向主瓣压缩和旁瓣抑制效果非常明显。     

月球轨道超长波天文观测微卫星在轨数据预处理方法

围绕“嫦娥4号”月球轨道超长波天文观测微卫星展开研究，针对微纳卫星对地数传资源的限制，提出一种在轨信号预处理方法：通过10通道数字下变频链路实现原始数据的变频接收，再利用多级滤波器抽取获得低采样率基带数据，下变频本振频率可调，在对地数传资源约束下保证了不同频带数据的灵活选取。以上方法实现了一种10频点超窄带梳状滤波，仿真验证表明，采样率80 MSPS基带带宽为1 kHz的情况下，此方法可在现场可编程门阵列平台上稳定运行，能保证带内平坦度和线性相位等关键技术指标, 数据量与直接下传原始数据相比，降低了3个数量级以上。     

基于空间差分平滑的非相关与相干信源数估计

针对非相关信源与相干信源共存时信源数估计问题,提出了一种新的基于空间差分平滑的信源数估计算法。该算法首先利用SORTE法估计相互独立信源个数,结合非相关信源阵列导向矢量与噪声子空间正交关系特性,实现非相关信源数估计;其次基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法得到相干信源数估计。仿真实验结果验证了该算法的有效性。     

六自由度装置滚转轴干扰源的诊断及其抑制

为了查找滚转轴出现定位偏差的原因 ,通过对比多种情况下滚转轴的反馈信号 ,结合相应的定位试验 ,查出了导致滚转轴出现定位偏差的干扰源。基于对滚转轴反馈信号被干扰原因的分析 ,有针对性地采取了多项措施 ,并给出了这些措施的效果。最终采用给Y轴驱动器单独供电的方式解决了这一难题 ,经风洞试验证明 ,效果良好     

基于自适应累量算法的舰船轴频电场信号检测方法

提出一种新的舰船轴频电场信号检测方法.该方法利用高阶累量对高斯噪声的抑制作用,首先使用基于自适应累量算法的FIR滤波器对接收信号进行滤波消噪处理,以提高信噪比;然后再对滤波输出信号进行滑动功率谱检测.实测数据处理结果表明了该方法的稳健性和有效性.     

信号分割与抗干扰

本文从信息分割原理出发，分析了利用各种信号分割方法的抗干扰措施，文中指出，寻求新的信号分割方法，进而另辟抗干扰途径，是抗干扰方法研究的一个重要方面。