基于SSA-ANFIS模型的BDS-3卫星钟差短期预报

针对卫星钟差时间序列具有非线性和非平稳的特性,以及趋势分量与随机分量相互干扰可能会影响预报精度的问题,提出一种以奇异谱分析(singular spectrum analysis, SSA)为基础,融合自适应模糊神经网络(adaptive neuro-fuzzy inference system, ANFIS)的卫星钟差预报模型SSA-ANFIS。首先利用SSA对钟差一次差序列进行分解和重构,从而得到趋势项和残差项;然后,使用ANFIS对重构分量进行预报,并将预报结果叠加还原,得到最终预报钟差值;最后,通过实验对比SSA-ANFIS与GM、QP、LSTM和ANFIS模型的预报效果。结果表明,相较于LSTM和ANFIS模型,该模型预报精度分别提高25.7%~40.7%和39.4%~45.7%。

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号.该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析.奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择.仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求.实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.

基于认知的UWB系统软频谱自适应设计方法

认知无线电技术与UWB技术结合解决干扰问题已成为近几年研究的热点。基于认知的思想,在满足联邦通信委员会(FCC)频谱限制的基础上,设计出最佳脉冲波形,使其与周围电磁环境中的干扰设备的功率谱相互正交,从而有效地避开干扰。通过对电磁环境的周期性重复采样,UWB可以成为自适应抑制干扰的通信系统,实现了认知超宽带无线电的概念。此方法不需要在整个频段内降低UWB脉冲的功率谱密度,为提高UWB脉冲发射功率和增大UWB系统的通信距离,提供了一种灵活易行的解决方案。