熵值分析法在辐射源特征提取中的应用

特征提取与选择是模式识别系统的关键环节,关系到系统的最终识别效果。针对通信信号调制识别中特征提取这一重要步骤,提出了熵值分析方法。对信号作FFT和Chirp-Z变换后,求取信号的香农熵值和指数熵值特征。仿真结果表明,FFT和Chirp-Z变换后的信号分别在信噪比大于20dB、10dB时,熵值曲线趋于平稳。用熵值分析法提取出的信号特征受噪声影响较小,并且得到的熵值曲线比较平稳,有利于区分信号的调制方式,具有很好的应用价值。     

基于轴向积分双谱与灰色关联分类器的通信辐射源识别

针对现有技术对通信辐射源个体识别率低、占据计算资源的问题, 进行了无线通信辐射源特征提取和分类以及物理层认证的相关研究, 提出了一种基于轴向积分双谱(AIB)和灰色关联分类器(GRC)的通信辐射源个体识别模型。首先将预处理的辐射源无线信号进行双谱变换, 提取二维双谱特征, 然后以AIB和主成分分析(PCA)理论进行一维特征映射及降维, 最后通过GRC实现无线通信辐射源的物理层识别。该模型具备认证速度快、计算复杂度低、多系统易移植等特点, 且无需考虑各种通信协议及编码设定。     

基于功率谱密度的通信辐射源个体识别方法

为阻止设备克隆、重放攻击和用户身份假冒等问题的发生,准确识别和认证物联对象,提出一种基于功率谱密度指纹特征与智能分类器的通信辐射源个体识别方法。利用接收机采集I路射频基带信号;通过方差轨迹检测截取稳态信号片段,并对稳态信号片段进行数据标准化处理;计算数据标准化处理后的稳态信号片段的功率谱密度得到特征向量,将所述特征向量作为发射机的射频指纹;最后利用智能分类器识别所述射频指纹,完成通信辐射源个体识别。通过对同厂家、同型号、同批次的8个无线数传电台E90-DTU设备和100个WiFi网卡设备的实验测试表明,本文所提方法在视距(LOS)场景、视距场景与非视距(NOS)场景的混合场景、低信噪比场景、大数量物联设备场景都具有良好的识别准确率。     

基于多特征提取的滚动轴承故障诊断方法

滚动轴承故障是旋转机械失效和损坏的最主要原因之一。轴承振动信号通常表现为非线性和非稳态的特征。常规的时域和频域方法不容易对轴承工作的健康状况做出准确的评估。提出了一种基于多特征提取的滚动轴承故障检测方法,首先从轴承振动信号中提取故障特征（熵特征、Holder系数特征及改进分形盒维数特征）,然后通过灰色关联理论算法自动地识别出轴承的故障类型和严重程度。该方法能够在确保检测实时性的同时,准确有效地识别不同的滚动轴承故障类型及其严重程度。     

进气加热对燃气轮机能效的影响研究

为了进一步提高燃气轮机及其联合循环效率,采用某452 MW级燃气-蒸汽联合机组的燃气轮机作为研究对象,在控制环境温度及燃气轮机负荷工况的基础上,研究进气加热对燃气轮机整体性能的影响。首先,利用仿真软件MATLAB对燃气轮机进行系统建模,选取燃气-蒸汽联合循环机组中余热锅炉端所产生的热量作为热源加热给水,进而通过冷热交换器对燃气轮机压气机进口空气进行预热;其次,在模型基础上对不同负荷情况下的燃气轮机进气温度以及进口导向叶片(IGV)开度进行调整。最后,通过仿真模拟得出结论:在一定负荷及环境条件下,随着进气温度的提升,燃气轮机的最佳进气温度与燃气轮机功率最大值相对应,且恰当的进气温度能够提高燃气轮机效率,降低能源消耗。