用于目标跟踪的自适应广义调频波形设计算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法。该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是使预测的目标跟踪均方误差最小化,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性。利用与某一波形相对应的克拉美-罗下限(CRLB)以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计。仿真结果表明:在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差。

基于广义正弦调频信号的多用户M元扩频水声通信方法

针对多用户扩频水声通信中的强多址干扰导致解码性能不佳的问题,提出一种基于广义正弦调频(generalized sinusoidal frequency modulation,GSFM)信号的多用户M元扩频水声通信调制方案。GSFM信号可以通过改变参数和频率反射技术产生大量占据同一频带且彼此近似正交的波形,建立合适的优化模型可以从众多波形中优化得到所需数目的最佳波形构建正交波形集,解决M元码分多址(code division multiple access,CDMA)水声通信系统选码困难的问题。接收端采用复杂度较低的M元能量检测器(M-ary energy detector,MED)算法完成各用户的解码。仿真结果表明,该方案在保证较高频带利用率的同时可以较好地抑制多址干扰,验证了方案的有效性和鲁棒性。该方案为多用户扩频水声通信中的强多址干扰问题提供了有效解决方案,具有应用价值。

基于GLCT的磁悬浮轴承跌落过程中反向涡动轴轨迹瞬时频率提取

为了正确提取磁悬浮轴承跌落过程中发生反向涡动时轴轨迹的时频特征,本文引入了广义线性调频小波变换(GLCT)。为分析不同时频方法在信号时频特性分析的优缺点,分别采用了短时傅里叶变换、Wigner-Ville分布、GLCT和Hilbert transform对磁悬浮轴承跌落过程中反向涡动情况下轴系Y轴(竖直)方向上的位移信号进行了处理。结果显示,短时傅里叶变换因为分析窗不具备瞬时频率调频率的自适应性,时频聚焦性不理想,瞬时频率的计算精度易受其影响;Wigner-Ville分布中交叉项会混淆真实时频分布,也会带来计算误差;而Hilbert transform过分依赖信号光滑性,噪声影响较大;GLCT具备理想的时频聚焦性,易于获得正确的瞬时频率。这有利于后续重新悬浮控制程序的开展。

基于GLCT和FPO的时变工况行星齿轮箱故障特征提取

时变转速下行星齿轮箱故障诊断存在两个问题,一是由于空间和经济条件的限制,转速传感器无法安装就无法获得设备的实时转速,二是常用的短时傅里叶变换方法时频分辨率低,难以提取到反映设备健康状态的有价值特征信息。为了克服这两个问题,提出基于广义线性调频小波变换(General Linear Chirplet Transform,GLCT)与快速路径最优(Fast Path Optimization,FPO)的无转速阶次分析故障特征提取方法。首先,使用GLCT对振动信号进行时频表征,从而提高时频分辨率,能够清晰地反映齿轮箱的时变运行状态;然后,利用FPO算法从GLCT时频表示中精确提取转频趋势线,进而采用转频曲线对原始振动信号等角度重采样将其映射到平稳的角域中;最后,从角域信号的包络阶次谱中准确地提取行星齿轮箱故障特征信息。数值仿真和应用实例的分析结果表明该方法具有较高的时频分辨率和噪声鲁棒性,能够在无转速计的情况下有效地实现时变转速行星齿轮箱齿轮故障诊断。

一种用于目标跟踪的波形自适应选择算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法。该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是最小化预测的目标跟踪均方误差,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性,利用与某一波形相对应的克拉美——罗下限(CRLB)以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计。仿真结果表明:在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差。

OFDMA上行多用户交织信号同步与分离

研究了正交频分多址接入(OFDMA)上行链路中采用交织子载波分配方案的多用户信号同步及分离.采用交织子载波分配方案的OFDMA上行链路中,每个用户信号在1个OFDM符号内都具有一定的周期性结构.首先利用信号的结构特性,并借助子空间的方法估计得到多用户的频率偏移;然后,对接收到的信号应用最小均方误差(MMSE)滤波恢复单用户信号波形,实现了多用户信号分离及频率同步;最后,基于恢复的单用户训练信号对每个用户的时间偏移进行估计.广义线性调频序列(GCL)具有理想的周期自相关特性、最优的互相关特性和低峰均功率比特性,因而被用作训练序列来估计每个用户的时间偏移.仿真结果表明,本方案在多径衰落信道下是有效的.

基于GKT-RT-GDP的长时间相参积累算法

提出一种基于广义Keystone变换(generalized Keystone transform,GKT)、拉东变换(Radon transform,RT)和广义去调频处理(generalized dechirp process,GDP)的长时间相参积累算法,应用于对雷达高度表回波信号的处理。使用GKT校正由径向加速度引起的距离弯曲,应用RT估计雷达高度表的速度并构造补偿函数校正距离走动,采用GDP方法估计雷达高度表的径向加速度并构造相位补偿函数校正多普勒频率徙动,最后使用快速傅里叶变换对算法处理后的回波信号做相参积累。仿真结果表明,GKT-RT-GDP算法能够实现对多普勒频率徙动和距离徙动的校正,并且与基于KT-GDP长时间相参积累算法相比,在运算复杂度增加较小的条件下,相参积累后的信噪比增加了5 dB,算法的校正效果较好。

基于GLCT及CPA-SVM的变转速齿轮泵健康状态分类研究

针对齿轮泵变转速工况,提出广义线性调频小波变换(General linear chirplet transform,GLCT)和食肉植物算法(Carnivorous plant algorithm,CPA)优化支持向量机(Support vector machines,SVM)相结合的齿轮泵健康状态分类识别方法。首先选取4组磨损量不同的轴套,利用改造试验台采集不同状态下齿轮泵的振动信号;然后,引入GLCT时频分析方法消除转速变化的影响,提取瞬时旋转频率,进行角度域重采样,提取角度域中峰值指标、脉冲指标、峭度指标,与阶次谱方均根值、阶次域阶次幅值作为特征参数;最后,引入CPA对SVM两个参数c和g优化的分类方法,进行齿轮泵的健康状态进行分类识别,为了进一步验证算法有效性将其与SVM和极限学习机(Extreme learning machine,ELM)两种方法进行比较。结果表明,提出的分类方法平均准确率可达93.75%以上,能有效提高分类识别准确率。