毫米波LFMCW雷达水面探测实验及其成像算法

本文将毫米波线性调频连续波(Linear frequency modulated continuous wave, LFMCW)雷达用于水面探测, 并介绍了水面探测实验及其成像算法. 在成像处理中, 采用传统的成像算法很难获取水面纹理. 为解决该问题, 本文提出了一种针对水面纹理的毫米波LFMCW雷达水面成像算法. 相对于传统成像算法, 本文算法做了以下两点改进: 首先, 采用频域滤波法去除静止目标回波的干扰; 其次, 采用最大似然估计算法估计方位频谱参数, 计算水面回波能量, 减小乘性噪声干扰. 成像结果表明, 该算法能够获取水面纹理, 且优于传统成像算法.     

毫米波LFMCW雷达水面探测实验及其成像算法（英文）

本文将毫米波线性调频连续波(Linear frequency modulated continuous wave,LFMCW)雷达用于水面探测,并介绍了水面探测实验及其成像算法。在成像处理中,采用传统的成像算法很难获取水面纹理。为解决该问题,本文提出了一种针对水面纹理的毫米波LFMCW雷达水面成像算法。相对于传统成像算法,本文算法做了以下两点改进:首先,采用频域滤波法去除静止目标回波的干扰;其次,采用最大似然估计算法估计方位频谱参数,计算水面回波能量,减小乘性噪声干扰。成像结果表明,该算法能够获取水面纹理,且优于传统成像算法。     

MIMO雷达正交线性调频信号源系统的设计

MIMO雷达需要正交线性调频连续波(LFMCW)信号源。针对传统方案无法产生严格正交信号、实现线性调频信号困难、系统干扰较多的问题,设计了基于DDS技术的MIMO雷达正交线性调频信号源。系统以FPGA为主控单元,采用AD9854为核心搭建控制模块,经差分放大电路进行信号调理,结合上位机最终实现输出1~40 MHz的频率可实时程控双路正交单频正弦信号、三角线性扫频信号。通过实验测试,输出频率达40 MHz,峰峰值达5 V,信号稳定度达10-4,信号模式灵活可调,满足正交LFMCW信号源的要求。     

局部放电在线监测中干扰的识别及抑制方法的研究

本文在分析了电力变压器局部放电在线监没中的干扰及局放信号特性的基础上,对局放信号及干扰的功率谱进行了研究,提出了利用频域分析识别周期性干扰,并通过数字陷波滤波器抑制周期性干扰的方法,以时频功率谱为基础,研究了自相关函数的小波变换及与时频功率谱的关系,提出了利用小波变换从白噪声中提取局放信号的方法。     

雷达目标模拟器LFM信号线性度校准研究

线性调频(LFM)信号由于其良好的时-频聚集性,被广泛应用于雷达系统中,其频率随时间变化的线性程度,对雷达测距精度及距离分辨率影响很大.为准确模拟雷达LFM回波信号,对雷达目标模拟器所产生的LFM信号,必须进行线性度校准.本文提出了一种基于小波变换的雷达目标模拟器LFM信号线性度校准算法,通过对来自不同模拟器的大量实测数据的实验测试,证明了算法的有效性,校准精度优于0.1％.     

TVAR在非平稳工况转子故障诊断中的应用

研究了基于BP网络（ANN）的时变参数自回归模型（TVAR）及其在非平稳工况旋转机械故障诊断中的应用。首先提出了一种基于BP算法的TVAR参数辨识方法，然后利用TVAR方法对一非线性调频仿真信号进行时频分析，并与典型时频分析方法短时傅里叶变换（STFT）及Choi—Williams分布（CWD）的分析结果进行比较。结果表明，TVAR方法具有时频分辨率高、无交叉干扰项及计算速度快等优点。最后利用TVAR方法分析了转子启动过程正常及故障工况下转子实验台的非平稳振动信号。研究表明，TVAR不但能够有效地分析非平稳振动信号，而且具有较强的故障特征提取和抗噪声能力，是在时频域上进行故障诊断的有效方法。     

