乙丙橡胶电缆终端气隙局部放电过程及特征提取

高速列车乙丙橡胶（ethylene propylene rubber，EPR）电缆终端由于制作、安装不规范，导致终端内部出现气隙，气隙部位的局部放电将严重影响高速列车的正常运行. 为了分析气隙缺陷下25 kV乙丙橡胶电缆的局部放电过程及特性，制作了含气隙缺陷的电缆试样，测量了试样自起始放电至击穿全过程的放电参量及局部放电相位（phase resolved partial discharge，PRPD）谱图发展过程，并基于Gaussian金字塔与灰度共生矩阵的方法对放电全过程的PRPD谱图进行了特征提取. 研究表明:根据放电参量的变化规律，可将整个放电过程分为放电发展阶段、放电持续阶段、临近击穿阶段；基于各阶段的PRPD谱图呈现的不同形貌，使用多尺度的灰度共生矩阵方法提取出的角二阶矩、熵、对比度等特征可用于放电阶段的表征.      

模糊专家系统在线谱检测中的应用研究

本文给出了一种线谱检测的组合方法.首先利用双门限线谱检测算法进行初始线谱检测,同时提取频率等线谱特征,在此阶段通过选择低门限,可以保证在低信噪比下无论信号和背景噪声是否平稳都可获得高的检测概率;然后研制了一个简单高效的线谱识别模糊专家系统,根据提取出的线谱特征,进一步剔除噪声点.分析验证表明,由于该算法将线谱检测和特征提取融合在一起,不但提取出了用于目标识别的线谱特征,而且非常宽容,能以高检测概率和低虚警概率自动地检测低信噪比线谱.     

一种新颖的特殊体制雷达辐射源识别技术

对特殊体制雷达信号脉内特征的提取是电子对抗的重要研究课题。论文利用韦尔奇功率谱原理来提取信号识别特征参数,并根据提取出的特征参数设计信号识别模型。首先从多种信号中检测识别线性调频信号、相位编码信号、频率编码信,然后分析特征参数的适用范围和信号环境。最后通过仿真分析来验证特征提取算法和识别方法在雷达辐射源信号识别中的可行性。     

基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

基于层次集成学习的高光谱图像分类

为提高高光谱图像（HSI）分类精度,基于集成学习方法提出高光谱图像分类的层次集成学习新框架。采用两种集成学习策略：外部集成及内部集成。在外部集成阶段,构造多种高光谱图像的光谱和空间特征,使外部集成呈高度多样性,有利于提高分类精度;内部集成阶段,针对关联多特征集中的个体,Adaboost算法实现个体分类性能的提高。两组高光谱数据的实验结果表明,与原始的Adaboost和单分类器相比较,该方法在整体精度方面有更好的性能。     

小波神经网络在基于图象处理的路面破损识别中的应用

由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。     

柴油机故障的特征提取及组合优化方法

采用欧氏距离度量的方法对柴油机故障的特征提取进行了研究,从而设计出柴油机故障的特征提取器,并采用人工神经网络模型进行了验证。     

云计算船舶通信网络的入侵特征提取与检测

为使处于航行状态下的船舶具备良好通信条件,设计一种新型船舶通信网络的入侵提取与检测方法。以云计算环境作为物理搭建背景,通过特征比对序列构建、粗提取算子确定的方法,完成船舶通信网络的入侵特征提取。在此基础上,利用Modbus TCP安全协议,构建基础的船舶通信网络检测证人链,并根据具体网络运行需求,分析所需遵循的检测率,完成云计算船舶通信网络入侵特征检测与提取方法的构建。实用对比结果显示,与常见处理手段相比,应用新型入侵提取与检测方法后,船舶通信网络的基础维护量得到稳定提升,单位时间内信息通量的最大值状态得到有效延伸,具备构建良好船舶通信条件的物理能力。     

基于时-频相干与 RBF 网络的气缸压力识别研究

针对从缸盖振动信号中分离燃烧激励引起的振动信号及其他干扰信号的问题,提出一种基于时‐频相干与神经网络的气缸压力识别方法。首先采用 Morlet 连续小波变换分别将缸盖振动信号和缸压信号在时‐频域内展开,然后采用交叉小波对两信号进行时‐频相干分析,设定相干系数阈值并进行掩膜处理,对所得结果重构便可得到燃烧激励引起的缸盖振动信号。最后,选取8个参数作为评价燃烧效果的特征指标,利用径向基函数（RBF）神经网络估计缸压。研究结果表明：该方法有效地提取了缸盖上的燃烧特征信号,通过 RBF 神经网络估计缸压,逼近于实际缸压变化。     

基于混合密度因子的路面破损自动识别研究

路面破损分类成为限制路面破损自动检测的普及和发展的重要因素．本文在已提出的破损密度因子算法的基础上,进一步设计出了混合密度因子,得到一种基于图像子块分布特征的路面破损识别算法．通过仿真,验证了其对常见的5种路面破损类型进行分类的可行性,并选择了另外一种路面破损分类算法来进行神经网络仿真对比．神经网络的训练样本是两组,测试样本也是两组,进行了四次仿真对比．四次仿真结果都显示混合密度因子算法有很高的识别率．