基于多通道卷积神经网络的柴油机复合故障诊断

针对复合故障诊断精度较低的问题,开展了柴油机多故障模拟实验,构建了基于AlexNet改进的多通道二维卷积神经网络模型,采用短时傅里叶变换将一维振动信号转换为二维时频图,导入构建的模型进行训练,实现特征自适应提取的故障诊断。将诊断结果与单通道卷积神经网络诊断结果比较发现:单通道卷积神经网络诊断只有在测点设置靠近故障源的情况下才能够获得较高的故障诊断准确率,否则诊断准确率明显降低,且复合故障诊断精度较低;多通道卷积神经网络的单故障和复合故障诊断精度均得到了提升,其中复合故障诊断精度提升了11.4%。

基于图卷积神经网络的室内穿墙无源目标检测算法

针对室内穿墙场景下目标状态差异而导致的信道状态信息(Channel State Information,CSI)功率谱密度在时序发生相应变化规律的不同,本文提出了一种基于图卷积神经网络(Graph Convolutional Neural,GCN)的室内穿墙无源目标检测算法.不同于传统的基于CSI的统计特征实现目标检测的相关系统,该算法从CSI的图域出发,基于CSI时频图特征构建得到GCN图结构后,使用可实现对复杂图中各节点进行分类的GCN作为分类器,提高了室内复杂环境下目标检测的性能.该方法在对原始CSI进行异常值去除和小波阈值去噪的基础上,利用短时傅里叶变换得到每个子载波上CSI幅值的时频图;然后根据各子载波CSI时频图特点,将存在能量的频率平均分为5个频段,再计算每个频段的平均功率谱密度,并在每个时序对其进行排序;最后基于对平均功率谱密度排序后各频段索引的变化规律构造GCN图,并将其邻接矩阵和特征矩阵输入GCN网络中进行训练,最终实现图节点特征与目标状态的一一映射.实验结果表明,在玻璃墙和砖墙场景下,本文提出的算法能够很好地刻画目标状态不同而导致的CSI功率谱密度变化规律的差异,且其平均检测准确率均高于现有的R-TTWD(Robust device-free Through-The-Wall Detection)和TWMD(The-Wall Moving Detection)目标检测算法.

从多相滤波视角阐释滑窗DFT多路输出的特性

滑窗离散傅里叶变换(Discrete Fourier Transform, DFT)是目前工程上最常用的信号时频分析工具,但目前对滑窗重叠度以及滑窗DFT的物理意义的阐释并不透彻。针对这一问题,在简要回顾了两种形式的滑窗DFT和两种形式的多相滤波实现流程的基础上,从多相滤波视角对滑窗DFT多路输出的特性进行了全新的阐释,指出了窗口不交叠的滑窗DFT与简化形式的多相滤波之间的等价关系,以及窗口部分重叠的滑窗DFT与常规形式的多相滤波之间的关联关系,并通过仿真验证了上述分析的正确性与有效性。从而为基于滑窗DFT的多信道并行滤波处理、信号时频分析、子信道信号提取与分离等工程应用提供了理论指导与应用参考。

基于深度学习网络融合的自动调制分类方法

基于深度学习网络的自动调制分类(Automatic Modulation Classification, AMC)方法虽然对大多数通信调制信号能够取得满意的分类效果,但对WBFM(Wide Band Frequency Modulation)信号和MQAM(Multiple Quadrature Amplitude Modulation)信号的分类并不理想。针对WBFM信号误判的问题,使用判决法来筛选WBFM信号;考虑到信号样本不平衡的情况,引入数据增强方法扩充筛选后的WBFM信号。针对MQAM信号混淆的问题,利用分数阶傅里叶变换(Fractional Fourier Transform, FRFT)获取时频维度更多的特征信息。在此基础上,提出一种基于特征金字塔网络和长短时记忆网络并联的多通道特征融合网络(Multi-channel Feature Fusion, MFF)来提取信号的深层特征和浅层特征进行分类。实验结果表明:本文所提方法在一定程度上能够解决WBFM信号的误判问题和MQAM信号的混淆问题;与CNN(ConvolutionalNeuralNetwork)、ResNet(ResidualNetwork)、LSTM(LongShortTerm Memory)、CLDNN(Convolutional Long Short-term Deep Neural Network)网络相比,所提网络具有更高的分类准确率。

基于Retinex理论的暗光图像增强算法

为了解决现有的目标检测、跟踪等视觉算法在暗光场景下出现的检测率下降问题,提出了一种基于Retinex理论的暗光图像增强算法。在分解网络中将图像的暗通道作为先验补偿;在降噪网络中设计一种多分辨率递归集合模块,以避免上采样时损失信息,同时编码多尺度的上下文信息;在光照恢复网络中使用快速傅里叶变换和复数卷积进行高频信号增强。所提算法在公开数据集LOL、LSRW上的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)指标分别达到了22.408 dB、0.875和18.901 dB、0.691,均优于当前主流算法。

