基于串并行双分支网络的冲击波信号重构方法

通过有限测点数据重建冲击波场内压力分布、通过残缺数据重构完整的冲击波压力曲线,对武器威力以及目标毁伤评估具有重要价值。针对爆炸冲击波信号重构问题,建立Res-GRU分支以串行方式捕捉冲击波超压信号局部时序依赖关系;建立Transformer分支以并行方式分析信号全局潜在特征;建立特征融合单元进行高阶特征融合,实现不同阶段信息逐层互补;进而构建了基于门控循环单元(gated recurrent unit,GRU)和Transformer模型的串并行双分支网络(G-TNet)。试验研究表明:G-TNet综合考量了信号的时序关系、数据变化规律等特征信息;在基于有限测点数据的冲击波场压力分布重构试验中,重建的模拟、实测超压数据与原始值之间均方误差(mean square error,MSE)分别为5.0×10^(-6)、1.2×10-3,平均峰值误差分别为0.49%、27.01%,平均正压时间误差分别为15.62%、15.91%,平均比冲量误差分别为17.66%、19.33%;在基于残缺数据的冲击波压力曲线重构试验中,重构的模拟、实测信号的缺失值与原始值之间MSE分别为5.0×10^(-6)和5.0×10^(-4),平均绝对误差(mean absolute error,MAE)分别为0.0010和0.0171;G-TNet重构结果优于主流方法,满足爆炸冲击波压力重构指标要求。

基于傅里叶级数的光栅波长信号重构及振动位移精准测量

为实现光纤光栅传感器在多频率振动位移中的精确测量,研究了一种基于傅里叶级数的光栅波长转换。该方法将光栅波长偏移量按照振动频率分解,依据波长变化量与加速度的关系式得到振动频率分量产生的振动加速度,通过对振动加速度进行二次积分得到振动位移,对振动位移求和,实现整体振动位移的精确测量。实验结果表明,在检测单频率振动位移时,该方法的最大误差率为3.74%,基于振动主频的光栅波长转化方法的最大误差率为-4.60%。在检测双频率振动位移时,该方法的最大误差率为-8.45%,基于振动主频的光栅波长转化方法的最大误差率为-74.25%。因此,该基于傅里叶级数的光栅波长转化方法能够准确分解并重构光栅波长信号,在测量多频率振动位移时精度更高,稳定性更强。

基于ILVD的多分量LFM信号重构算法

针对线性调频(linear frequency modulated, LFM)信号参数估计技术面向多目标产生的多分量信号会产生交叉项,从而降低参数估计精度的问题,提出了基于逆吕氏分布(inverse Lv’s distribution, ILVD)的多分量LFM信号重构算法。利用特征值分解结合最小误差准则方法的中心频率-调频斜率(centroid frequency-chirp rate, CFCR)域信号分析与合成,克服传统时频变换方法中的交叉项干扰问题;采用特征值分解思想构造ILVD变换核函数;使用最小误差准则校正CFCR域随机相位误差,重构出分布在CFCR域吕氏分布中不同位置对应的各个目标信号。实验结果表明,提出的算法在重构信号的准确度和抗噪声干扰方面的有效性均有较大提高。

花岗岩劈裂破坏电磁-震动有效信号重构与混沌特征

电磁辐射、震动监测技术广泛应用于地下工程动力灾害的监测预警,对地下工程的安全高效开发具重要意义。深入研究电磁-震动信号有助于推动岩体监测预警技术的发展,然而当前电磁辐射和震动信号(电磁-震动)分析主要集中于信号的相关性和时频特征,对于花岗岩破裂电磁-震动信号的非线性动力特征研究较少,相关特征尚未明确。基于此,利用经验模态信号(EMD)重构和分形理论相结合的方法,分析了花岗岩劈裂破坏电磁-震动信号的混沌特征,揭示了电磁-震动信号非线性动力特征。研究结果表明:花岗岩劈裂破坏产生的电磁辐射与震动信号在时间上具有较好的一致性,劈裂破坏产生的电磁-震动信号频谱集中在中低频段;花岗岩破坏有效电磁辐射信号的盒维数D_(E)=1.600 6,有效震动信号的盒维数D_(A)=1.594 8,两者频率结构特征高度相似;利用EMD分解重构方法可以获得花岗岩破裂有效电磁辐射与震动信号,使用EMD分解重构去除了高频存在的干扰对花岗岩破裂电磁-震动信号中的混沌特征描述更为精准。有效电磁辐射与震动信号包含的低频、大能量信号比原始信号更多,更能表征微小裂纹扩展;重构后电磁-震动信号的不均匀度相较于初始信号整体有明显的上升,不同能量信号出现的频率关系整体出现下降,重构后的有效电磁-震动信号以低频、大能量信号为主,但震动信号的不均匀程度大于电磁辐射。

