基于自相关特性的WPM与OFDM的识别研究

该文基于小波包调制和正交频分复用调制信号的结构特征,利用接收信号的自相关特性,探讨了在加性高斯白噪声信道、瑞利信道和频率选择性信道下小波包调制和正交频分复用调制的分类识别。仿真结果表明,该方法简单,具有较好的识别效果。     

测量超短激光脉冲啁啾阶数及量值的一种新方法

提出了一种测量超短激光脉冲啁啾阶数及量值的新方法。根据二次干涉自相关(IAC)包络比值对啁啾有很高灵敏度的特性,通过对IAC包络比值进行分析计算获得判断啁啾阶数的方法,并得到包络比值中央半宽与啁啾量值间的对应关系。采用IAC二次谐波检测系统对加浓染料激光器输出的脉冲进行测量,结果表明,被测超短激光脉冲含有平方啁啾,啁啾参数为0.80,实现了对超短激光脉冲啁啾阶数及量值测量。     

几乎最佳自相关二元序列偶的搜索算法研究

提出了利用几乎最佳自相关二元序列偶的变换性质和存在组合的必要条件,来缩小它的搜索范围,提高计算机搜索效率。在此基础上设计了高效的计算机搜索算法。并给出了若干小规模的规范型几乎最佳自相关二元序列偶实例。搜索结果表明,几乎最佳白相关二元序列偶具有较大的存在空间,可以应用到工程中。     

ISAR imaging algorithm for targets with the complex motion based on the high-order ambiguity function-Lv's distribution

In ISAR imaging for targets with the complex motion, since the azimuth high order phase terms caused by the time-varying rotation vector will deteriorate the azimuth focusing quality, the traditional RD algorithm and LFM model are not appropriate. Thereby, in the case when the received signal can be modeled as cubic phase signals (CPSs), this paper proposes an ISAR imaging algorithm based on HAF-LVD (high-order ambiguity function-Lv's distribution). First, this algorithm defines a novel double lag parametric instantaneous autocorrelation function, and then applies the scaling operator to remove the coupling and utilizes FFT to achieve the energy accumulation. Finally, the non-searching estimation of the moving parameter and the ISAR images for targets are accomplished by the obtained HAF-LVD. Because of the introduction of the scaling factor, this algorithm can flexibly deal with more changeful and hostile ISAR environment without loss of the anti-noise performance and computational efficiency. Simulation results validate the effectiveness of the ISAR imaging approach.     

基于完备序列集的扩频码构造方法

为了改善传统扩频序列周期短、复杂度低的问题,提出一种基于完备序列集的扩频码构造方法。利用移位算法将二进制理想的二元自相关序列转换为长周期、高复杂度的完备序列集,随机地按行或列抽取完备序列集中的子序列,以其作为扩频码并用于扩频通信。利用传统伪随机序列和Logistic混沌序列分析该方法的有效性,并与现有方法相比得知,新方法可改善序列相关性,提高序列复杂度。仿真测试结果显示,完备序列具有较强的抗噪声干扰能力,并能获得较低的扩频误码率。     

基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。     

基于自相关和经验模态分解的转子碰摩故障分析

针对转子故障振动信号具有周期性的特点,提出一种用于分离转子故障振动信号的新方法,该方法首先应用自相关处理对振动信号进行降噪处理,然后采用经验模态分解(EMD)对振动信号进行分解,得出各个本征模态函数(IMF),并对IMF进行频谱分析,从频谱图上可以清晰地观察出转子的故障特征频率.试验结果表明,振动信号经自相关处理后起到了很好的降噪效果,碰摩所产生的冲击信号上下不对称;EMD分解方法能有效地突出故障特征频率成分,该方法可广泛用于旋转机械振动信号时频分析领域.     

基于EEMD和自相关函数特性的自适应降噪方法

在机械设备早期故障中,反映故障特征的冲击信号非常微弱,容易被噪声淹没,使得故障诊断有一定难度。集合经验模式分解方法将含噪信号分解为多个固有模式分量,其中包括噪声分量和有用信号分量。根据两者自相关函数特性的不同,提出了利用能量集中比找到噪声分量分界点的自适应降噪方法,并利用改进的软阈值方法拾取噪声分量中的高频有用信号。对不同频率的含噪信号进行降噪处理,结果表明,该方法对中低频信号的降噪具有很好的效果。故障轴承振动信号的降噪效果表明该方法的实用性。     

针对未知稀疏信号的压缩自相关检测算法

针对未知的宽频带稀疏信号检测问题,提出了一种直接基于非重构采样值 的压缩自相关检测算法。首先利用压缩感知技术以远低于奈奎斯特采样速率获取信号,在自 相关矩阵检测信号理论的基础上,利用压缩感知中传感矩阵的严格等距特性,推导出基于统 计分布的信号稀疏系数自相关检测算法,从理论上给出了判决门限的选取和虚警概率之间的 关系,并进行了算法复杂度分析。由于无需重构原始信号,该算法直接利用少量的压缩测量 值进行检测,可以有效地提高检测过程的时效性。仿真表明在较低的信噪比时,该算法对未 知信号仍有良好的检测性能。     

A general method of spatio-temporal clustering analysis

Spatio-temporal clustering has been a hot topic in the feld of spatio-temporal data mining and knowledge discovery.It can be employed to uncover and interpret developmental trends of geographic phenomenon in the real world.However,existing spatio-temporal clustering methods seldom consider both spatiotemporal autocorrelations and heterogeneities among spatio-temporal entities,and the coupling in space and time has not been well highlighted.In this paper,a unifed framework for the clustering analysis of spatio-temporal data is proposed,and a novel spatio-temporal clustering algorithm is developed by means of a spatio-temporal statistics methodology and intelligence computation technology.Our method is applied successfully to fnding spatio-temporal cluster in China’s annual temperature database for the period 1951 1992.