多通道稀疏图变换网络用于早期阿尔茨海默病识别

目前阿尔茨海默病(AD)尚无有效的防治方法,早期临床干预可以延缓其进展,改善预后。然而现有的方法只考虑从群体关系中学习到的神经影像学特征而不考虑被试的个体特征。本研究设计了一种新颖的多模态多通道稀疏图变换网络(MSGTN)以期实现早期AD识别。首先,获取并处理每个被试者的影像信息[如弥散张量成像(DTI)和功能磁共振成像(fMRI)等]以及其相应的非影像信息(如年龄、性别等);其次,利用局部加权聚类系数(LWCC)将功能信息和结构信息进行融合,并将已融合的多模态影像特征与受试者的性别和年龄信息相结合来构建稀疏图;最后,将构建的稀疏图输入所设计的MSGTN网络模型用于早期AD识别。从公共数据库ADNI上获得共170个受试者,其中38个晚期轻度认知障碍(LMCI)患者,44个早期轻度认知障碍(EMCI)患者,44个显著记忆下降(SMC)患者和44个正常对照(NC)。结果表明,SMC与NC的准确度为87.02%,EMCI与NC的准确度为87.40%,LMCI与NC的准确度为91.49%,SMC与EMCI的准确度为88.93%、SMC与LMCI的准确度为86.74%、EMCI与LMCI的准确度为92.12%。所提出的诊断模型不仅能够分析出NC与3种不同早期AD疾病状态,而且在3种不同早期AD疾病状态中也取得了优越的分类性能。

基于FFT的星上多路FDMA/FSK信号解调研究

提出了一种基于FFT的星上多路FDMA/FSK信号解调算法。首先分析了该算法的基本原理,证明了其性能与FSK信号理想非相干解调性能相同,同时提出了利用FFT进行频差估计的算法;对系统进行了性能仿真,仿真结果与理论分析一致;该算法实现简单、复杂度低,适合星上处理。

云计算环境下多信道均衡方法研究与仿真

在云计算环境下的多信道均衡方法研究过程中,由于采用当前的算法进行多信道均衡时存在幅度和相位响应上的差异,造成了辨识度低、误差大的问题。为此,提出了一种改进贪婪算法的云计算环境下的多信道均衡方法,首先用部分训练序列来进行信道估计,根据其结果组建带有伪噪声(PN)序列的循环观测矩阵,在云计算环境下融合于正交匹配追踪算法(OPM)估计信道系数,然后,根据频域采样抽取原理,利用傅里叶变换(FFT)与逆变换(IFFT)将信道系数求均衡逆滤波器问题变换为一个贪婪迭代过程,抑制了原滤波器的影响,得到最优的滤波器系数。仿真结果表明,改进贪婪算法的云计算环境下多信道均衡方法效率高,复杂度低。

一种适合DFT扩频广义多载波系统的导频辅助信道估计方案

提出一种适合离散傅里叶扩频广义度载波系统(DFT-S-GMC)的信道估计方案.首先根据DFT-S-GMC的数据的频域特点,将导频子载波和数据特定映射的子带建立一一对应的关系,然后根据这种对应关系,在频域上直接估计出特定数据子带的信道频率响应,而非特定子带的信道频率响应不做估计.仿真结果表明,所提出的信道估计方案的性能优于传统的信道估计方案,并且节省了导频资源,降低了信道估计的复杂度,是一种适合DFT-S-GMC系统的有效的信道估计方案.

基于图信号处理的MVDR波束形成多通道语音增强

新兴的图信号处理技术已经在不规则且复杂的信号处理上取得了许多研究成果,但基于图信号的多通道语音处理研究尚处于起步阶段。文中提出了一种基于图信号处理的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成方法来进行多通道语音增强。首先,考虑阵列之间位置关系与相位差的联系,定义了一种新的多通道语音邻接矩阵权值,在此基础上构建多通道语音图信号。然后,通过联合通道间图傅里叶变换和帧内图傅里叶变换,定义了多通道图傅里叶变换,在此基础上提出了图频域的MVDR方法来进行多通道语音增强。仿真表明,与传统数字信号处理中的MVDR波束形成方法相比,文中提出的基于图信号处理的MVDR波束形成方法明显提升了增强语音的质量和可懂性。

FRFT在水声信道时延-频移联合估计中的应用

由于水声信道的复杂性和多变性,信号在水声信道传播中将伴随着多径时延与多普勒频移,二者是水声信道估计中两个重要的参数。基于分数阶傅里叶变换(fractional Fourier transform,FRFT)的时延和频移特性,提出一种采用多分量线性调频(linear frequency modulated,LFM)信号的水声信道估计方法,通过分析分数阶傅里叶域上峰值的偏移,联立不同阶次的时延和频移方程,可得到水声信道的时延和频移值。理论推导及仿真结果表明,该方法计算量小,且随着LFM信号分量数和调频率差值的增大,能在一定程度上减小估计的时延误差和频移误差。水池实验中选用具有相反调频率的双LFM信号作为估计信号,估计出多径时延与运动目标的多普勒频移,并给出了水下目标的运动速度。实验结果表明,FRFT估计法简单有效,在水声信道多径时延与多普勒频移估计上具有较好的实际应用价值。

