基于单通道SAR图像序列特征值分解的动目标检测方法

该文提出了一种基于单通道图像序列间协方差矩阵分解的动目标检测方法。首先给出基于方位频谱划分获取子图像的处理过程,分析了子孔径划分在图像序列间所产生的误差来源,结合二维自适应方法对幅度和相位上存在的误差同时校正,实现了子图像间的配准,构造出类似于多通道的子图像。在此基础上,结合多通道杂波抑制的思想,详细分析了两子孔径间协方差矩阵特征值分解实现目标与杂波分离的原理,并针对在图像域估计采样协方差引起的精度与目标能量损失之间的矛盾,提出了在距离多普勒域的改进处理。最后,经过仿真实验验证了该方法的有效性。

基于SVD原理的PCA特征频率提取算法及其应用

针对实测转子位移信号存在噪声污染的问题,提出一种基于SVD原理的PCA特征频率提取算法。首先,从理论上推导了PCA与SVD的内在联系,即PCA产生的协方差矩阵特征值等于SVD产生的矩阵奇异值的平方,且PCA产生的特征向量等于SVD产生的左奇异向量;然后,基于上述结论,提出一种基于SVD原理的PCA特征频率提取算法,并通过仿真信号验证了算法的有效性;最后,将该算法应用于大型滑动轴承试验台主轴的轴心轨迹提纯,得到的轴心轨迹清晰、集中,可成功识别转子的不对中及碰磨故障。

基于随机矩阵理论与Spiked模型的电力系统态势感知方法研究

从数据驱动角度,结合随机矩阵理论(RMT)和Spiked模型,研究了电力系统异常状态感知方法和关键节点辨识方法.提出了基于样本协方差矩阵最大特征值(MESCM)的电力系统异常状态感知方法;在此基础上引入Spiked模型对其进行改进,实现了电力系统异常状态的动态感知;以系统电压数据为原始数据,结合熵理论提取了数据有效信息,对电力系统网络的关键节点进行辨识.通过模拟分析和实际检测验证了该方法具有抗噪性能高、计算耗时少的优点,提高了电力系统异常状态感知模型的准确度和鲁棒性.该方法有效反映了电力系统异常状态的演化方向及其分布,可用于支持电力系统预防、检修和运维,辅助电力系统决策.

非同源蛋白质空间折叠的动力学参数研究

从蛋白质折叠成自由能最小的稳定结构类型为研究的出发点,为揭示蛋白质空间折叠的动力学本质,对非同源蛋白质数据库,以蛋白质序列的氨基酸频率和自协方差函数为特征矢量,求出表征特征矢量中各分量耦合作用与协同作用的协方差矩阵所对应的特征值.与Chou的方法相比,更全面地反映了蛋白质折叠密码的简并性、全局性和多意性,为定量表征折叠成不同结构类的蛋白质,提供了一种动力学参数分析方法.

互质层析SAR最少航过数量估计方法

在层析SAR技术的实际应用中,航过数量通常受高昂成本等因素的限制。互质层析SAR技术通过稀疏分布航过位置、延长基线孔径长度,可以降低所需的航过数量。当采用子空间方法开展互质层析SAR重构处理时,为了获得可靠的层析图,研究最少航过数量估计问题。考虑到子空间方法的重构性能受多个参数的影响,因此航过数量的选择必须综合考虑所有相关参数对重构结果的影响。为此,通过样本特征值分析方式建立子空间方法的可靠性保证条件。根据这个可靠性保证条件,提出了一种估计最少航过数量的方法。与传统的最少航过数量估计方法相比,所提方法的优势在于:同时考虑所有的相关参数,且具有解析的数学描述式。最后,仿真实验证实由所提方法估算的航过数量确实接近最小,且能够保证重构结果可靠。