基于视觉传达技术的红外舰船图像多级融合方法

针对多光谱红外舰船图像质量差影响应用性的问题,提出基于视觉传达技术的红外舰船图像多级融合方法。利用多光谱红外热成像仪采集舰船图像数据,对红外舰船图像实施中值滤波处理,增强图像的视觉传达效果。通过非下采样变换方法,将红外舰船图像划分为高频方向子带与低频子带。依据高频子带融合方法和低频子带融合方法,分别融合红外舰船图像的高频方向子带与低频子带。对融合后的高频方向子带与低频子带实施非下采样逆变换处理,获取红外舰船图像的多级融合结果。实验结果表明,该方法可以实现不同光谱频段红外舰船图像的多级融合,融合后图像的互信息量、边缘信息保留量均高于0.7,有效提升红外舰船图像的应用性。     

舰船卫星导航系统中信号融合误差纠偏技术

舰船卫星导航系统中的信号融合误差纠偏技术是指通过将卫星导航系统的多类型信号进行融合,并对其进行误差纠偏,降低信号噪声的同时,改善当前的信号质量,从而提高舰船卫星导航的精度和可靠性。本文首先对舰船卫星导航的坐标系进行详细介绍,分析舰船卫星导航系统的噪声类型和特点,结合分数阶Fourier变换技术搭建了一种舰船卫星导航系统的信息融合平台,对于改善舰船卫星导航的信息精度有重要意义。     

磁悬浮球的自适应径向基函数控制方法研究

磁悬浮是集众多学科为一体的高新技术,具有无摩擦、清洁环保和安全可靠等优点。而悬浮控制作为磁悬浮技术的核心引起了人们的关注。以单点磁悬浮球作为研究对象,由于磁悬浮球系统具有高度非线性、随机不确定性和时滞性等特点,采用其他传统控制算法往往会引起系统超调量过大和响应速度过慢等问题。针对此类问题,提出一种不依赖于精确数学模型的自适应径向基函数(A-RBF)控制算法,以此实现磁悬浮球的稳定悬浮和获取系统满意的动态性能。首先建立磁悬浮球的非线性数学模型;其次通过非线性坐标变换得到磁悬浮球的线性数学映射模型;然后设计出A-RBF算法中相应的控制律和自适应律,并利用Lyapunov函数验证该算法的稳定性;最后通过不同的评判指标进行SMC和A-RBF算法的比较验证。仿真结果表明：由于A-RBF算法未忽略磁悬浮球系统中的高阶项,因此它不仅具有较快的响应速度和较小的超调量等优点,而且还具有适应系统参数变化范围大的能力。当依次输入正弦和方波信号作为输入时,A-RBF算法的跟踪效果最佳,其次为SMC。实验结果表明：当外部扰动存在时,A-RBF算法不仅实现了磁悬浮球的稳定悬浮,而且其误差仅在0.2 mm之内,并且...     

改进小波变换的船舶射频信号降噪和识别

针对船舶射频信号受通信环境因素及硬件多源噪声的广泛复合因素影响而包含多种频段的噪声,在实时检测中造成有效信号检测率低、误差大的问题,本文设计一种船舶射频信号噪声降噪和识别的软硬件结合的仿真系统。将获取到的船舶射频信号经A/D转换电路转换后,在小波抑制模块分解得到小波系数,并采用改进阈值小波滤波后重构信号,送入信号识别模块利用概率神经网络进行识别。实验结果表明：本文提出的降噪识别方法能够有效地降低信噪比,提升船舶射频信号的识别率,可以应用到实际的船舶射频信号的检测系统中。     

基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取;为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征,上通道使用一维CNN,为使输入的二维时频域信号能多角度地反映出信号的细微局部变化,下通道使用二维CNN;在融合层中将上下通道特征自动融合成一个新的深度时频特征,并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别;在此基础上,分析了某局机务段实测的7种机车轴承数据,验证了本文方法的实际工程应用价值。研究结果表明:基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%,与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比,平均诊断精度分别提高了0.7%、1.9%和2.2%;本文方法提取的深度时频特征中每类故障分布间隔规则有序,类内间距很小,而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则,类内间距较大,说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越,是一种解决机车轴承故障诊断问题的有效模型。      

基于傅里叶变换的斜拉索振动频率识别研究

文章基于乌江二桥拉索振动频率监测实践,应用傅里叶变换的方法对斜拉索振动传感器实时采集到的监测信号进行分析。为保证实测拉索基频索力值的准确性,采用峰值一功率谱频差法和峰值一倒频谱分析法分别识别拉索的基频,并将二者识别的结果进行了比较。     

基于HHT的船舶综合电力系统故障时间定位新方法

针对强噪声环境下船舶综合电力系统故障时间定位精度不高的问题,提出一种基于Hilbert-Huang变换(HHT)和自适应软阈值法的船舶综合电力系统故障时间定位新方法。首先,电能信号经EMD分解为若干固有模态函数(IMF),对第一个IMF分量进行Hilbert变换得到其瞬时幅值向量。然后,在分析故障波形变化规律的基础上,定义并计算故障信号的瞬时幅值差分向量。最后,设计一种自适应软阈值处理方法,将瞬时幅值差分向量变换为故障时间特征向量,经加权均值后,实现故障时间定位。仿真试验结果表明,该方法能够精确定位不同强度噪声下的故障起止时间,在1 k Hz采样频率下精度为0.88 ms,适用于实际船舶综合电力系统故障的时间定位。     

一种电晕可听信号中环境噪声的检测方法

检测电晕可听信号易受复杂环境噪声的干扰。针对在强噪声背景下难以检测环境噪声的难题,利用能量熵能反映出信号中细微能量变化和能量统计复杂度对干扰具有较强鲁棒性的优点,在基于小波分解的条件下,将两者的优点相结合,得到新的特征值?。通过检测该特征值的大小,能准确检测出环境噪声的位置,为消除环境噪声提供了理论依据。仿真和实例表明,该方法即使在环境噪声较弱时,也能得到较高的检测精度。     

改进HHT端点延拓方法在波浪信号处理中的应用

海洋数据是多尺度动力信号的表征,具有极强的不稳定性和非线性性。HHT方法是一种较新的时频分析方法,在非线性非稳定信号处理方面具有明显的优越性,因而在各个领域得到广泛应用。然而,端点效应是HHT方法中的难题,在样条拟合中极易出现端点"飞翼"现象,从而"污染"到内部数据,造成大量数据失真。提出对称5点延拓的方法,通过对比传统HHT方法与改进HHT方法在仿真信号和波浪实测数据信号的EMD分解结果,表明改进HHT方法在波浪信号处理中更具实用价值。     

基于FRFT的强时频干扰抑制方法

混响是影响双基地或多基地声呐对水中目标探测识别的最主要干扰,提高抗混响能力对识别水中目标有极其重要意义.本文针对混响对目标回波的强时频干扰特性,基于分数阶傅里叶变换所具有的时频耦合分离特性,研究一种基于分数阶傅里叶变换的强混响抑制方法,并进行模拟仿真和水池测试研究,研究结果验证算法的有效性.本算法适用于信号形式为线性调频的宽带信号抗混响干扰,将脉冲信号在分数阶变换域进行尺度压缩,进而将目标信号和干扰信号在变换域中进行分离,有效达到抗混响的目的.