随机共振技术在微弱舰船轴频电场信号检测中的应用

针对在强背景噪声中检测微弱舰船轴频电场信号的问题,提出了基于随机共振技术的检测方法.首先,介绍了随机共振利用噪声增强信号能量从而提高信噪比的基本原理,并在此基础上给出了利用随机共振检测微弱周期信号的模型.然后,将低信噪比的船模轴频电场测量数据输入到检测模型并对输出信号作功率谱分析,结果表明:随机共振技术能十分有效地从复杂背景噪声中检测出微弱舰船轴频电场信号,在微弱信号处理领域相比传统方法具有很大的优势.最后,结合检测实例,初步分析了系统参数对随机共振系统输出信号频谱分布的影响,为随机共振技术的进一步工程应用打下了良好的基础.     

一种改进的跳频信号频率估计算法

信号的信噪比较低时,旋转不变信号参数估计技术（Estimated Signal Parametersvia Rotational Invariance Technique,ESPRIT）算法的频率估计性能明显下降,针对这一问题,提出了一种基于ESPRIT的改进算法。该改进算法在基于ESPRIT的噪声抑制（Noise Suppressed based on ESPRIT,NS—ESPRIT）算法的基础上,利用DFT谱中的,个局部最大值点,缩小基于互相关矩阵迹模值曲线的ESPRIT算法中口的选择区域,在降低计算复杂度的同时,也有效地减弱了噪声对信号频率估计的影响。理论分析和仿真结果证明了该改进算法的可行性和有效性。     

2(1/2)谱在直升机声信号特征提取中的应用

介绍了四阶累积量对角切片的一种定义,分析了其傅里叶变换(212谱)在提取三次相位耦合特征方面的良好性能及其估计方法;将其应用于具有三次相位耦合的直升机声信号特征提取。仿真结果表明,利用该方法能够分析信号的三次相位耦合信息,且具有计算方法简单、运算速度快及良好的抑制高斯噪声的优点。实际的数据处理结果验证了该方法的有效性。     

三维涡度方程单向周期问题的谱—差分混合格式及其误差估计

本文对非线性的三维涡度方程单向周期问题构造了一种新的谱——差分格式,并证明了格式的稳定性和收敛性。     

超高斯随机振动环境的疲劳强化机理

针对可靠性强化试验的全轴随机振动环境的超高斯幅值分布特性开展其疲劳强化机理研究。首先通过理论分析表明RS机振动激励下试件应力仍保持超高斯分布,然后证明了同等量级下的超高斯分布比高斯分布随机应力具有更高的疲劳强化效能,从而揭示RS机全轴随机振动环境超高斯幅值分布特性的疲劳强化机理。     

采用正交分集的灵巧噪声干扰对抗方法

针对数字射频存储干扰机多通道宽带转发模式下的灵巧噪声干扰,提出了基于混沌调制信号、多谐波相位调制线性调频信号的正交分集抗干扰方法。混沌调制信号与多谐波相位调制线性调频信号具有"图钉"形模糊函数,除了具有良好的距离、多普勒分辨力,还对回波频率敏感,通过正交分集设计,能够更好地适应宽带转发灵巧噪声干扰。通过计算机仿真对新方法的抗干扰性能进行了分析和验证,结果表明:在多通道宽带转发灵巧噪声干扰环境下,新方法的抗干扰改善因子能够达到10 d B以上,抗干扰性能明显优于传统的频率捷变、斜率捷变方法。     

双缸双作用舱底泵运动副磨损振动特性研究

针对因舱底泵全寿期振动特性掌握不够准确,致使修理过程中振动噪声难以控制,从而缺乏运动副不同间隙等边界条件下机械系统动力学模型的问题,以双缸双作用往复式舱底泵为研究对象,建立舱底泵传动装置运动学、动力学和整机振动特性计算模型,研究了舱底泵整机正常运转与曲轴颈和连杆运动副存在磨损故障下的振动特性,并进行了实验验证。结果表明:在曲轴颈和连杆运动副存在0.5 mm磨损间隙时,振动线谱在低频6.032 Hz处存在显著峰值,此特征可以作为判断曲轴颈和连杆运动副磨损故障的特征。     

基于半监督谱聚类的通信网台识别方法

针对通信网台识别准确率较低的问题,提出了一种基于半监督谱聚类的通信网台识别方法。通过密度峰值的方法构造决策图,得到通信网的数目;在谱聚类算法的基础上,利用侦察方掌握的先验知识,通过成对约束信息更新谱聚类算法的相似度矩阵,提升聚类算法性能,得到最终的网台识别结果。实验结果表明,该方法可以有效地利用知识库中已有的成对约束信息,较好地完成通信网台识别。     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。     

一种α稳定分布噪声下的跳频参数盲估计方法

针对目前以高斯白噪声为模型的大部分跳频参数估计方法在α稳定分布噪声背景下,性能急剧下降的缺点,对跳频信号进行两次窗函数长短不同的分数低阶STFT,从而得到两组时频数据,,将两组时频数据点乘,得到新的时频表示,基于时频分析的跳频参数估计方法,实现跳频参数的估计。仿真实验表明,提出的方法有效抑制了α噪声,在α=0.8,GSNR≥1 d B;α=1.5,GSNR≥0 d B时,可以实现跳频周期的准确估计。在α=1.5,GSNR=3 d B时,该算法跳变时刻估计值最大相对误差比STFT低3%、比分数低阶STFT低1.6%,跳变频率估计值更加精确。