基于时域残余力向量特征分解的结构损伤识别方法研究

提出基于时域残余力向量的结构损伤识别方法。从结构振动方程出发,推导强迫振动条件下由结构动力响应求解时域残余力向量的表达式。时域残余力向量包含与损伤过程相关的时间信息,可以用来识别损伤发生的时刻。通过结点时域残余力向量值的变异系数建立损伤位置指标,识别损伤位置。建立结构残余力矩阵特征分解方法,特征分解获得的特征向量在损伤前后不发生改变,而特征值与单元刚度相关。因此,可以从特征值中提取单元刚度参数构建损伤程度参数,直接识别损伤程度。将时域残余力向量方法应用于武汉军山大桥模型的损伤识别,结果表明:提出的方法在单点激励和多点激励下均可高精度地识别出损伤发生的时刻、位置和程度。提出的方法通过对时域残余力向量特征分解提取损伤时刻、位置和程度指标,计算过程直观且精度高,避免了繁琐的时频变换、优化迭代等计算过程。

基于特征分解卷积神经网络的SAR图像目标检测方法

真实场景的高分辨率合成孔径雷达(SAR)图像大多是复杂的,对于地物场景来说,其背景中存在草地、树木、道路和建筑物等杂波,这些复杂背景杂波使得传统SAR图像目标检测算法的结果包含大量虚警和漏警,严重影响了SAR目标检测性能。该文提出一种基于特征分解卷积神经网络(CNN)的SAR图像目标检测方法,该方法在特征提取模块对输入图像提取特征后,通过特征分解模块分解出鉴别特征和干扰特征,最后将鉴别特征输入到多尺度检测模块进行目标检测。特征分解后去除的干扰特征是对目标检测不利的部分,其中包括复杂背景杂波,而保留的鉴别特征是对目标检测有利的部分,其中包括感兴趣目标,从而有效降低虚警和漏警,提高SAR目标检测性能。该文所提方法在MiniSAR实测数据集和SAR飞机检测实测数据集(SADD)上的F1-score值分别为0.9357和0.9211,与不加特征分解模块的单步多框检测器相比,所提方法的F1-score值分别提升了0.0613和0.0639。基于实测数据集的实验结果证明了所提方法对复杂场景SAR图像进行目标检测的有效性。

基于紫外光声光谱的SF_(6)特征分解组分SO_(2)的高灵敏度检测技术

搭建了一套气室容积仅为0.79 mL的非共振式光声光谱检测装置,在0至100 ppm浓度范围内,激发的光声信号幅度与SO_(2)/SF_(6)混合气体浓度之间有良好的线性关系,响应度为5.59μV/ppm。系统的归一化噪声等效吸收系数为7.2×10^(-8)cm^(-1)W·Hz^(-1/2)。Allan-Werle方差分析结果表明,当平均时间为100 s时,系统对SO_(2)的检测极限达到0.1 ppm。本文提出的高灵敏度SO_(2)气体原位检测技术为判断SF_(6)气体绝缘设备的故障程度提供了有效的解决方案。

基于悬臂梁增强型光声光谱的SF_6特征分解组分H_2S定量检测

H_2S作为SF_6分解产生的关键特征组分,能够有效反映SF_6气体绝缘电气设备内部绝缘故障的严重程度及故障是否涉及固体绝缘材料。采用新型硅微悬臂梁传声器与分布反馈式半导体激光器搭建了悬臂梁增强型光声光谱痕量气体检测系统,以H_2S气体v1+v2+v3泛频吸收谱带中心波数为6 336.62 cm-1的吸收谱线作为研究对象,仿真研究了H_2S气体的红外吸收特性,试验研究了H_2S气体悬臂梁增强型光声光谱响应特性,采用最小二乘回归分析了H_2S气体光声信号与其体积分数的关系。结果表明,在气体吸收未饱和的情况下,光声信号强度与H_2S体积分数之间存在良好的线性关系,系统对N2中痕量H_2S的检测下限为0.84×10-6,对SF_6中痕量H_2S的检测下限为1.75×10-6。研究结果为采用SF_6分解组分法判断设备内部绝缘故障类型和严重程度提供了有力的数据支持。

基于特征分解的2-D多边形渐变

二维多边形渐变在二维角色动画、模式匹配、几何造型等领域有着重要的应用.已有的方法大多根据多边形的边长、角度、面积、骨架等几何属性来完成多边形之间的最佳对应和渐变,而忽略了多边形的内在视觉特征.提出了一种基于视觉特征对应的 2-D 多边形渐变方法,该方法把源多边形和目标多边形按照视觉特征进行同构特征分解,得到若干对对应的特征子多边形.在渐变过程中,每个源特征子多边形光滑地过渡到目标特征子多边形.通过引入特征分解点,用户可以灵活和直观地改变特征子多边形,按照预想的效果控制多边形的渐变.实验效果表明,基于特征分解的顶点对应和插值算法不仅可以得到光滑的多边形渐变序列,而且可以实现多特征保留.

