小波计盒分形维数核爆电磁脉冲信号模糊识别

为了在现有禁核试验条件下开展核爆电磁脉冲探测技术研究,对实测的非均匀采样核爆电磁脉冲数据进行阈值检波、直流剔除、滤波、插值和归一化处理后,采用小波分析提取信号第四尺度小波系数能谱熵、第一尺度和第四尺度小波系数计盒分形维数特征值,在统计分析的基础上分别建立其专用隶属度函数;利用模糊识别理论,对核爆电磁脉冲信号和作为主要探测干扰信号源的闪电电磁脉冲信号进行了模糊识别,获得了总识别率为99.41%的识别效果。     

基于GABP神经网络曲线拟合的快沿电磁脉冲信号源模型求解

为给电子设备的电磁脉冲效应仿真提供准确的快沿电磁脉冲(fast rise-time electromagnetic pulse,FREMP)信号源模型,提出一种基于遗传算法优化BP神经网络(GABP-NN)曲线拟合的信号源模型求解方法;该方法通过示波器对脉冲信号进行采集,利用GABP神经网络对波形曲线进行高精度拟合,提取网络参数建立信号源模型;为进一步获得BP神经网络拟合规律设置对比实验,采用隐含层神经元数为10的GABP神经网络对FREMP信号源进行建模,所得模型拟合度为91.64%;仿真结果表明该方法运算速度快、精度高。     

基于HHT与LSSVM的远区核爆电磁脉冲识别

为实现远区核爆电磁脉冲（NEMP）和闪电电磁脉冲（LEMP）的有效识别,提出一种基于希尔伯特黄变换（HHT）和最小二乘支持向量机（LSSVM）的识别算法。采用希尔伯特黄变换对远区NEMP和LEMP进行分析,利用两种信号的Hilbert谱在不同频带上分布的差异性,选择谱图中两个区域的能量占比作为信号的特征,选择LSSVM作为分类器进行分类识别。实验结果表明,采用能量占比特征可有效识别NEMP和LEMP,且综合识别率可达到98.59%。     

面向超短波接收机射频前端的电磁脉冲效应仿真与效应分级方法

针对接收机射频前端在电磁脉冲环境作用下的电磁损伤过程模拟问题,以超短波接收机为具体研究对象,基于超外差式接收机电路功能模型,采用Verilog-a和SPICE网表联合建模方法,建立了射频前端低噪声放大器（LNA）电磁脉冲效应仿真模型(Extended LNA Model),并通过S参数仿真和瞬态仿真验证了LNA电磁脉冲效应模型具备正常功能仿真能力;为验证该模型的电磁脉冲损伤模拟能力,以标准电磁脉冲波形作为激励,以偶极子天线作为简化的天线前门耦合通道,在不同强度电磁脉冲作用下,接收机中频电路信号输出表现出了无影响、干扰、损毁的电磁脉冲效应过程,说明了建模方法的有效性;最后以EMP-天线耦合电压峰值作为阈值指标,分析得到了超短波接收机不同电磁脉冲效应等级对应的电压峰值阈值数据。     

小波包分形在远区核爆电磁脉冲识别中的应用

针对远区核爆电磁脉冲(NEMP)和闪电电磁脉冲(LEMP)的识别率不能满足实际需求的问题,提出了一种基于小波包分形技术的识别方法。首先,对实测的NEMP和LEMP做插值、归一化等预处理;然后,基于小波包理论对预处理后的信号进行2层小波包分解,并利用小波包系数重构信号的分形维数,组成信号的特征向量;最后,采用最小二乘支持向量机(LSSVM)作为分类器,利用五折交叉验证法选取最优的模型参数,将特征向量输入分类器中进行训练后获得测试结果。实验结果表明,小波包分形方法在NEMP和LEMP的识别上效果显著,平均识别率达到99%以上,具有较高的应用价值。     

