希尔伯特-黄变换在脉冲涡流信号消噪与识别中的应用

针对传统方法无法有效识别不同尺寸细小裂纹所产生的脉冲涡流信号,提出一种基于希尔伯特-黄变换的脉冲涡流信号消噪与识别算法。对脉冲涡流信号进行集成经验模态分解并通过归一化自相关函数及其方差特性分选出含有噪声的本征模态函数;对含噪声的本征模态函数进行阈值消噪并与未做处理的本征模态函数重构成无噪声信号;对无噪声信号进行希尔伯特-黄变换并计算出希尔伯特边际谱;根据希尔伯特边际谱的差异识别出不同细小尺寸的表面与下表面裂纹。实验结果表明了所提方法的有效性,经过集成经验模态分解消噪,消除了噪声对脉冲涡流信号的干扰;而基于希尔伯特-黄变换的方法则能够有效识别出不同尺寸的裂纹。     

采用层次分解策略的多机协同航路规划

针对多机同时到达的问题,采用层次分解的原则,应用小生境克隆选择算法可以为无人机生成满足要求的多条可选航路,同时引入协同变量和协同函数的概念,解决规划航路的时间协同问题。仿真结果表明,该方法能够有效地解决多机协同航路规划问题,很好地满足了多机协同航路规划的协同控制要求。     

铝合金板材相对均匀性的声-超声评价研究

基于Ritec-SNAP系统建立了声-超声技术实验系统,阐述了该实验系统的原理及应力波因子的定义,分析了在声-超声技术评价过程中用声信号的幅频特性及应力波因子表征材料相对均匀性的可行性。利用建立起来的实验系统,对铝板的相对均匀性进行了声-超声评价的实验研究。实验结果表明,用应力波因子评价铝合金板材的相对均匀性具有可行性。     

基于尺度无关损失优化的无锚图像目标检测

遥感影像中的目标检测是图像分析领域的一个基本而又具有挑战性的问题,特别是针对任意对象的海上目标检测近年来受到广泛关注。针对任意对象的图像目标尺度和形状不规则导致的目标检测参数敏感以及复杂背景和密集排列在非极大值抑制过程中出现假阴性的问题,提出了基于尺度基于尺度无关损失优化的无锚图像目标检测算法。将旋转边界框回归引入到典型的无锚网络全卷积单级目标检测器中,提出了与尺度无关的GIoU (SGIoU)损失用于图像目标检测的边界框回归,可以快速将预测框的形状调整为开始时与真实相似的形状,解决回归损失函数与检测器最终最优目标之间的不相容性的问题,并在回归过程中加快收敛速度。数据集实验表明：本方法在各类别P-R曲线下面积的平均值(mAP),优于现有的广义交并比(GIoU)损失函数和完全交并比(CIoU)损失函数函数。     

基于改进混沌映射和WFRFT的射频隐身信号设计

为了提高雷达射频隐身信号的低截获性能,提出了改进一维混沌映射和加权分数阶傅里叶变换结合的方法,设计一种射频隐身信号。该信号利用改进一维混沌映射脉内调频和脉间调相,对调制后的复合信号加权分数阶傅里叶变换,分析了该信号的相关特性、功率谱以及模糊函数,同时与其他2种混沌信号对比。仿真结果表明,该复合调制信号自相关PSL为-81.27 dB,ISL为-72.08 dB,信号平均功率为-34.41 dB,并且模糊函数近似为“图钉型”,该信号具有较好的低截获和抗识别性能,射频隐身性能良好。