基于特征分解的高频地波雷达抗射频干扰研究

高频地波雷达工作在短波波段 ,回波信号容易受到各种射频干扰的影响 ,恶化系统的性能。本文就线性调频体制下 ,窄带射频干扰进入线性调频雷达接收机 ,经过混频后形成线性调频干扰的情况进行了分析 ,指出窄带射频干扰经过距离分离处理和多普勒处理后 ,会在多个距离元的多普勒谱上形成同一频率的谱峰 ,这些谱峰之间有很强的相关性 ,可以通过特征分解的办法加以去除。

基于特征分解的SAR射频干扰抑制方法

合成孔径雷达容易受到射频干扰的影响,严重影响成像质量。本文针对合成孔径雷达面临的射频干扰问题,分析了射频干扰(RFI)的信号特性和信号模型,根据RFI信号功率高、频带窄的特点,提出了基于特征分解的干扰抑制方法。其基本思想是:通过对观测数据矩阵进行特征分解,根据特征值分布构造干扰子空间和信号子空间,利用二者的正交性抑制干扰信号。本文首先介绍了特征分解方法的基本原理,在此基础上,基于MDL准则判断主特征值的个数,提出了基于特征值分布的RFI检测方法,并进一步,利用特征向量构造相应的干扰子空间和信号子空间,给出了基于特征分解的RFI抑制方法。基于SAR实测数据的仿真实验表明该方法可以有效的抑制RFI,且尽可能的保留目标回波。

局部波动特征分解及其在滚动轴承故障诊断中的应用研究

提出了一种新的自适应时频分析方法——局部波动特征分解(Local Oscillatory-Characteristic Decomposition,LOD),该方法以信号本身的局部波动特征为基础,并采用微分、坐标域变换、分段线性变换等运算手段将信号分解为一系列瞬时频率具有物理意义的单一波动分量(Mono-Oscillatory Component,MOC),非常适合于处理多分量信号。在详细说明LOD分解原理的基础上,通过仿真信号将LOD、经验模态分解(Empirical Mode Decomposition,EMD)和局部均值分解(Local Mean Decomposition,LMD)进行了对比分析,结果表明了LOD的优越性。同时,针对滚动轴承故障振动信号的多分量调制特点,将LOD应用于滚动轴承故障诊断,对滚动轴承实验信号进行了分析,结果表明LOD可以有效地提取滚动轴承故障振动信号的特征。

基于特征分解的高频地波雷达电离层杂波抑制

针对高频地波雷达中的电离层杂波,利用特征分解法在阵元-脉冲域和脉冲-距离域对它进行联合处理,并对特征分解法在脉冲-距离域和阵元-脉冲域分别进行了如下改进:在脉冲-距离域采用循环重构数据协方差矩阵,而在阵元-脉冲域则按扫频周期分段正交分解。OSMAR2003系统的实测数据表明:这种处理方法对抑制电离层杂波是有效的。

局部波动特征分解及其在齿轮包络分析中的应用

提出了一种新的自适应非平稳信号分析方法——局部波动特征分解(Local Oscillatory-Characteristic Decomposition,LOD),该方法以信号本身的时间尺度特征为基础,并采用微分、坐标域变换、分段线性变换等运算手段将信号分解为一系列瞬时频率具有物理意义的单一波动分量(Mono-Oscillatory Component,MOC),非常适合于处理多分量信号。在详细说明LOD分解原理的基础上,通过对仿真信号的分析将LOD和经验模态分解(Empirical Mode Decomposition,EMD)进行了对比,结果表明了LOD的优越性。同时,针对多分量调制的齿轮故障振动信号在包络分析中的特点,将LOD应用于齿轮故障振动信号的分析,对齿轮实验信号和实际信号的分析结果表明,LOD可以有效地应用于齿轮的包络分析。

正弦信号高分辨频率估计的特征分解方法研究

本文研究了自相关矩阵、协方差矩阵和修正协方差矩阵的正弦信号高分辨频率估计的特征分解法，文章首先研究了这三种相关矩阵的特征分解结构及高分辨特征分解法的原理；接着给出了几种典型的高分辨特征分解法；最后通过大量计算机仿真实验研究了基于这三种相关矩阵的各特征分解法的均方误差特性和分辨概率特性，结果表明，各方法的统计性能不尽相同，各有优势，是实现高分辨参数估计的一类很有希望的方法．

基于特征分解的逆向建模技术研究

将组件分析的思想融入已有的建模方法,提出一种基于特征分解的逆向建模方法。将模型分解为规则特征和不规则特征,建立特征的组件关系,并以Geomagic Design Direct软件为平台,结合其特征提取功能拟合特征的实体,通过布尔运算建立完整的实体模型。运用特征分解的思路可建立包含原始设计意图的参数化计算机辅助设计(Computer Aided Design,CAD)模型,且建模过程清晰、高效。基于特征分解的逆向建模技术为产品的快速建模和创新设计提供了一种系统的方法。

