改进的最优小波基选取方法与跳频信号检测研究

跳频通信因其良好的抗干扰性和低截获性,在军事通信中备受青睐。因其在军事通信中的重要作用,研究跳频信号的检测方法显得尤为紧迫。基于小波分解与希尔伯特-黄变换的跳频信号检测方法,有效地解决了跳频信号检测过程中时间分辨率和频率分辨率不能同时兼顾的问题,提高了跳频信号检测的精度。在此基础上对最优去噪小波基的选取问题进行了深入研究。通过改进信噪比与信噪比增益这个小波去噪质量评价指标,提出了改进的最优小波基选取方法,有效地解决了非合作通信中信号真值未知情况下最优小波基的选取问题。同时利用这一方法成功实现了跳频信号的检测,为检测跳频信号提供了新思路。     

基于VMD与数学形态学分形维数的战场声目标识别

为快速识别直升机与坦克的声信号,提出了一种变分模态分解(VMD)与分形维数相结合的声学目标识别方法。对目标声信号进行VMD分解,根据目标声信号的频域能量分布确定分解的模态(IMF)数目;通过数学形态学方法计算各个IMF的容量维数与信息维数,并以此为特征向量;利用BP神经网络分类器对直升机与坦克声目标进行识别,通过与传统EMD融合计盒维数的方法进行对比,验证了所提方法具有更高的识别率和运算速度。     

基于MOMEDA和IITD的滚动轴承微弱故障特征提取

为了清晰准确地提取出强背景噪声下滚动轴承微弱故障特征,对采集的外圈故障轴承的振动信号用MOMEDA进行信号增强;然后,利用IITD分解得到一系列模态,并对分解得到的模态进行包络解调提取故障特征;最后,进行了故障模拟实验,实验结果表明了该方法的有效性。     

模糊机会约束规划在雷达干扰资源优化分配中的应用

应用模糊机会约束规划理论,研究了不确定环境下的雷达干扰资源优化分配问题。在对雷达目标进行整合的基础上,综合考虑雷达干扰资源分配过程中的不确定因素,建立了双层模糊机会约束混合整数规划模型。并根据可能性测度理论得到双层混合整数规划模型,通过求解混合整数线性规划来获取模型的最优解。计算实例表明方法的优越性和有效性。     

某单兵无人车载系统电子稳像多分辨率塔式算法

在原有电子稳像算法基础上引入塔式分解,探索满足某单兵无人车载系统中稳像需求的算法,提出电子稳像多分辨率塔式算法.重点介绍了高斯塔和小波塔的构建方法,给出了塔式分解实验结果,并与未进行塔式分解稳像过程进行比较,从而得出此算法大大节省运算时间,提高了系统稳像的实时性,在特定应用环境中具有重要现实意义.     

爆炸场冲击波测试装置电磁屏蔽结构研究

为了减小弹药爆炸电磁辐射对测试的影响,提出了一种铝、坡莫合金组成双层屏蔽结构,采用Ansoft Maxwell对其屏蔽效果进行了仿真,与铝壳、钢壳的屏蔽效果对比,并进行了验证.结果表明:在模拟爆炸场环境中,3种壳体内的磁感应强度铝壳的最大为3.339 1×10-7 T;钢壳为1.960 1×10-7T;采用双层屏蔽的为...     

面向任务的天基信息精准服务需求匹配研究

针对天基信息系统在联合作战中服务质量有待提升的问题,提出天基信息精准服务相关概念。根据具体作战任务,通过任务分解、服务建模和信息建模,明确元任务与天基信息服务、天基信息之间的关系;通过作战任务中各作战门户节点不同职务的作战人员角色职能分析,确定每类作战人员所需执行的元任务,进而明确其需要的天基信息服务类型,实现了面向作战任务的天基信息精准服务体系的需求匹配。     

作战任务分解策略与规范化描述方法研究

现代战争呈现多域协同、多任务并发、多要素耦合的新形态,对作战任务规划提出了新的挑战。对复杂的作战任务进行合理分解和规范化描述是提高任务规划科学性、提升任务规划效率和任务完成质量的有效手段。在系统阐释作战任务分解相关概念的基础上,提出作战任务分解的基本原则,借鉴“霍尔三维结构”模型,提出基于“时间维、逻辑维、活动维”的作战任务分解策略,定义了元任务的规范化描述形式,从时序、逻辑和功能三方面对元任务之间的关系进行了规范化描述,应用案例研究表明,所提出的方法对于复杂作战任务的合理化分解和规范化描述可行且有效。     

舰炮武器装备智能化维修保障研究

舰炮是水面舰艇装备数量最多、使用最频繁的武器装备,以往以预防性维修为主、临抢修为辅的维修方式,容易同时出现“维修不足”和“维修过剩”等现象,导致维修成本居高不下。以智能化战争时代精益管理需求为牵引,提出了一种基于维修资源视情供应的舰炮武器装备智能化维修保障体系,并建立了以保障周期最短、保障成本最低为目标的区域舰炮武器装备器材调剂供应的优化决策模型,引入了离散化海鸥算法(seagull optimization algorithm, SOA)进行求解,仿真结果表明：该模型算法可有效提供优化的供应方案,并在收敛速度和寻优效果方面有一定优势。     

基于CEEMD能量熵与极限学习机的滚动轴承故障诊断方法

鉴于滚动轴承振动信号具有非线性、非平稳的特点以及难以获得大量典型故障样本的现实情况,提出了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)与极限学习机(extreme learning machines, ELM)相结合的滚动轴承故障诊断方法。采用CEEMD方法对滚动轴承非平稳的原始加速度振动信号进行分解,得到若干个平稳的本征模函数(intrinsic mode function, IMF)分量,计算不同状态下滚动轴承振动信号经CEEMD分解后各IMF分量的能量熵,从蕴含着主要故障信息的IMF分量中提取出能量特征,对其进行T分布随机近邻嵌入(T-stochastic neighbor embedding, Tsne)聚类可视化分析,观察特征对滚动轴承状态的反映情况,将特征作为输入建立极限学习机,判断滚动轴承的工作状态和故障类型。使用美国凯斯西储大学公开的人工损伤轴承数据进行仿真实验,对轴承得不同运行状态的识别准确率可以达到95%,明显高于多分类支持向量机、K近邻等方法,该结果表明,所提方法在...