基于Wi-Fi子载波互信息的人体呼吸感知系统

不可预测环境变化使Wi-Fi信号存在较大的波动,很难对子载波中的静态分量和行为感知的动态分量进行量化,导致无法准确刻画出动态呼吸特征的波动形式。基于此,提出了一种基于子载波互信息的呼吸感知(SMIBP)系统。首先,提出了动态分量信息(DCI)的刻画形式,利用互信息理论提取子载波中代表呼吸的动态分量信息。然后,利用层次分析法组合各子载波以最大化呼吸信号的动态特征,得到重构的DCI感知基信号,最后联合小波变换和峰值检测法得到呼吸速率,揭示了代表人体呼吸动态分量的理论途径。仿真结果表明,所提系统能较好地刻画每个子载波中动态呼吸分量,且在不同场景下可显著提高Wi-Fi对于小尺度动作的感知精度与范围。

基于改进经验小波变换的海洋平台结构模态参数自动识别方法

针对经验小波变换(empirical wavelet transform,EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform,IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。

基于ReliefF和因子分析的管道泄漏源特征识别方法

针对管道泄漏源识别方法中由于特征冗余性较高从而影响识别精度的问题,提出一种结合ReliefF和因子分析的特征降维方法。首先,采集管道泄漏源的声发射信号,并从声发射信号中提取出27个频域特征和时域特征;其次,利用ReliefF方法对特征进行筛选,筛选出相关性较高的特征作为敏感特征,并通过因子分析提取敏感特征中的公因子,组成特征集;最后,将降维后的特征集输入支持向量机中进行识别,输出对管道泄漏源形状特征与尺寸大小的识别结果。实验结果表明,该方法能准确识别出管道泄漏源的不同形状特征以及尺寸大小,同时能有效降低特征冗余性和运算时长。

基于PE-CEEMD-SVD的Φ-OTDR信号降噪方法

为实现相位敏感光时域反射仪中相位信号的精确测量,提出了一种基于排列熵算法的互补集合经验模态分解联合奇异值分解的新型降噪方法(PE-CEEMD-SVD)。首先,对含有噪声的相位信号进行CEEMD分解,得到一系列频率不同的IMF分量;然后,将PE算法和相关系数机制相结合,保留较大相关的有用分量,对较小相关的噪声分量使用SVD算法进行二次降噪;最后将两次降噪后保留下来的有用分量进行重构。仿真和实验结果表明,相较于EMD、EEMD和CEEMD降噪方法,该方法可获得更高信噪比的信号,有利于相位信号的精确测量。

一种卫星隐蔽通信信号盲分离算法

重构抵消算法是卫星隐蔽通信信号分离的关键技术,算法的性能主要依赖于参数估计的精度。然而在实际环境中,参数估计误差带来的算法性能损失无法被避免。此外,对信号的重构使得该算法计算复杂度较高。针对这个问题,首先分析了参数估计误差对分离性能的影响,然后提出基于盲均衡算法的协作分离算法,提升信号分离性能的同时降低了算法的计算量。仿真实验表明,新算法相较于重构抵消算法,降低了对参数估计精度的依赖,当参数估计误差大于0.05时,信号的解调误码率降低了一个数量级左右。

面向卫星遥感图像场景重建的神经辐射场方法综述

随着高分辨率卫星遥感图像成为认知地理空间不可或缺的重要手段,卫星遥感图像在城市建图、生态监测和导航等领域发挥着日益重要的作用,利用卫星遥感图像进行地球表面大规模3维重建成为了计算机视觉和摄影测量领域的研究热点。神经辐射场(NeRF)利用可微渲染学习场景的隐式表示,在复杂场景新视图合成任务中实现了逼真的视觉效果,并在3维场景重建和渲染领域获得了极大的关注。近期的研究主要集中在利用神经辐射场技术,从卫星遥感图像中提取场景表示及其重建。面向卫星遥感图像的神经辐射场方法主要集中在光线空间优化、场景表示优化以及模型高效训练3方面。该文全面归纳了神经辐射场技术在卫星遥感应用中的最新进展。首先介绍神经辐射场技术的基本概念及相关数据集。然后提出一个面向卫星遥感图像的神经辐射场方法分类框架,用于系统性地回顾和整理该技术在卫星遥感领域的研究进展。接着详述了神经辐射场技术在实际卫星遥感场景应用中的相关成果。最后,基于当前研究所面临的问题和挑战进行分析和讨论,同时对未来的发展趋势和研究方向进行了展望。