基于特征分解的多目标定位系统仿真实验研究

基于特征分解的高分辨方位估计(DOA)算法是一类性能良好的目标定位方法,具有良好的工程应用前景。针对水下阵列信号处理的实际应用,在多目标定位的多处理器硬件系统中,实现了阵元域和波束域两类高分辨DOA算法,在VisualDSP++仿真环境中对水池实验数据进行了仿真实验研究,对算法的运算时间和方位估计的性能进行了分析。结果表明,该系统能够较好的完成各种高分辨方位估计算法,具有良好的方位估计性能和实时处理能力,波束域方法性能优越,满足了工程技术要求。

基于Jacobi方法的Hermitian矩阵特征分解算法

对一个Hermitian矩阵进行特征分解,通常都是把矩阵转化为实对称矩阵,这样运算量比较大。为了解决运算量的问题,提出基于Jacobi方法的Hermitian矩阵特征分解算法,该算法减少了运算量,能满足实际中的实时性要求。

矩阵特征分解二阶修正算法

本文研究了时变协方差矩阵特征分解的自适应更新问题,提出了矩阵特征分解二阶修正算法。首先将矩阵秩-l更新与矩阵一阶扰动问题联系起来;然后利用矩阵扰动理论将当前时刻的协方差矩阵特征值和特征向量展开为无穷级数形式,当扰动项趋于零时它们分别趋于前一时刻对应特征值和特征向量;将扰动级数二阶以后的所有项省略得到二阶修正算法;特别地研究了最小特征值重合时信号子空间的更新问题;在系统平稳和非平稳两种条件下分别进行仿真验证算法的性能,并且和一阶修正算法比较,仿真结果表明本文提出的方法具有更高的估计精度。

白噪声中高分辨频率估计特征分解法的统计性能研究

本文从修正协方差矩阵角度研究了正弦信号高分辨频率估计的特征分解法，揭示了噪声影响特征分解法的机理以及一些典型的特征分解法抑制噪声干扰的原理，得到四个很有意义的结论；通过大量计算机仿真实验研究了各主要特征分解法的性能，进一步验证了所得的结论。

特征分解与选权迭代在空间直线拟合中的应用

提出了一种新的空间直线拟合方法.该方法采用观测点到目标直线的加权距离平方和最小的准则拟合空间直线.在该加权全最小二乘准则下,基于拉格朗日乘数法,证明了拟合目标直线必定经过观测点的重心,在此基础上论证了基于特征分解计算空间直线方向向量的方法.为了应对观测点误差分布不同的情形,提出采用选权迭代法,选择合理的权函数与收敛条件,通过含淘汰域的权函数有效地剔除观测点中的粗差点,迭代求解直线的方向向量.根据重心点坐标与直线方向向量建立最终的拟合空间直线方程.通过服从不同误差分布的观测数据进行实验,将该方法分别与一般最小二乘准则下的2种直线拟合方法进行比较,证明了该方法的可靠性与稳健性.

基于快速特征分解的自适应杂波抑制算法

】针对部分相关中等起伏目标的最佳检测，本文提出了基于快速特征分解的组滤波自适应杂波抑制的实现算法。算法能有效抑制杂波，提高检测概率。由于采用了快速子空间分解技术而明显地降低了运算量使算法易于实时实现。对收敛特性的分析表明，算法具有良好的收敛性能。文中采用的最小二乘技术同组滤波方法的结合使得即使在非平稳的条件下也可以获得高效的杂波谱估计，进而有针对性地完成特定谱区域的信号提取。

一种自适应拟牛顿广义特征分解算法

通过构造一种新的无约束损失函数,广义特征分解问题可以转化为无约束优化问题.此损失函数具有良好的特性,即具有全局极小点、无局部极值点,从而保证了迭代算法的全局收敛性.利用近似Hessian矩阵,提出了一种新的自适应拟牛顿广义特征分解算法.然后,采用随机逼近理论,严格分析了算法的收敛性.仿真结果表明,算法具有快速收敛和动态跟踪能力.

基于扰动特征分解和前馈调制的网络波动跳变信号抑制算法

在网络切换和数据通信中,会产生一种网络波动下的时频跳变谐振信号,需要对这种网络波动跳变信号进行抑制,以提高网络稳定性。提出一种基于扰动特征分解和前馈调制的网络波动跳变信号抑制算法,构建网络波动跳变信号谐振数学模型,采用射线模型对网络跳变单频脉冲中的波动信号进行传播损失估计,基于多普勒频移算法提取扰动特征,利用混响慢变包络切片把波动跳变信号的能量聚集在扰动方向,在希尔伯特空间上对网络波动跳变信号进行扰动特征分解。设计前馈调制滤波器,实现对网络波跳变信号的前馈调制抑制。仿真结果表明,该算法能有效抑制网络波动跳变中的谐振信号,避免了信息损失,数据传输丢包率得到降低,实时性好,解决了大规模混合组网中启动滞后、服务器负载、颤抖等问题。