基于快速Chirplet匹配追踪的切筋成形设备振动分析

针对保证集成电路切筋成形设备对引线框架模切精度的要求,运用快速线性调频小波(chirplet)匹配追踪对集成电路切筋成形设备进行了振动分析。对切筋成形设备关键部位不同转速下的振动信号,运用快速线性调频小波匹配追踪算法进行信号分解,得到信号的时频分布。根据常见故障的时频原子特点,从时频图上对系统的固有频率以及冲裁运动等特征频率进行了识别。实验结果表明,基于快速线性调频小波的匹配追踪算法具有较高的时频分辨力,能够在大量非平稳信号中提取特征频率成分,准确反映设备的工作状况,为该设备的故障诊断提供可靠的依据。     

基于时频分析的线性调频信号检测

目前经典信号处理技术即时域和频域分析方法,已不能满足信号检测的需要,时频联合的分析方法逐渐成为分析很多信号的强有力工具,尤其是处理频谱随时间变化的非平稳信号,例如处理线性调频信号(LFM).本文对LFM信号的时域特性和时频联合特性进行比较,将模糊度函数分析方法引入到非平稳信号分析中来,并通过对实际雷达信号的检测,来说明LFM信号采用时频分析的优越性.     

数学形态学和HHT在轴承故障诊断中的应用

数学形态学滤波算法具有很强的抑制脉冲干扰的能力,但滤除白噪声的能力却不及小波算法。针对这一不足,在对信号进行形态滤波之前先进行小波消噪,再进行HHT分析提取故障特征频率。通过仿真和示例证实了该方法可以有效地消除信号干扰噪声,提取轴承故障特征,达到对滚动轴承故障诊断的目的。     

橡胶-钢粘接结构的谐振超声编码检测方法

针对橡胶-钢粘接结构进行脱粘检测,提出具有高检测灵敏度的谐振超声编码检测方法,区别于传统脉冲压缩后取包络成像的方法,谐振超声编码检测方法需要利用载频信息增强特征信号的能量。该方法从频域角度分析,首先确定换能器与编码信号的中心频率选择在钢层谐振频率附近,然后根据线性调频信号与Barker码的旁瓣抑制特点选择特征信号的区间进行脉冲压缩。结果表明,线性调频信号与Barker码相对于传统方波激励的脱粘检测灵敏度有了显著的提高,Barker码相对于线性调频信号具有更可控的旁瓣抑制范围,线性调频信号的带宽具有更灵活的选择范围。     

基于小波变换mallat算法的雷达回波去噪

为了准确识别雷达回波信号中的目标信号,将小波变换引入雷达回波信号处理,对回波信号进行分解、重构,并通过滤波器设计,去除了雷达信号中的噪声。采用Matlab软件进行系统仿真,结果表明,采用小波变换mallat算法对探地雷达回波信号进行目标识别具有较好的时频分辨率,且可抑制杂波,去除噪声,能很好地识别目标信号,具有很好的应用前景。     

基于空时域融合处理检测超大视场红外目标

针对超大视场红外凝视成像系统用于目标检测时存在的背景复杂、杂波干扰多、目标信息少等问题,提出了基于空时域融合处理的目标检测方法。该方法在空域部分优化设计Robinson算子,完成单帧图像的目标初始检测;然后结合超大视场成像特性,利用基于天地线检测的图像区域自动划分和空域虚警抑制方法,有效滤除非目标检测区中的疑似目标。在时域部分则兼顾目标时域特征,采用基于时域多特征约束的邻域判决法对真实目标进行时域确认。开展了月空背景下的空中目标检测试验,验证了本文算法的有效性。试验表明:经空域部分处理后,原始图像中的背景杂波干扰大大减少,目标局部信噪比提高了1.3倍以上,而且疑似目标数目减少了70%;经时域部分处理后,可成功检测出红外弱小目标,并输出其轨迹,检测概率在95%以上,而虚警率不足1.5%,最低目标检测信噪比为2.86。实验表明:本文方法适用于超大视场图像的红外弱小目标检测,对地物背景、恒亮孤立点源、瞬时强噪声等干扰有较强的抑制能力,对点状运动目标有良好的检测效能。     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