基于重加权图拉普拉斯正则化的时变图信号重构算法

针对实际观测到的时变信号由于噪声污染、机器故障等引起数据缺失,从而导致后续数据处理结果不准确的问题,提出了一种基于重加权图拉普拉斯正则化(ReweightedGLR)的时变图信号重构算法。首先,该算法根据数据的空间距离信息构建图模型;其次,根据图模型中时变图信号的空间域平滑特性将时变图信号重构问题归结为一个无约束优化问题;最后,利用重加权迭代算法求解该优化问题。该方法随时间变化对边权重进行调整,动态更新图拉普拉斯矩阵,以此刻画数据随时间变化时的内在关联性,充分利用了时变图信号的时间-空间关联性。仿真结果表明,所提出的算法与基于时变图信号空间域图平滑性的重构算法相比,进一步挖掘了时变图信号的时间关联性,降低了重构误差,提高了重构性能。

凸约束方程组的新型无导数算法及在信号重构中的应用

提出一种新型无导数算法,以解决凸约束非线性方程组问题.该算法利用改进的共轭参数设计搜索方向,以确保算法的充分下降性和信赖域特性.在适当的假设下,该算法具有全局收敛性.数值仿真结果表明,该算法在处理凸约束非线性方程组问题和信号重构问题时具有高效性和鲁棒性.

信号重构中l_(1)-l_(2)极小化的等价模型理论研究

非凸l_(1)-l_(2)极小化方法是信号重构中最有效、最重要的模型之一,为研究信号恢复中极小化l_(1)-l_(2)重构的条件,从极小化l_(1)-l_(2)的定义出发,结合零空间的性质,基于对原优化模型中的目标函数进行松弛并利用相干性函数,推导出与原优化问题等价的新目标函数。结合信号重构中限制等距性的充分性条件,得到了极小化l_(1)-l_(2)完全重构的充分性条件,并证明了在噪声情形下两类条件的等价性。

基于联合指标的滚动轴承振动信号重构及故障诊断

为了提高滚动轴承特征提取的有效性和故障识别的准确性,提出了一种基于联合指标的信号重构及基于CWT-2DCNN的故障诊断方法。首先,根据峭度和互相关系数构建出联合指标对通过集成经验模态分解(ensemble empirical mode decomposition,EEMD)得到的本征模态函数(intrinsic mode fuction,IMF)分量进行筛选与重构;其次,运用连续小波变换(continue wavelet transform,CWT)变换对重构信号进行时频域特征提取;最后,以时频特征图作为输入,构建基于卷积神经网络(convolutional neural network,CNN)的故障识别模型,从而实现滚动轴承故障的智能诊断。实验结果表明,提出的信号重构及故障诊断方法故障诊断正确率达到了99.48%,且在强噪声下仍具有较高的正确识别率,说明其具有较强的泛化能力。

基于模极大值小波域的局部放电信号重构算法

局部放电信号是奇异信号,利用模极大值原理,可 以对局部放电信号去噪。然而,对于单个的局部放电脉冲 信号,如何由保留下来的少数模极大值点重构局部放电信 号是一个重要课题。为此,该文提出一种基于模极大值小 波域的局部放电信号重构算法。该算祛先根据模极大值小 波域的定义求出局部放电信号的模极大值小波域,从而得 到局部放电信号的小波系数,然后逆变换得到局部放电信 号。实例分析表明,该算法程序简单,易实现,速度快, 能满足局部放电在线监测的需要。

