涡流无损检测温度影响研究

增材制造是一种先进的金属制备方法，能够极大满足个性化的制造需求。制造过程中由于工艺原因可能会出现裂纹等典型缺陷。涡流无损检测对于增材制造结构件的裂纹缺陷是一种潜在的有效评价手段。在增材制造过程中，构件残余热会影响检测效果，需要开发抑制温度影响的涡流信号处理方法。基于以上背景，本研究开展了以下工作：(1)对涡流检测信号受温度影响的机理进行了详细分析，包括涡流检测信号温漂的影响因素以及这些因素随温度的变化规律。(2)基于数值计算验证了涡流检测信号的温漂规律。(3)搭建了涡流检测实验平台，通过该平台进行实验发现，待测导体温度越高缺陷信号越小。(4)针对自激自检探头信号温漂难题，设计了双探头差动补偿形式，开发了涡流信号间接差分信号处理方法。(5)使用上述差动补偿形式和信号处理方法，达到了减弱涡流信号漂移、提高涡流信号信噪比的目的。     

利用卷积神经网络的非相干分布式源定位方法

针对传统子空间方法对分布式源定位依赖模型假设以及子空间有效维度难以选择的问题,提出了一种利用卷积神经网络的非相干分布式源定位方法。该方法把卷积神经网络作为一个强鲁棒性空间功率密度分布特征提取器,实现从协方差矩阵到方向角功率密度分布的映射。根据得到的空间谱分布,可进一步实现分布式源的参数估计。此外,文中结合迁移学习技术解决实际信号源分布与训练模型不匹配的问题,提升了模型的泛化性能。仿真实验表明该方法对不同信号分布模型具有稳健性,参数估计性能优于传统子空间方法。传声器阵列实测数据表明该方法的中心角和角度扩展的估计误差在1°以内。     

脉冲响应法测量混响时间技术的研究

本文介绍了一种根据厅堂脉冲响应特性,利用计算机数字信号处理技术,迅速,准确地测量混响时间的实现方法。     

基于SIPM-SPM调制的ACO-OFDM系统性能分析

针对DCO-OFDM系统功率效率低以及高阶信号调制复杂度高的问题,提出一种联合子载波索引和功率叠加复用(Subcarrier Index-Power Modulated With Superposition Multiplexing,SIPM-SPM)的新型信息承载维度,将其应用于非对称限幅光正交频分复用(Asymmetrically Clipped Optical OFDM,ACO-OFDM)系统。该调制技术对高功率子载波采用SPM,添加两个8PSK和QPSK编码的复值数据,进一步增加了信号的传输容量,同时ACO-OFDM系统避免了直流偏置带来的功率损耗。仿真结果显示:在ACO-OFDM系统中,SIPM-SPM相较于SIPM(8-PSK/QPSK),信号传输容量提高了28.6%;相较于相同信号传输容量的SIPM(32-PSK/QPSK),在误码率为1.0×10^(-3)时,信噪比增益>2.8 dB,色散容忍度提高了>560 ps/nm,光发射功率动态范围提高了>6.7 dB。这表明将SIPM-SPM调制应用于ACO-OFDM系统,具有较好的抗噪声性能和较高色散容忍度,也降低了对发射光功率的需求。     

微波光子信道化链路非线性失真的数字补偿方法

微波光子信道化链路的线性度主要受信道内的交调失真和信道间的互调失真的限制。本文提出了一种基于数字域迭代的非线性失真补偿方法，对各个信道输出的中频信号在数字域进行联合处理，通过迭代不断逼近线性化的理想结果，能够同时有效抑制信道化链路中的交调失真和互调失真。仿真结果表明，在参数无偏差的情况下，该方法可以完全抑制信道内的交调失真和信道间的互调失真；在参数偏差为5%的情况下，仍可以将三阶交调失真和互调失真分别抑制15 dB和16 dB。     

水声信号处理领域若干专题研究进展

本简述了近年来水声信号处理领域中若干专题的研究进展。包括水声通信,合成孔径声纳,水声数据融合,声层析以及水下GPS系统等。     

基于互相关的电光调制器相位标定方法

为了在使用相位电光调制器前能够快速准确地确定其半波电压，提出了一种基于频域互相关的干涉条纹相位差计算方法用于相位电光调制器的标定。该方法将条纹图像通过傅里叶变换转换成频谱图并对其进行滤波，将提取出的正负一级次频谱信息进行互相关操作，得到两张条纹图之间的相位差。为了验证所提方法在相位电光调制器标定中的作用，搭建实验系统，使得一路经过电光调制器的光与另一路光进行干涉后形成条纹像，改变电光调制器上施加的电压并用相机记录相位不同的干涉条纹，从而获得干涉条纹组，进而运用所提方法获得相位-电压对应关系。与轮廓法相比，所提方法快速且精度高。与迈克耳孙干涉法相比，该方法不需要重新搭建光路，操作迅速且能够达到相当的精度。     

OVMD-ICA算法用于光纤电流传感器降噪

提升数据处理能力是实现光纤电流传感器（FOCS）在微弱电流检测领域中应用的重要支撑。针对独立成分分析（ICA）算法对信源数量的要求和变分模态分解（VMD）对冲击噪声处理能力不足的问题，采用优化参数的变分模态分解与独立成分分析联合算法（OVMD-ICA算法），提升微弱电流检测能力。首先，在分析全光纤电流传感器输出信号的特征和噪声特性的基础上，以能量谱熵为目标函数，采用捕食者算法（HPO算法）获取模态参数K和二次惩罚因子α，完成变分模态分解。然后，通过设置相关系数阈值，对各模态函数分类并构建虚拟通道，以满足ICA对信源数量的要求，并采用FastICA算法实现盲源分离。最后，通过对比实验确定了该方法的有效性，发现采用所提方法能够实现3 mA微弱电流的识别检测。