高速列车振动信号的奇异谱分析方法研究

针对高速列车运行中的状态监测问题，提出高速列车振动信号的奇异谱分析方法。奇异谱分析是一种新的无参数模型的数据分析方法，它把高速列车的振动信号分解为多个基本信号，通过对基本信号的加权相关系数进行分析，获得振动信号的不相关成分，分析列车振动与每个成分的关系。实验结果表明高速列车的运行状态可由其振动信号的组成成分来表征。     

基于多重分形与SVM的高速列车运行状态识别方法

为了评估高速列车服役性态问题,提出基于多重分形与支持向量机(SVM)的高速列车状态识别新方法.该方法计算了高速列车振动信号的多重分形谱,分析了多重分形谱参数与列车状态之间的关联关系,提取了多重分形谱宽度、分形维数差和谱偏斜度作为高速列车状态的特征,使用支持向量机来对高速列车状态进行识别.获取了某型列车的正常状态、抗蛇行减震器失效、空簧失效3种典型的多重分形特征,训练了不同速度下的SVM和单一速度为160 km/h的SVM,并进行了工况识别实验.所提方法对高速列车的状态识别率大于88.8%,表明了该方法的有效性.      

基于LBP和HOG决策融合的高速列车受电弓检测

针对受电弓滑板检测装置图像拍摄中受电弓的检测问题,提出一种基于LBP和HOG特征分类信息决策融合的受电弓检测方法。通过测试,相比采用单一分类器进行检测,该方法对受电弓区域的检测具有更低的漏检率和误检率,检测效果好,具有较高的应用价值。     

基于小波脊频级联特征的雷达辐射源信号识别

为识别复杂体制雷达辐射源信号,提出了一种基于小波脊频级联特征提取的信号识别方法.该方法采用新的小波原子和脊线检测策略提取信号的脊频特征,并提取其级联特征作为信号识别向量.仿真结果表明,采用级联特征能有效地识别辐射源信号,当信噪比为5 dB时,识别率达95%以上.与传统小波和现有方法相比,所提出的方法具有更好的信号识别效果.     

RES脉内特征的差分进化粒子群投影寻踪评价模型

针对雷达辐射源信号脉内特征综合评估存在标准单一、缺乏客观性等问题,提出了基于群体智能的雷达辐射源信号脉内特征综合评估模型.首先,通过投影寻踪算法将雷达辐射源信号脉内特征的综合评估问题转化为有条件限制的多元非线性目标函数的优化问题;其次,通过改进的粒子群优化算法与差分进化算法的结合得到新的智能算法;最后,利用该算法实现多元非线性目标函数的优化求解.仿真结果表明:该群体智能算法对Rosenbrock测试函数的最优适应度值最小,对Rastrigrin函数和Girewank测试函数的最优适应度值为0,说明该算法的计算精度优于其他算法.同时适应度值的方差比标准粒子群算法和差分进化算法小,说明该算法的收敛性和鲁棒性较好.通过与加速遗传算法对评估问题目标函数5次优化结果的比较,本算法的计算结果没有波动,说明基于群体智能的RES脉内特征综合评估模型能够更客观、更有效地实现对RES脉内特征的综合评估.      

多分量LFM雷达辐射源信号的经验模式分解

基于改进的经验模式分解,提出了多分量LFM雷达辐射源信号的分析方法．该方法用RBF神经网络对端点延拓削弱边界效应,将自相关函数与相关系数结合估计分量的数量,通过模式分解滤波和平均滑动消除噪声影响,以提高算法的分解精度．理论分析和实验表明,在较宽的信噪比范围内,使用该方法能够正确提取各分量信号的瞬时频率和有效地估计多分量LFM辐射源信号的分量数量．     

基于循环谱包络的共信道多信号参数估计

为解决通信侦察中非协作接收机接收的信号受共信道信号干扰的问题,提出了一种基于循环谱包络的多信号载频、码片时宽估计算法.该算法不需要伪随机码等先验信息,可实现对时频重叠的多循环平稳信号参数的盲估计.由于该参数估计算法是在非零循环频率上进行搜索,故可以有效地减少平稳噪声和干扰的影响,适用于低信噪比的情况.仿真实验表明,当双信号功率比为1∶1且信噪比为-9 dB时,该算法对载频估计的正确率可达100%;当信噪比为-4 dB时,对码片时宽估计的正确率可达99%.