基于三次样条插值信号重构的微网谐波及间谐波分析算法

针对微网中基波频率的变动及谐波和间谐波的存在,提出了一种基于三次样条插值信号重构的谐波及间谐波分析算法。首先用加Hanning窗双插值快速傅里叶变换(fastFourier transform,FFT)算法得到微网的实际基波频率,根据实际基波频率对采样频率进行修正;然后采用三次样条插值算法对原始采样信号进行重构,对重构信号用加Hanning窗双插值FFT算法得到基波和各次谐波;最后从原始信号中减去基波和各次谐波,对剩余信号再次运用加Hanning窗双插值FFT算法来确定各次间谐波成份。仿真结果表明,使用该算法对微网的谐波及间谐波进行分析,能够提高分析精度。

全球性数字广播高频外辐射源雷达参考信号重构

外辐射源雷达通过直达波提纯来获取雷达参考信号,且参考信号的纯净程度直接决定着雷达探测性能的好坏。针对全球性数字广播(digital radio mondiale,DRM)信号的特殊结构,提出通过重构发射信号来生成雷达参考信号的方法。首先基于DRM信号调制解调理论介绍了重构算法流程,然后通过实测数据处理验证了重构性能,最后分别从模糊函数性能与杂波抑制能力两方面定量研究了解调误码率对雷达探测性能的影响。仿真与实测结果均表明,通过本文所提重构算法能够获得良好的雷达参考信号,为目标探测提供必备条件。

基于稀疏信号重构的无线传感网络目标定位

提出了一种新的基于稀疏信号重构的无线传感网络目标定位方法。针对目标定位问题,将多目标位置表示为离散化测量空间上的稀疏向量,则多传感节点声音信号能量测量值向量可分解为测量矩阵、稀疏矩阵与稀疏向量的乘积,通过稀疏信号重构方法可以恢复目标位置稀疏向量,实现多目标定位。传统L1范数稀疏信号重构法要求测量矩阵和稀疏矩阵乘积满足受限等距性条件,在目标定位问题中难以满足。采用贪婪匹配追踪算法重构稀疏向量,基于噪声信号能量幅值终止迭代搜索,进行多目标定位。实验表明,基于贪婪匹配追踪稀疏信号重构目标定位方法能准确实现多目标定位,定位精度优于基于正交匹配追踪的稀疏信号重构目标定位方法和基于单纯形搜索的最大似然估计目标定位方法。

应用经验模态分解的拖船噪声信号重构及抵消方法

针对拖船干扰的时空特点,提出了将EMD(Empirical Mode Decomposition)应用于拖船噪声信号重构及抵消的方法。为了解决以往需要人工干预挑选EMD输出的多路IMF分量的缺点,提出了将多路IMF(Intrinsic Mode Function)分量与基元域信号按照线谱与连续谱分别做功率谱相关并以谱相关系数最大为准则的挑选算法。基于逆波束形成的理论,利用挑选后的IMF分量重构基元域信号,并与原始基元域信号谱减后再进行方位估计。拖曳声呐模拟器数据与实际海试数据验证结果表明,本文算法能够提高弱目标空间增益,尤其是对于靠近干扰盲区的弱目标空间增益提高明显,并且对拖船多途角扩展干扰也具有较好的抵消能力。

基于总体最小二乘的多功能传感器信号重构方法研究

基于总体最小二乘法的基本原理和Moore Penrose广义逆矩阵的基本性质 ,本文提出了一种新的算法 ,用于多功能传感器输入信号的数值重构 .算法既考虑了传感器输出信号的漂移 ,同时也考虑了输入信号的误差 .仿真结果表明 。

基于信号重构的频谱弥散干扰抑制方法

频谱弥散(smeared spectrum,SMSP)干扰是专门针对线性调频脉冲压缩雷达的密集多假目标干扰。依据SMSP干扰信号的周期性特征,提出了一种基于信号重构的SMSP干扰抑制方法。首先,采用奇异值比谱法估计SMSP干扰的子脉冲个数和调频斜率,采用相关运算法估计SMSP干扰的脉冲前沿位置、幅度以及相位参数,得到重构的SMSP干扰。其次,将其从接收信号中减去即可达到抑制干扰的目的。最后,仿真结果表明,即使在较低的干信比和干噪比条件下,干扰抑制比仍可以达到20dB以上,说明所提方法对SMSP干扰具有较好的干扰抑制效果。