基于时空知识关联性深度挖掘的频谱能量预测方法研究

频谱能量预测是实现有限频谱资源高效利用的重要途径,而对历史电磁频谱数据进行多尺度、多维度的时空知识提取和关联关系挖掘,从而形成电磁环境画像是实现精准频谱能量预测的重要基础。对于单采集点的时间动态频谱能量数据,时域知识关联关系挖掘受到频谱数据体量大及特征维度高的影响,本文提出了基于并行多模型融合的单点时域特征提取和预测方法;对于多点采集形成的区域频谱能量数据,受到时间动态和空间分布不均的双重影响造成时空知识关联关系挖掘困难,本文首先基于区域电磁环境的相关性构建区域电磁环境的相关关系图,然后基于关系图的关联信息设计了基于图卷积的网络预测模型,研究电磁环境中频谱能量预测问题。通过仿真实验,验证了无论是在单点时间动态场景下还是区域时空场景下,本文提出的方法均优于基线模型,具有良好的预测精度和鲁棒性。

公路梁桥支座脱空度预测模型及优化算法应用研究

桥梁支座脱空度是桥梁结构的常见病害,对桥梁的安全性和使用寿命产生严重影响。因此,准确获取支座的脱空信息成为一个重要的研究课题。该研究提出了一种两阶段的支座脱空检测方法,第一阶段,基于柔度矩阵对角差值比指标(flexibility diagonal matrix change rate,FDMCR)实现脱空支座定位,第二阶段采用BP(back propagation)神经网络进行支座脱空度的预测。研究针对单跨简支梁桥和三跨连续梁桥,通过有限元模拟实现了梁桥理论振型、自振频率的获取,并利用激光多普勒测振系统对室内单跨梁桥开展模态测试,获取实测数据,验证了所提方法的可行性。此外,针对单跨梁桥,分析了单目标粒子群优化算法、混合蛙跳算法、人工蜂群算法(artificial bee colony,ABC)优化算法和多目标非支配排序遗传算法(NSGA-II)优化所构建BP模型的效果。研究结果表明,两阶段的方法可以有效地实现脱空定位和脱空度预测,而优化算法则能够提高预测模型的预测效果,尤其是ABC算法在单跨梁桥脱空度预测模型上表现出更低的预测误差,同时基于支座位置属性构建多目标函数能够缓解单目标中各支座预测效果不均匀的问题。该研究对于预测公路梁桥支座脱空度具有重要的实际意义,并为类似问题的解决提供了新的思路和方法。

PCMA系统双同步序列联合盲估计

成对载波多址(Paired Carrier Multiple Access,PCMA)使用同一频率传输通信双方的调制波形,是一种重要的卫星通信多址方式。对PCMA信号进行盲分离是无线电频谱监测的重要内容,高精度的调制参数信息是盲分离的必要基础,同步序列辅助的调制参数估计方法具有精度高、鲁棒性好等特点。然而在PCMA信号的盲接收中,往往无法预知同步序列,且两路同步序列估计需要在无法完成分离解调的条件下得到,因此难度较大。本文针对幅相调制(Amplitude-Phase Modulation,APM)类PCMA信号,利用通信系统数据帧的结构特性,采用子空间分解思想,重点分析了不同条件下的信号相关矩阵奇异值分解(Singular Value Decomposition,SVD)结果,推导了特征值、特征向量与两路信号同步波形间的近似数学关系;提出“先整体后局部”的算法流程,首先对信号按帧长分段做整体SVD分解得到对同步波形及其位置的粗估计,而后对同步波形位置的原始PCMA信号做局部SVD分解,进一步提高估计性能,解决了PCMA信号盲接收中双同步序列估计的难题。仿真结果表明,本文算法可广泛适用于APM类PCMA信号的同步波形和同步序列盲估计问题,在低信噪比条件下算法性能优于最大似然的估计方法,随着信噪比的提升和使用数据量的增加,估计性能不断提高,能够得到对PCMA信号双同步序列的高精度估计,为数据辅助的参数估计方法应用于工程实践提供了先决条件,为PCMA信号调制参数估计和后续的盲分离技术研究提供重要基础。

