声矢量传感器中匹配滤波输出的频域后置处理

为了提高低信噪比条件下声呐系统的探测性能,本文提出了基于声矢量传感器的匹配滤波频域输出后置处理方法,对声矢量传感器中匹配滤波频域输出后的不同通道间的信号做卷积联合处理和自适应线谱增强,改善时域输出脉冲强度。通过计算机仿真试验验证了所提方法的理论基础,同时进行了性能对比与分析,验证了其可行性;通过湖上试验数据处理验证了所提方法在实际应用中的有效性。本文方法能够有效地提高低信噪比环境中匹配滤波对声信号的检测能力,与常规匹配滤波处理相比检测概率更高,检测效果更好。

观测噪声对频域输入输出法数据融合的影响

以融合大地水准面高和重力异常数据精化局部大地水准面或重力异常为例,利用模拟数据分析了不同大小的观测噪声和非稳态误差对数据融合结果的影响。模拟结果表明:双输入单输出法融合处理不同大小的观测噪声和非稳态误差数据均能获得较满意的结果。

非线性输出频域响应函数的自适应辨识算法及应用

为解决非线性输出频域响应函数(NOFRF)模型用于模拟电路系统故障诊断时,传统辨识算法需多次激励计算过程耗时长的问题,提出了NOFRF的频域自适应辨识算法(NOFRF-BLMS),该算法构造了NOFRF的输入观测向量与核向量,从而可将NOFRF表示成一个伪线性结构.根据块最小均方(BLMS)原理及约束优化理论,推导出满足最小均方误差指标的NOFRF自适应辨识迭代计算公式,采用输入功率普迭代估算学习因子,由输出误差构造残差向量.NOFRF-BLMS通过在线学习方式,只需一次激励即可辨识出NOFRF,使辨识过程大幅度简化,缩短了辨识时间,具有更强的噪声抑制能力.实验结果表明,NOFRF-BLMS在相同的辨识精度下,耗时仅为传统算法的3%,且故障判断准确.

基于非线性频谱特征及核主元分析的模拟电路故障诊断方法

针对模拟电路基于非线性输出频域响应函数(NOFRF)模型进行故障特征提取时,具有维数多、数据量大的特点,提出了采用核主元分析(KPCA)和多类别支持向量机(MSVM)进行故障模式判别的新方法(KPCA-MSVM)。该方法首先采用KPCA对特征向量进行维数压缩、消除变量之间的非线性;其次构造MSVM分类器,在PSpice环境下通过蒙特卡罗仿真生成模拟电路在各种故障状态下的数据,对MSVM分类器进行训练,将训练好的MSVM分类器用于模拟电路的故障状态识别。通过对Sallen-Key带通滤波器模拟电路的故障诊断结果表明,该故障诊断方法对模拟电路参数型故障有很好的识别、定位能力并具有速度快和准确率高的特点。

频域输入输出法精化大地水准面的适用性研究

频域输入输出法在计算效率上的优势,使其在局部重力场逼近中受到广泛关注.选取Moritz协方差函数模型,通过非线性最小二乘法拟合协方差函数模型系数,采用相关法估计功率谱密度函数,顾及"移去-恢复"技术,构建基于频域输入输出法的大地水准面精化模型.设计了以EGM2008模型重力异常为基础数据,计算大地水准面高的仿真试验,量化分析了相关距离选取的问题.结果表明:只要选取的相关距离不小于1倍的相关长度,该模型即能满足当前厘米级大地水准面的要求;在此基础上,对该模型进行了精度评估,在3种不同观测噪声下算得的大地水准面精度高分别为7.15,8.37和8.91cm,优于同等观测精度下Stokes法的计算结果.

基于NOFRF的脉冲式雷达快速故障诊断方法

脉冲式雷达在传统测试中需要通过大量的性能参数测试,来判断雷达是否处于正常状态,测试过程步骤复杂且耗时长。为克服脉冲式雷达传统测试中存在的缺点,提出了一种新型的采用非线性输出频域响应函数(Nonlinear Output Fre-quency Response Function,NOFRF)模型的快速故障诊断方法。首先利用脉冲式雷达的发射机在发射射频信号时会通过收发开关将一小部分射频信号送入接收机的特点,将雷达予调脉冲信号和雷达接收机检波器的视频脉冲信号分别看作雷达系统的输入激励和输出响应,因此可将整个雷达系统看作是一个具有输入输出端口的黑匣子,便于根据NOFRF模型对其进行建模。其次采用NOFRF的快速自适应辨识算法对雷达的各阶NOFRF核进行辨识,然后以各阶NOFRF核的功率积累量作为故障特征量,对雷达的健康状态进行快速识别。通过某型武器系统脉冲式雷达机的故障诊断验证,证明所提方法的有效性。