基于分布信息融合的直流锅炉燃料量信号重构

通过对超临界直流锅炉燃料量间接测量信号频谱特性的研究,指出了不同信号具有互补的频谱特性。基于广义观测器结构,利用分布信息的互补特性设计了分布信息融合算法。该文利用沿流程各汽温信号稳态精度高和给粉信号响应速度快的互补特性,经过信息融合,解决了给粉量测量的困难,提高了测量的快速性和准确性,从而有效地提高了直流锅炉机组燃水比调节系统的控制品质。通过对融合算法鲁棒性研究。

基于信号模型参数辨识的变电站局部放电电磁波信号重构

抑制现场噪声干扰、有效提取信号特征是局部放电(PD)信号检测和分析的关键,为此,利用自回归–滑动平均(ARMA)模型对局部放电辐射的特高频(UHF)电磁波信号建模,给出了利用高阶累积量估计模型阶数和参数的理论依据和算法。以混有Gauss白噪声及定频干扰的双指数振荡衰减函数模拟局部放电辐射的UHF信号,利用ARMA模型参数重构信号的Fourier变换幅值,利用双谱估计重构其Fourier变换的相位,最终重构时域信号,以验证该算法重构信号的有效性。利用该方法重构变电站实测的局部放电辐射的UHF信号,验证了该算法在变电站现场干扰情况下,可从现场采集到的含有噪声的信号中重构出只相差常数因子和线性相移的有用信号。且算法辨识得到了信号的ARMA模型参数及重构得到的UHF信号频谱及时域信号,可以给局部放电类型识别等进一步处理提供参数。

基于LS-SVM的非线性多功能传感器信号重构方法研究

提出了基于最小二乘支持向量机(Least squares support vector machine,LS-SVM)的非线性多功能传感器信号重构方法.不同于通常采用的经验风险最小化重构方法,支持向量机(Support vector machine,SVM)是基于结构风险最小化准则的新型机器学习方法,适用于小样本标定数据情况,可有效抑制过拟合问题并改善泛化性能.在SVM基础上,LS-SVM将不等式约束转化为等式约束,极大地简化了二次规划问题的求解.研究中通过L-折交叉验证实现调整参数优化,在两种非线性情况下对多功能传感器的输入信号进行了重构,实验结果显示重构精度分别达到0.154%和1.146%,表明提出的LS-SVM重构方法具有高可靠性和稳定性,验证了方法的有效性.

基于信号重构的地震道插值

在简要回顾几种插值方法的基础上 ,提出了基于信号重构的地震道插值方法。这种方法无需任何地质和地球物理假设 ,主要用于恢复缺失的地震道。本方法的基础是傅立叶变换理论和最小平方反演技术。文中给出了原理、算法、实现步骤及简要的流程框图。如果对变换域的参数进行规则采样 ,则该方法可以用高效、快速的算法来实现。本插值方法适用于规则和非规则采样的数据。文中给出了理论合成数据和实际数据的试验结果 ,并对结果进行了讨论。同时 ,本方法对于 AVO分析、DMO处理。

基于稀疏信号重构的DOA和极化角度估计算法

现有的波达方向(Direction Of Arrival,DOA)和极化参数估计方法大多基于子空间理论.本文从稀疏信号重构角度出发,提出了一种新的DOA和极化角度估计算法.该算法首先构建一个只包含DOA信息的累积量矩阵模型,然后基于加权l1范数最小化获得DOA估计.在DOA估计的基础上,进一步通过求和平均运算构建三个包含不同极化信息的累积量向量模型,利用Zhang惩罚进行稀疏性约束,获得近似无偏的极化角度估计.阐述了如何利用极化信息来区分两个入射角度一样的信源信号.计算机仿真结果验证了所提算法的有效性.