基于复杂度追踪的模态参数识别方法对比研究

复杂度追踪(complexity pursuit, CP)是求解振动信号盲源分离(blind source separation, BSS)问题的一类经典方法。用复杂度追踪估计解混矩阵主要有基于源信号复杂度计算的梯度下降(complexity pursuit-gradient descent, CP-GD)算法和基于时间可预测度的广义特征值分解(temporal predictability-generalized eigenvalue decomposition, TP-GED)算法。当前,这两种算法的关联性与算法性能尚缺乏研究,因此对这两种算法的等价性和计算性能进行了研究。首先,给出CP-GD和TP-GED两种算法的具体理论及算法流程;其次,利用二、三自由度振动系统直观地展示并对比解混向量对应的源信号复杂度及可预测度的变化规律;最后,通过对多工况下多自由度系统的模态参数识别算例,对比研究两种算法的精度及计算量。研究结果表明:在低阻尼比及高信噪比条件下,两种方法得到的解混矩阵是相同的;考虑到计算信号复杂度和梯度下降较为耗时,CP-GD算法计算代价要高于TP-GED算法。

基于VMD和排列熵的海缆振动信号降噪方法

为了有效去除信号中的噪声,提出了基于变分模态分解(VMD)和排列熵(PE)的海缆振动信号降噪方法。该方法首先使用VMD将信号分解成从高频到低频的数个本征模态函数,然后计算各模态分量的PE值定量表征其随机性程度。接着,对含噪声信息较多的本征模函数(IMF)分量进行小波阈值降噪,并通过信号重构得到降噪后的海缆振动信号。为了验证该方法的有效性,搭建了基于布里渊光时域分析(BOTDA)的海底电缆(海缆)振动信号监测模拟实验系统,通过实验获得了冲刷、摩擦、锚砸3种工况下的海缆振动信号。实验结果表明:所提方法能有效去除海缆振动信号中的高频噪声,其冲刷、摩擦及锚砸3类信号的信噪比分别提升至30.2578 dB、29.6354 dB、38.7862 dB,且标准差较低。

《信号与系统》课程思政育人的融入策略探索

《信号与系统》是一门学生公认比较难的、学起来比较枯燥的电子信息类专业基础课程,为深入贯彻落实全国高校思想政治工作会议精神,本文在分析专业课程思政必要性的基础上,设计了《信号与系统》课程教学过程中有机融入思政育人理念的教学策略,并与混合式教学活动进行深度融合,进行思政案例内容选择、融入方案设计和教学实施过程的探索,旨在培养学生的专业使命和责任感,引领学生的科学态度、工匠精神、爱国情怀等人生价值观,为课程思政思路转化落地作出贡献。

基于FPGA的便携示波器应用研究与设计

波形分析是电子产品开发、设计与维修中非常重要的手段,FPGA在实时性、稳定响应和并行处理等方面有突出优势,在高速高精度信号采集与处理中使用FPGA是当前发展的重要趋势。基于FPGA进行便携示波器的应用研究与设计,实现性能与便携性在应用上的兼顾;使用FPGA进行数据的实时处理,对外围设备进行直接驱动,使用简化的数据存储和处理流程,将AD采集的原始数据直接存储并直接传递到屏幕,计算参数的电路相对独立于数据采集与波形显示,提高了系统整体可靠性和实时性.

北斗卫星B2信号数字预失真补偿方法研究

针对北斗星上信号发射通道中高功放和滤波器引起的导航信号非线性失真问题,提出间接学习结构的数字预失真用以补偿导航信号产生的非线性失真。通过采用带宽最大的非对称恒包络二进制偏移载波(asymmetric constant envelope binary offset carrier,ACE-BOC)调制的北斗B2信号,验证数字预失真对补偿导航信号非线性失真的有效性及可行性,并从调制星座、功率谱、相关函数、S曲线过零点偏差等信号评估指标对数字预失真处理前后的信号进行对比分析。实验结果表明,数字预失真可以有效抑制20 dB的带外功率损失,相关损失可由0.7 dB下降到0.009 dB以及S曲线过零点偏差由0.88 ns下降到0.0029 ns。本文所提的数字预失真模型可有效改善信号发射通道引起的信号非线性失真。

基于滑动窗宽优化的LMSSGST识别非平稳信号瞬时频率

为提高非平稳响应信号瞬时频率的识别效果,提出基于滑动窗宽优化的局部最大同步挤压广义S变换(local maximum synchrosqueezing generalized S-transform,LMSSGST)。该方法首先对非平稳响应信号进行广义S变换获得相应的时频系数;其次,利用该响应信号的功率谱密度特征曲线确定局部最大同步挤压算子中滑动窗的宽度;再次,通过局部最大同步挤压算子进行时频重排;最后,采用模极大值改进算法提取瞬时频率曲线。通过两个数值算例、一个滑动窗宽参数分析和一个时变拉索试验验证了所提方法的有效性,研究结果表明:利用功率谱密度特征曲线能够有效确定滑动窗的窗宽和模极大值算法的提取范围。相比局部最大同步挤压变换算法,基于滑动窗宽优化的LMSSGST具有更佳的瞬时频率识别效果。