兵器辐射噪声信号的非线性特性及其在被动声信号分类中的应用

首先利用双谱分析检验了兵器辐射噪声信号的非高斯、非线性特性,结果表明准确的兵器辐射噪声信号模型应为非线性模型。然后,提出了利用一种双线性参数模型对信号进行预处理,并给出了参数估计算法。最后,利用提取的双线性参数模型的系数建立了一积隐含马尔可夫模型,对声信号进行分类。分类结果表明,基于双线性参数模型的积隐含马尔可夫模型分类器,在性能上优于传统的基于AR参数模型的隐含马尔可夫模型分类器,在被动声信号分类中具有良好的应用前景。     

某型指挥信息系统有线远传接口自动识别方法

为提高对指挥信息系统有线远距离传输接口测试的自动化水平,提出一种基于信号特征提取的信号类型自动识别方法。在对各类接口信号时域和频域特性分析的基础上,采用限幅滤波法实现对信号峰峰值的准确判断,通过基于Burg算法AR模型的谱估计方法实现信号频谱准确估计。依据提取到的信号峰峰值和频带宽度,采用双阀值判决方法对接口类别进行自动识别。实验结果表明,基于信号时频域特征差异的自动识别方法,能够有效区分3种类型15个接口,识别准确度达到87%以上。     

提升小波加权自相关函数的基音检测算法*

随着计算机技术的发展,语音信号处理作为人机交互的重要渠道,其在复杂噪声环境下的特征值检测算法直接关系到计算机的运算效率。基音周期是语音特征值提取的重要参数之一。针对传统基音检测算法在噪声环境下检测精度低的问题,提出了一种基于自适应提升小波变换加权线性预测误差自相关函数的基音检测算法。该方法用多级提升小波近似系数加权求和的方法来弥补自相关函数随着时间延迟量的增加幅值衰减的缺陷;用线性预测误差自相关函数的方法来抑制共振峰的干扰,然后将两种方法结合来突出基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波加权法相比,该方法能有效减弱共振峰的影响,突出基音周期处的峰值,提高基音周期检测精度,鲁棒性更好。     

基于贝叶斯方法的设备级电磁脉冲效应评估

在电磁脉冲效应试验中,由于所获得的效应数据量一般较少,利用经典的数理统计方法对效应阈值场强进行概率拟合非常困难。基于贝叶斯数理统计方法,对油气管道数据采集与监视控制系统的中心控制系统客户端的电磁脉冲效应数据拟合分析。选择了Weibull分布模型和正态分布模型作为假设模型,并依次求得这两种模型参数的先验分布、似然函数和后验分布。通过拟合优度检验,最后基于贝叶斯信息准则选择形状参数、尺度参数分别为8.87,21.11的Weibull模型作为更合理的阈值场强概率分布模型。     

目标极点提取的改进算法

针对强电磁脉冲孔耦合瞬态响应的极点参数提取问题,将传统的矩阵束算法进行改进。通过对含有噪声的瞬态响应数据进行互相关处理,能有效提高低信噪比时极点的提取精度。再将数据经离散化后构造Hankle矩阵,结合奇异值分解,求解其广义特征值,即可提取信号的极点参数信息。最后通过仿真分析以及对波形的重构,验证改进算法具有抗噪能力强、拟合度高的特点。     

线型优化最大熵光谱估计方法中自回归模型两种求解方法的比较

在光谱分辨率增强技术中,线型优化最大熵谱估计方法LOMEE(line shape optimized maximum entropy spectral estimation)是指通过傅里叶自退卷积技术消除光谱谱线线型对干涉图的影响,而后对干涉图进行自回归参数建模,求出自回归模型系数,代入光谱估计公式得到光谱图。文章采用了两种方法：修正协方差法MCOV(modified covariance method))和伯格法(Burg method)求解线型优化最大熵谱估计方法中的自回归模型系数,通过仿真试验,将阶次、信噪比对估计光谱的影响做了详尽的比较。研究结果表明,在线型优化最大熵谱估计方法中,用修正协方差法求解自回归模型系数要优于伯格法。     

Modern Spectral Estimation for Signal Processing in the Frequency Domain

Modern power spectral estimation technique was applied to the signal analysis of inductively coupled plasma atomic emission spectrometry (ICP-AES) in the present work. Two methods, Levinson-Durbin and Burg methods, were used to calculate auto-regression (AR) model parameters and the comparison was made. the influence of different AR model orders was studied to find the optimal order by calculating AR model parameters and power spectral density. Results showed that the Burg method gave higher resolution. Characteristics of real ICP-AES measurements were studied and compared by the two methods.     