结合目标提取和压缩感知的红外与可见光图像融合

针对红外与可见光图像融合易受噪声干扰从而使目标信息减弱的问题,提出了一种基于目标区域提取和压缩感知的融合算法。首先,在频率域上对红外图像进行显著区域检测得到其对应的显著度图,并在显著图指导下结合区域生长法提取红外图像的目标区域,有效抑制噪声与复杂背景的干扰。然后,用非下采样剪切波变换对待融合的图像进行分解,采用不同的融合策略分别对目标与背景区域的高、低频子带进行融合。针对背景区域提出一种新的基于多分辨率奇异值分解和压缩感知的融合规则,最后,进行非下采样剪切波逆变换得到融合图像。与其他算法的对比实验结果表明,本文算法能更好地突出目标区域,保留图像细节信息,抑制噪声干扰;图像质量评价指标中的信息熵、标准差、互信息、边缘保持度分别提高了3.94%,19.14%,9.96%和8.52%。     

基于重分配魏格纳时频谱和SVD的故障诊断

时频谱重分配能有效提高时频谱的时频聚集性,减少干扰项。当振动信号中存在着能量较大噪声时,重分配时频谱会受到噪声干扰影响,降低时频分布的可读性。将重分配魏格纳时频谱(RWVDS)和奇异值分解(SVD)结合形成一种新的机械故障诊断方法。利用重分配算法对魏格纳时频谱进行重分配,提高魏格纳时频谱的时频聚集性,再对重分配时频谱进行SVD降噪,降低了噪声干扰影响,提高其时频分布的可读性。该方法对仿真信号、滚动轴承及齿轮箱故障信号进行了分析,并与其他几种方法作了比较。结果表明,该方法时频聚集性好,抗噪能力强,能有效识别强噪声背景下的机械故障特征。     

毫米波雷达与视觉传感器信息融合的车辆跟踪

为提高车辆前向防碰撞预警系统对前方道路环境感知的准确性,提出一种毫米波雷达与视觉传感器信息融合的车辆跟踪方法。提出的剔除雷达干扰目标算法缩短了对干扰目标的处理时间;提出的对称检测算法可对雷达目标兴趣区域进行对称检测,减小雷达目标兴趣区域的横向位置误差;提出的KCF-KF组合滤波算法可提高跟踪车辆的精度。实车试验表明,该方法可有效跟踪车辆位置信息,像素坐标系下的X、Y坐标跟踪准确率分别超过97.34%与95.19%。     

发动机异常检测多目标优化方法

针对柴油发动机异常检测中的特征选择和分类器参数与检测精度之间的耦合关系,提出了一种基于非支配排序粒子群优化的柴油发动机异常检测封装式多目标同步优化方法.利用双树复小波包的分解与重构,对发动机振动信号进行时域、频域和时频域多角度特征提取,构建了较完备的特征参数集,分析了故障诊断中特征选择与分类器参数优化对检测精度的影响,运用非支配排序粒子群优化算法对多个优化目标进行协调和折衷处理,同时追求特征参数子集维数最小化和分类正确率最大化.实验数据分析表明,该方法能够寻找出最优的特征子集和分类器参数,提高柴油发动机异常检测的精度和效率.     

基于OSF的SET信号重构方法及故障诊断应用

同步提取变换(synchroextracting transform, 简称SET)通过提取短时傅里叶变换(short-time Fourier transform, 简称STFT)在瞬时频率位置的时频系数可获得较理想的时频谱，该方法提高了时频分辨率，减少了交叉项的影响，一定程度上抑制了噪声对STFT时频谱的干扰。针对在SET时频谱的基础上进行信号分量的重构与故障诊断拓展方面的应用，提出了一种基于顺序统计滤波器(order statistics filter, 简称OSF)的SET信号分量重构方法。首先，利用边际谱表征SET时频谱中信号的幅值在整个频率范围内随频率变化的情况；其次，采用顺序统计滤波器分割边际谱，将分割所得边界映射至SET时频谱后，利用SET逆变换重构信号分量；最后，利用峭度指标筛选包含丰富故障信息的分量并进行包络分析，提取故障特征。仿真信号及滚动轴承内圈故障信号的处理结果证明了该方法的有效性。