基于二值HT的多LFM信号检测

Wigner-Ville分布对于单分量LFM信号有很好的时频聚集性,但WVD是二次型变换,故对信号环境中复杂的多LFM信号不可避免的存在交叉项的干扰。HT可以消除交叉项的影响,能够很好的对多个LFM信号进行检测,但存在大信号淹没小信号的现象。提出二值HT能够很好的解决上述问题,为多LFM信号的检测技术提供理论依据。     

基于WVD和Hough变换二值积累的信号检测方法

WVD-Hough变换是检测多分量线性调频信号的有力工具,但当多分量线性调频信号能量相差较大时,采用WVD-Hough变换进行检测,就会导致强信号对应峰值的平台将弱信号所对应的峰值掩盖掉。虽然可以通过基于＂CLEAN＂思想的算法将信号一一检测出来,但带来的计算量急剧增大。为此在WVD-Hough变换的基础上提出了基于WVD-Hough变换的二值积累方法,该方法可以同时检测出强信号以及被强信号平台掩盖的弱信号,具有很大的实用价值,仿真的结果验证了算法的有效性。     

基于时间序列与小波分析的船舶柴油机故障诊断

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号.采用时间序列分析方法对船舶柴油机缸盖振动信号功率谱进行识别,采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断.     

移动荷载下粘弹地基上刚性道面板响应分析

文中以一种更符合机场刚性道面实际情况的力学计算模型——移动荷载作用下粘弹性地基上无限大弹性薄板系统来研究道面弯沉的求解。应用线性系统的叠加原理和坐标变换,建立求解系统的动力响应广义积分公式,把运动荷载问题转化为获取位移脉冲响应函数。利用拉普拉斯和汉克尔变换求解板在瞬时点源荷载作用下的解,再结合广义积分得到道面板在移动荷载作用下的弯沉解析解。     

基于路面不平整度的车辆振动响应分析方法

为了分析路面与车辆的相互作用,提出了四自由度1/2车辆模型相对于不平整路面耦合振动分析方法。根据GB/T7031-1986建议的公路路面功率谱密度的拟合表达式,在分析了运行汽车固有振动频率和行驶速度的影响后,获得分布在一定频率范围内的离散功率谱密度数据,利用离散傅立叶逆变换得到路面不平度值,并以此作为1/2车辆垂向动力学模型的输入激励,通过数值仿真得到运行车辆系统在不同路面不平整度下的时域响应。分析结果表明:车辆动荷载系数随车速增大呈线性增加,随路面等级变差呈非线性增大,路面等级是影响车辆动力作用的最显著因素。     

基于分数阶傅里叶变换的声呐探测信号鉴别

针对水下声发射源较多,为能准确鉴别敌我声呐发射源问题.利用数字水印技术,结合分数阶傅里叶变换(FRFT)的良好时频特性,提出了基于分数阶傅里叶变换的声呐水印方法,通过在声呐信号的分数阶傅里叶变换域进行数字水印的嵌入,结合声呐信号在分数阶傅里叶变换的系数特性,选择合适的水印位置.利用嵌入前与嵌入后信号的特性自适应设定水印检测阈值,实现对声呐信号的鉴别.通过仿真分析验证了该方法的可行性,在仿真结果中示出该方法在保证具有较高的分辨力,以及较大的水印容量的同时,水印的鲁棒性较好,检测精度得到了进一步的提高.     

一种基于边缘颜色的彩色车牌定位算法

为解决车牌识别中车牌定位问题,根据车牌局域颜色变化、车牌宽高、车牌中字符数及车牌中字符颜色变化等特征,提出了基于边缘颜色的车牌定位算法;通过实验,证明了该算法能够有效地克服光线和天气变化的影响,具有很强的抗干扰性能、定位精度高达98.4%.     

基于子波能量和神经网络分类器的机动车车型识别

为了使交通管理系统能进行可靠的机动车分类,研究了轿车、轻型越野车和货车3种机动车目标的声信号,提出了一种采用子波分解后不同尺度上声信号能量作为特征向量的特征提取算法,并设计了kNN(k近邻)分类器和改进BP神经网络分类器用于目标分类。目标识别和分类试验结果表明:所提出的特征提取算法能够很好地体现不同类型目标之间的差异,提取的特征向量稳健;设计的改进BP神经网络分类器的分类精度可达92.6%,且分类效果优于kNN分类器。     

基于LabVIEW管道泄漏检测系统的研究

介绍了管道泄漏检测系统的设计原理.利用LabVIEW中的小波分析函数对采集到的信号进行处理,并利用小波变换模极大值捕捉压力信号的突变点,从而得出负压波传播到上下游监测点的时间差,进而利用负压波定位原理进行泄漏点的定位.另外,对于优化程序内存和提高CPU的利用率提出了一些有效的解决方法.     

基于主元分析的车牌图像倾斜校正新方法

为解决机动车牌图像倾斜将对其字符分割与识别带来不利的影响,提出一种基于主元分析(PCA)的车牌图像倾斜校正新方法。在该方法中,PCA被用于求取坐标变换矩阵以进行图像旋转修正。将原始的像素坐标矩阵经过中心化后转换为2维协方差矩阵,再奇值分解为能反映图像倾斜方向的2维对角矩阵和坐标变换矩阵。算法的时间复杂度分析与试验结果均表明:相对于Hough等搜索倾角的校正方法,PCA方法缩短了计算时间1￣2个数量级,并且在污迹、光照不均等条件下也能获得较好效果。