一种新的MIMO-OFDM自适应信道估计算法

基于经典的多输入多输出-正交频分复用(MIMO-OFDM)系统离散傅里叶变换(DFT)信道估计方案,提出了一种新的自适应信道参数估计算法,该算法能在一个OFDM导频符号内准确地估计出信道冲激响应、多径时延和噪声方差.首先通过DFT信道估计得到初步估计值;然后提出了联合估计算法估计出各个接收天线上的噪声方差和多径时延,利用多径时延估计值提取信道初步估计中多径点上的信息,有效去除非多径采样点上的噪声.仿真和分析表明,相比传统固定多径数目的估计算法,该算法能自适应地跟踪信道噪声能量和多径时延的变化,提高信道估计的精度.

改进的多通道系统频域信道均衡算法

在多通道系统中,通道之间的幅相不一致性往往会使系统的性能恶化。在基于阵列天线波束形成过程中,各通道之间的幅相不一致性会使阵列波束方向图发生畸变;在基于阵列的测向系统中,通道之间的不一致性会使测向伪谱噪底抬高,分辨率降低,因此进行信道均衡就显得特别重要。针对宽带多通道系统,在常规频域均衡算法的基础上提出了改进的频域均衡算法。本算法利用频域采样抽取的思想,并充分利用快速傅里叶变换(FFT)和快速傅里叶逆变换(IFFT)避免了矩阵乘法和求逆运算,大大降低了计算量,利于实际工程实现。仿真分析了该均衡算法的性能,验证了其有效性。

继电保护中多路模拟量采集系统的设计

介绍了一种基于高性能浮点DSP芯片TMS320C32、CPLD芯片XC95288和A/D采样芯片AD976组成的多路采集系统的工作原理以及设计方法。通过对第一路施加特殊的电压量,在CCS开发环境下读取采样缓冲区的值,并利用Matlab对采样数据进行了全波傅氏变换。此外,该系统已在继电保护中得到广泛应用,实践表明,该系统能较好地解决多路模拟量的采集,并确保了采样数据的安全可靠性。

多通道声呐接收机幅度相位误差补偿方案

多通道声呐接收机的预处理电路由于器件的不一致性,会给后端信号处理带来幅相一致性固定偏差。通过对信号参数测量方法的研究,受多通道雷达幅相均衡的启发,提出了一种基于快速傅里叶变换(FFT)的误差补偿方案,采用FFT测量固定偏差和输入水声信号频率,通过复数相乘实现补偿。该方案为一附加现场可编程门阵列(FPGA)模块,对接收机原结构没有影响。仿真结果表明,补偿后的输出信号幅度误差小于1%,相位误差小于1o,且校正附加延时非常小。

基于超复数FFT的极化SAR图像匹配方法

极化合成孔径雷达(SAR)图像匹配是修正惯性导航累积误差及提高导航精度的重要手段。针对已有方法在匹配时未充分利用极化信息的问题,提出了一种基于超复数快速傅里叶变换(FFT)的极化SAR图像多通道联合匹配方法。首先,提出了一种基于Pauli分解的极化SAR图像超复数形式,实现了单通道图像处理方法的间接升维;然后,对其进行偶对分解及FFT;最后,通过计算超复数相位相关,获取待匹配极化SAR图像的匹配位置。该方法将多通道极化SAR图像作为三维空间的3个矢量,在匹配时充分利用了极化信息。试验结果表明,即使在极化SAR图像间存在局部差异及包含乘性噪声情况下,该方法仍能获得精确的匹配结果。

基于射频直采架构的微小型数字信道化接收机仿真

给出了基于射频直采架构的微小型数字信道化接收机的仿真验证,阐述了微小型信道化接收机的优势所在;在临界抽取和非临界抽取2种情况下,分析了基于偶型和奇型排列的多相离散傅里叶(PDFT)变换架构的信道化设计,给出了处于临界和非临界抽取情况下的基于偶型PDFT结构的数字信道化接收机仿真验证。

一种基于多通道卷积神经网络的小齿轮轴裂纹诊断方法

分析现有轨道车辆小齿轮轴故障诊断的技术特点,提出一种基于多通道卷积神经网络的小齿轮轴裂纹诊断方法。对轨道车辆电机输出端附近的振动加速度信号进行短时傅里叶变换,得到二维时频复数矩阵。将二维时频复数矩阵拆解成多通道后,压缩到统一大小,输入到CNN中训练获得诊断模型。通过小齿轮轴实测信号验证了本文方法的有效性与泛化能力,诊断精度高达98%,优于单通道二维时频矩阵变换后输入到CNN模型。该方法为小齿轮轴裂纹故障诊断提供了新途径。