基于长序列的航空发动机剩余使用寿命预测方法

针对多传感器长序列数据下航空发动机剩余使用寿命预测方法存在预测准确度不足的问题,提出一种基于堆叠膨胀卷积神经网络(SDCNN)的航空发动机剩余使用寿命预测方法。将多传感器长序列数据归一化处理,降低因量纲和取值范围不同引起的误差;构建预测目标函数表征航空发动机的真实退化情况;搭建基于SDCNN的预测模型,扩大模型感受野,提取数据中的长期、深层和全局时序特征用于回归分析,得到航空发动机的剩余使用寿命预测结果;采用Hyperband优化算法和StratifiedKFold交叉验证方法优化模型,提升模型预测准确度和不同条件下的适应性,并采用商用模块化航空推进系统仿真(C-MAPSS)数据集验证所提方法的有效性。在C-MAPSS中FD003数据集上的实验结果表明:所提方法可有效提高基于长序列的航空发动机剩余使用寿命预测准确度,模型预测准确度得分指标明显降低32.62%。

多径环境下异步长码直接序列码分多址信号伪码序列及信息序列盲估计

针对低信噪比(SNR)下存在多径效应的传统单通道异步长码直接序列码分多址(DS-CDMA)信号伪码序列(PN)及信息序列难估计问题,该文提出一种基于平行因子的多通道盲估计方法。该方法先将接收到的多径信号建模为多通道模型,然后将长码DS-CDMA信号建模成短码DS-CDMA信号的缺失数据模型,形成观测缺失数据矩阵,并将其等效为缺失平行因子模型,最后利用正则交替最小二乘法(ALS)对缺失平行因子进行低秩分解,实现多径环境下长码DS-CDMA信号各用户伪码序列及信息序列的盲估计。仿真结果表明,序列的估计性能与多径环境密切相关,且在莱斯因子为10,多径路数为3,通道数为4,用户数为6,信噪比大于–10 dB的条件下,伪码序列及信息序列的估计错误率均低于1%。

低信噪比长伪码直扩信号的盲估计方法

为了解决低信噪比长伪码直扩信号的盲估计难题,提出了一种长伪码直扩信号的相关矩阵累加平均结合特征分析的新方法。本方法是在已知长伪码直扩信号的扩频码周期、码速率等参数,并且信息序列不相关的前提下,将接收到的长伪码直扩信号以一随机确定值为起点进行周期分段形成连续多个观察向量,求其相关矩阵并累加平均,并实施特征分析以得到相关矩阵的特征值和信号所含主成分,由相关矩阵的特征值可以估计出信号所含的噪声方差、信号信噪比和信号分段时随机确定的起点,由主成分特征向量还可以进一步估计出观察信号的扩频码序列。本文所提出的方法充分分析和推导了长伪码直扩信号的特征结构,提出了对长伪码直扩信号盲估计的核心基础算法,该算法可以有进一步应用于长伪码直扩信号盲解扩的潜力。本文提出的方法并不象已经提出的其他算法,其对长伪码扩频信号的盲估计性能可以随着观察向量个数的增加逐步得到改善,而且该方法可以应用于任意类型的扩频码、信息码,在理论上能工作在任意强度的加性高斯白噪声环境下,并且不需要事先提取任何定时同步信息。理论分析和数值结果表明了本方法较为鲁棒不易受到噪声影响。