线型优化最大熵线性预测方法自回归模型三种求解方法的比较

采用三种方法：修正协方差法MCOV(Modified Covariance Method)、递推极大似然估计法RMLE(Recursive Maximum Likelihood Estimator)和伯格法(Burg Method)求解线型优化最大熵线性预测方法中的自回归模型系数,并且在不同求解方法情况下,将阶次、信噪比对光谱复原的影响作了详尽的比较.研究结果表明:在线型优化最大熵线性预测方法的自回归模型系数三种求解方法中,修正协方差法要优于递推极大似然估计法和伯格法.     

光谱分辨率增强方法品质因子研究

本文提出了一种新的评估光谱复原结果好坏的品质因子 (quality factor).该品质因子综合考虑到了前向线性预测和后向线性预测.研究了在不同噪音情况下,当采用伯格法(Burg Method)来求解自回归模型系数时,品质因子随模型阶次的变化以及对复原光谱的影响,并且与芬兰学者Kauppinen提出的品质因子在同等条件下作了详尽的比较.研究结果表明,本文提出的品质因子更具有优越性.     

基于时频图像分析的核爆与雷电电磁脉冲识别

根据核爆和雷电电磁脉冲信号非平稳、非线性特点,对核爆电磁脉冲(NEMP)和雷电电磁脉冲(LEMP)信号进行了Hilbert谱分析,计算了二者Hilbert谱的图像区域特征,对二者进行了识别研究,并且从NEMP和LEMP不同的产生机理上对识别结果进行了分析。实验结果表明:以Hilbert谱的面积和重心,以及六维图像区域特征作为特征,对NEMP和LEMP的识别率达到了90％以上,可以对二者进行有效识别。     

基于SOM和RBF网络的软测量方法研究

针对氢粉碎过程中钕铁硼粉碎状态不可知,为有效预测合金的反应状态,提出了一种基于自组织特征映射(SOM)神经网络和径向基函数(RBF)神经网络结合构建的网络模型。在该模型中,SOM神经网络作为聚类网络,采用无教师学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,作为径向基函数的中心;RBF神经网络作为基础网络,采用高斯函数作为径向基函数实现从输入到隐含层的非线性映射,输出层则采用有教师学习算法训练网络的权值,从而实现输入层到输出层的线性映射。并以钕铁硼氢粉碎过程合金中氢含量为检测对象,运用上述方法在MATLAB平台上建立了合金中氢含量预测模型,并完成了仿真验证。     

混沌噪声背景下微弱脉冲信号的检测及恢复

构建了一种在混沌噪声背景下检测并恢复微弱脉冲信号的模型.首先,基于混沌信号的短期可预测性及其对微小扰动的敏感性,对观测信号进行相空间重构、建立局域线性自回归模型进行单步预测,得到预测误差,并利用假设检验方法从预测误差中检测观测信号中是否含有微弱脉冲信号.然后,对微弱脉冲信号建立单点跳跃模型,并融合局域线性自回归模型,构成双局域线性(DLL)模型,以极小化DLL模型的均方预测误差为目标进行优化,采用向后拟合算法估计模型的参数,并最终恢复出混沌噪声背景下的微弱脉冲信号.仿真实验结果表明本文所建的模型能够有效地检测并恢复出混沌噪声背景中的微弱脉冲信号.     

基于LM-BP神经网络算法饱和醇结构拓扑指数与保留指数相关性的研究

基于LM-BP神经网络算法,建立了饱和醇结构拓扑指数和物理化学性质与在不同固定相上保留指数相关性的人工神经模型.网络的传输函数都是线性的(Purelin函数),隐含层有3个神经元.饱和醇包括带有伯、仲、叔基官能团的直链和支链醇.讨论了隐含层神经元数对神经网络的影响,由19个饱和醇得到的网络适合预测测试醇的精确保留指数....