基于频谱相关性分析的齿轮早期磨损诊断

基于振动分析的齿轮故障检测已被证明在故障识别中是有效的,但对表征早期磨损的振动信号的提取和识别仍没有得到很好的解决.本文提出一种基于频谱相关性分析的变分模态分解(VMD)和核支持向量机(SVM)相结合的齿轮早期磨损诊断方法,对能够揭示早期磨损状态的微弱齿轮振动信号采用近似完全重构的准则来初始化模式数,并采用信号功率谱密度最大值对应的频率初始化VMD方法的中心频率,用以有效提取齿轮磨损信息,进而结合核支持向量机进行齿轮的早期磨损诊断.实验结果表明,所提方法可有效克服背景噪声大无法预设模式数的问题,对噪声具有更好的鲁棒性,诊断准确率达到94.4%,可为齿轮早期磨损检测提供解决方法.

基于散射机理分类与频谱相关性分析的极化SAR人造目标鉴别

已有极化SAR人造目标鉴别方法通常仅利用较为简单的特征来区分目标与杂波,用于鉴别的信息量有限。针对这一不足,本文提出一种基于散射机理分类与频谱相关性分析的鉴别新方法。该方法充分利用人造目标与自然杂波在散射机理类型及频谱相关性等方面的差异进行目标鉴别,不同类型鉴别信息的综合利用使本文方法具有理想的鉴别效果。基于E-SAR全极化SAR实测数据验证了本文方法的有效性和优良性能。

一种基于参考图频谱相关的模糊参数判别方法

对于模糊图像的复原,模糊模型参数判别的准确性是一关键,针对大尺度模糊图像有效细节信息的丢失,噪声等干扰对模型特征的减弱,以及实拍图像的频谱特征不明显等问题,提出了一种基于参考图像频谱相关性的模糊参数判别方法,将一幅清晰图像按照不同模糊参数进行模糊处理,并与待复原图的频谱进行相关性分析计算,以获得准确的模型参数。实验结果证明,该方法能够适应大尺度散焦模糊,具有较强的抗噪性并且适应实拍的散焦模糊图像复原。

基于车辆音频谱相关的车速估算技术研究

目前,大多车检技术和车速检测技术都存在着不足,如成本高、安装繁琐、不便维修和对临时调查项目适应性差等。针对这些不足,探索了一种新的车辆速度测量方法,以运动车辆的音频的多普勒效应为出发点,以音频频谱的拉伸(压缩)与多普勒效应参数——速度的关系为研究内容,用频谱相关性去评价拉伸(压缩)后的频谱相似程度,从而推算出车速。

基于参考图相关系数分析的运动模糊参数估计

退化模型点扩散函数（PSF）的准确估计是图像复原的关键。针对匀速直线运动模糊PSF参数未知的情况，提出了一种基于参考图频谱相关系数分析的模糊参数估计方法。利用模糊图像的二次傅里叶频谱图所呈现的运动模糊方向特征，将一幅清晰的参考图像以固定模糊尺度、不同模糊方向模糊处理，求取与待测模糊图像二次频谱的最大相关值预估模糊方向，方向误差可以通过定义的调节矩阵限制在小范围区间内，进而在一次频谱中准确计算模糊方向和模糊尺度。实验结果表明，该方法对任意方向、模糊尺度在10〈L≤80范网的无噪模糊图像的角度和尺度估计均无误差；对添加方差在0．001—0．01的高斯白噪声模糊图像，角度估计的最大绝对误差为3°，尺度估计的最大绝对误差为2个像素。

某纯电车型车内空调轰鸣声优化

针对某小型纯电汽车怠速开空调时存在轰鸣声问题,运用频谱相关性分析、振动噪声源传递路径分析、CAE仿真分析等手段,找到了车内产生轰鸣声的原因,是由于开空调后压缩机在3800rpm,频率在63Hz附近振动较大,通过电驱动力总成后悬置Z向传递至车身与车内声腔模态耦合,产生轰鸣声;最后牺牲空调系统制冷性能,通过降低压缩机最高转速至3400rpm,使压缩机激励转速与整车声腔模态解耦,最终解决该问题。

基于CFA插值特性不一致的图像真伪鉴别

单传感器数码相机一般通过颜色滤波阵列(color filter array, CFA)插值得到彩色图像.利用CFA插值特性检测图像篡改,根据插值图像与理想全色图像的频谱差异分块提取频谱变化和色度失真特征以反映CFA插值特性,计算重插值前后的插值特性变化作为取证特征;使用支持向量机(support vector machine, SVM)分类并根据相邻块间取证特征的不一致来鉴别图像真伪.实验结果表明:该方法可以有效辨别篡改图像,且对JPEG压缩有较好的鲁棒性.

基于低秩和稀疏模型的高光谱图像快速去噪方法

随着高光谱遥感影像(HSI)研究热点的不断上升,影像的去噪工作越显重要。利用HSI影像的特殊特征(频谱间强相关性和低秩子空间等)和混合噪声的特性,提出了基于低秩稀疏矩阵分解的迭代算法,用以除去多种类型的混合噪声。这里提出的算法SLRMS(Subspace Low-Rank Matrix and Sparse Matrix Factorization)充分利用HSI频谱低秩特性,在低秩和稀疏正则化的约束下迭代达到去噪的效果。提出的算法在模拟小数据集Indian pines和大数据集KSC(Kennedy Space Center)上去噪后的视觉效果和定量评价指标,均表现优越且运行所费时间极低。