结合SLMSST和DO提取时变结构瞬时频率

为提升局部最大同步挤压变换估算瞬时频率的精度,本文结合2阶局部最大同步挤压变换(Second-order Local Maximum Synchrosqueezing Transform,SLMSST)和动态规划(Dynamic Optimization,DO)方法提出一种识别时变结构瞬时频率的新方法。该方法首先通过引入2阶瞬时振幅与相位得到精度更高的2阶瞬时频率估算位置。其次,搜索频率方向上时频系数的局部最大值所对应的2阶瞬时频率位置并根据这些位置对时频系数进行重排,从而得到2阶局部最大同步挤压变换后的瞬时频带。再次,运用动态规划法在限定频带范围内提取瞬时频率曲线。通过一组数值算例和一个时变拉索试验验证了所提新方法的有效性,研究结果表明:相比既有的局部最大同步挤压变换算法,2阶局部最大同步挤压变换和动态规划的联合算法不仅具有较好的精度,而且具有更好的时频聚集性。

一种ALMAE-SWSupAE裂纹声发射信号识别算法研究

针对裂纹声发射信号的识别问题,基于大边缘自编码器(LMAE)和堆叠融合监督自编码器(SFSupAE)设计了自适应大边缘堆叠权重监督自编码(ALMAE-SWSupAE)算法。针对LMAE中的固定k值问题,引入自适应k值算法,修改h(s)运算方法解决数据溢出问题;在SFSupAE中引入子分类器的性能权重优化分配策略,并设计新的权重函数;使用铝合金试件进行拉伸裂纹实验,识别采集到的声发射信号。研究结果表明:所提出的ALMAE-SWSupAE算法法识别准确率达到98.89%,相较于SSAE、SDAE、CAE、StAE和SAE方法性能具有明显提升,并在消融实验中证明了其改进有效性。

文本到视频生成:研究现状、进展和挑战

文本到视频生成旨在根据用户给定的文本描述生成语义一致、内容真实、时序连贯且符合逻辑的视频。该文首先介绍了文本到视频生成领域的研究现状,详细介绍了3类主流的文本到视频生成方法:基于循环网络与生成对抗网络(GAN)的生成方法,基于Transformer的生成方法和基于扩散模型的生成方法。这3类生成方法在视频生成任务上各有优劣:基于循环网络与生成对抗网络的生成方法能生成较高分辨率和时长的视频,但难以生成复杂的开放域视频;基于Transformer的生成方法有能力生成复杂的开放域视频,但受限于Transformer模型单向偏置、累计误差等问题,难以生成高保真视频;扩散模型具有很好的泛化性,但受制于推理速度和高昂的内存消耗,难以生成高清的长视频。然后,该文介绍了文本到视频生成领域的评测基准和指标,并分析比较了现有主流方法的性能。最后,展望了未来可能的研究方向。

基于改进样条Chirplet变换的结构瞬时频率识别

为了提高结构瞬时频率识别的精度,对样条Chirplet变换进行改进,并结合能量集中度原则优化窗函数的参数.利用解析信号和两层框架模型验证改进样条Chirplet变换识别瞬时频率的准确性,再结合试验验证改进样条Chirplet变换能有效识别实际工程结构的瞬时频率.

基于超声非线性的固体火箭发动机药柱测厚方法

为了扩大对高衰减固体火箭发动机药柱的厚度测量范围,利用超声纵波在固体传播中产生静态分量(static components,SC)的理论。通过一发双收的反射式超声换能器组合,即发射端超声换能器工作频率为500 kHz,接收端超声换能器工作频率分别为50和500 kHz,完成多种厚度药柱的静态测量。测量结果表明,对于厚度较大的药柱,50 kHz超声换能器可以放大并接收由500 kHz超声纵波所激发的SC低频信号;对于厚度较小的药柱,500 kHz可以同时接收500 kHz基波信号和SC低频信号。相较于传统同频收发的换能器组合,该一发双收的换能器组合在不加大测厚盲区的同时,提高了可测量厚度范围,可以完成20~200 mm厚度范围内的测量,有一定的创新性和较好实用价值。