基于小波包和支持向量机的舰用发动机故障诊断

舰用发动机是一个复杂的大系统,由于受到海洋恶劣气候的影响,其故障发生的概率大大增加,因此,对舰用发动机故障诊断进行研究具有重大实际意义。以舰用发动机的主泵轴承为例,提出了基于小波包和支持向量机的故障诊断方法。首先采用振动加速度传感器获取轴承的振动信号,然后对采集数据进行多层小波包分解,求各频带信号能量,形成各种故障模式下的特征向量。将形成的故障特征向量训练集输入到支持向量机,通过训练建立诊断分类器,并运用测试数据对建立的诊断分类器进行测试。实验结果表明,该方法可以很好地实现舰用发动机故障诊断效能,具有很好的工程应用前景。     

对流层散射下MPLS重路由信号去噪研究

针对对流层散射信道MPLS重路由信号数据含有噪声的问题,分析了Facility重路由原理和MPLS标签转发过程,引入小波阈值去噪算法对含噪声标签信号数据进行处理。利用一种随分解层数变化的阈值和折中阈值函数规则,来解决传统算法中的阈值确定和阈值函数选取存在的问题,针对折中阈值函数规则中参数a的确定问题,利用模拟数据,以信噪比(SNR)为目标函数,采用定步长变a形式,从而得到去噪效果最好时对应的a值,并用实测数据加以验证。仿真结果表明,改进后的算法在信噪比上有1.5 d B~3.4 d B的提高,均方差(RMSE)下降约0.01~0.03,为路由修复信号的去噪提供一种可行的方案。     

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征,重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器,对实测的四类舰船目标的辐射噪声信号进行测试,取得了较好的识别效果。     

基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。     

基于RCS的空间目标识别研究

空间目标的雷达探测与识别技术在航天监测、开发利用空间资源方面具有广阔的应用前景。空间运动目标RCS序列为非平稳时间序列,常用时间序列分析方法很难对其进行特征提取和识别。针对空间运动目标RCS序列的变化规律,引入小波变换以及模糊分类对空间目标的RCS序列进行特征提取和识别。实测数据处理结果表明,对于空间目标的旋转姿态识别,该方法取得了较好的实验结果。     

基于聚类的ACM模型门限阈值的自适应算法

准确地设置门限阈值是有效提高ACM模型跟踪性能的关键。基于无监督聚类理论,提出一种根据目标机动情况自动确定聚类类别数,通过对实时数据聚类区分出目标做匀速或匀加速运动状态时刻的数据集。再通过加权求解类内样本点的标准差来确定ACM模型的门限阈值。该方法能够根据实时数据自适应的确定门限阈值,计算简便。仿真实验证明该方法能自动确定类别数且分类准确,对噪声标准差估计准确。     

基于MIDI音乐的数字音频半脆弱性水印算法的研究

提出了一种基于MIDI音乐的音频半脆弱性水印算法,将待嵌入水印转化为MIDI音乐,并对水印进行了主成份分析,可在具有较小冗余的载体中进行嵌入;尔后,用混沌加密及重复编码,来提高水印的鲁棒性;同时采用三种检测方法,提高对水印提取的判断正确率。实验结果表明,算法对于一般性的攻击（剪切、回声等）具有较好的鲁棒性,可实现较好的认证功能。     

一种低信噪比下二相编码信号脉内特征提取方法

为改善小波脊线法在低信噪比下提取二相编码信号脉内特征的性能,提出了一种改进的小波脊线脉内特征提取方法。该方法将魏格纳-威利变换与小波脊线法相结合,利用魏格纳-威利变换对噪声的抑制来改善信噪比,通过分析二相编码信号的小波脊线特征来得到脉内特征参数。仿真结果表明,该方法在低信噪比下仍能准确提取二相编码信号的脉内特征,具有明显优越性。     

基于提升小波包的漏磁信号去噪研究

为了更好地解决对原始漏磁信号的噪声抑制问题,在讨论提升小波包变换的基本原理及特点的基础上,提出应用这种方法对漏磁信号进行分解和重构。与传统小波包变换相比较,该方法具有更高的分辨率和近似优化能力,研究结果表明,它能在保留原始漏磁信号有效成分的同时,更好地去除噪声。     

自动控制系统故障诊断技术的发展与展望

通过将自动控制系统的故障诊断分为基于数学模型的方法、基于信号处理的方法和基于知识的方法三大类进行讨论,得出了故障诊断技术的发展概况与发展趋势。进一步给出了故障诊断技术典型新应用,并指出了故障诊断技术中存在的问题和未来的研究重点。