河南省科技攻关计划(122102210387) 作品数:7 被引量:45 H指数:4 相关作者: 赵拥军 朱健东 唐江 张玉灵 李庆勇 更多>> 相关机构: 解放军信息工程大学 河南财经政法大学 郑州升达经贸管理学院 更多>> 发文基金: 河南省科技攻关计划 国家高技术研究发展计划 国家重大科学仪器设备开发专项 更多>> 相关领域: 电子电信 自动化与计算机技术 机械工程 理学 更多>>
线性调频连续波信号的周期分数阶Fourier变换检测与估计 被引量:21 2013年 分数阶Fourier变换(FRFT)对LFM信号具有最优检测能力,但对线性调频连续波(LFMCW)信号的检测与估计是次优的。由于LFMCW信号可视为LFM信号的周期拓展,基于FRFT对LFM信号的能量聚集和相干累积思想,该文提出一种新的信号处理方法周期分数阶Fourier变换,以实现对LFMCW信号的检测和估计。周期分数阶Fourier变换的核函数可以与LFMCW信号实现最佳匹配,理论分析和仿真实验表明,随着观测时间的增加,可以实现对LFMCW信号的渐进最优估计,具有比FRFT更优的检测性能。 朱健东 赵拥军 唐江关键词:参数估计 信噪比增益 最大似然估计 关于样条磨光函数的一个应用模型 2013年 主要介绍了乘积型曲面磨光法在摄影以及精密复照设备自动曝光问题中的应用,并讨论该应用问题数学模型的建立、功能、特点以及精密分析等问题.该数学模型的建立,能够在给定的照度和精确的密度要求之下自动计算曝光时间. 张玉灵 时文俊 孔绍文 张国梁关键词:数学模型 一种云环境下图数据中带边权重的隐私保护方法 被引量:1 2018年 云服务器端的数据始终面临着巨大的安全威胁。提出一种云环境下图数据中带边权重的隐私保护方法 HEPP-GD(Homomorphic Encryption for Privacy Protect in Graph Data)。HEPP-GD采用Paillier同态加密体系对图数据的边权重进行加密,在云服务器端计算图数据中顶点之间的最短距离,这样边权重隐私信息将不会被非法的获取,本地客户端保存自己的密钥使得加密后的信息在因特网上传输。建立了HEPP-GD实验环境.测试结果表明,在云服务器端的大规模的图数据情况下,HEPP-GD隐私保护方法可以利用很少的内存资源完成最短路径距离的计算,其安全性通过Paillier加密得到了保证。 沈华峰 冯新扬 邵超关键词:云计算 隐私保护 同态加密 基于FRFT和累加积分的PRBC-LFM连续波信号参数估计 2013年 针对伪码调频连续波信号分析问题,提出了基于分数阶Fourier变换(FRFT)和累加积分的参数估计方法。首先对PRBC-LFM信号平方处理,利用FRFT估计线性调频参数并重构线性调频信号,将原信号与重构信号共轭相乘去除载波,使原信号变成二相编码基带信号,最后利用基带信号累加积分的拐点信息估计子码宽度,同时根据累加积分的变化趋势实现对二相编码信号编码规律的识别。与现有方法相比,该方法在信噪比为-4dB时仍具有较好的估计效果。 朱健东 马越 赵拥军关键词:参数估计 分数阶傅里叶变换 基于时频图像处理提取瞬时频率的雷达信号识别 被引量:8 2014年 时频图像可以刻画雷达信号的脉内调制方式,但是直接利用时频图像识别信号存在特征维数高,受噪声影响大等缺点。针对雷达信号识别问题,提出了一种利用Choi-Williams时频图像处理提取信号瞬时频率特征的识别方法。该方法从信号的时频分布出发,将信号的时频分布看成灰度图像,利用一系列形态学图像处理方法对图像进行降噪,提取时频图像中行索引信息作为信号的瞬时频率特征用于信号识别。仿真结果表明,通过图像处理方法提取的特征在低信噪比下具有很好的稳定性,在信噪比大于0dB时对7种典型的雷达信号识别率均超过90%,与现有方法相比,在低信噪比下就有更好的识别效果。 朱健东 张玉灵 赵拥军关键词:雷达信号识别 形态学处理 新截获模型下的对称三角LFMCW信号的检测与参数估计 被引量:6 2013年 针对现有参数估计方法需要以信号的调频周期起点为截获时间起点的假设,结合"连续波"信号的特点和电子侦察的实际,建立新的对称三角线性调频连续波(STLFMCW)信号截获模型,提出了一种STLFMCW信号检测与参数估计方法。该方法在分析多周期STLFMCW信号模糊函数的基础上,利用Radon-Ambiguity变换(RAT)估计信号的调频斜率并确定分数阶傅里叶变换(FRFT)的最优阶数,根据截获模型下信号新的时间频率关系,再通过相应阶数上FRFT估计调制周期、调制带宽和载频。与现有方法相比,该方法克服了对信号截获时间起点限制,只需截获信号包含至少两个完整的正调频部分或负调频部分就可估计出信号的各个参数。蒙特卡罗仿真实验表明,本文的参数估计方法在低信噪比下具有很好的鲁棒性。 朱健东 冯新扬 唐江 赵拥军关键词:参数估计 分数阶傅里叶变换 基于改进型深度网络数据融合的滚动轴承故障识别 被引量:12 2019年 针对传统智能诊断方法依赖于信号处理和故障诊断经验提取故障特征以及模型泛化能力差的问题,基于深度学习理论,提出将卷积神经网络算法结合softmax分类器,针对数据集不平衡问题引入加权损失函数、正则化以及批量归一化等模型优化技术搭建适于滚动轴承故障诊断的改进型深度卷积神经网络模型。模型从原始实测轴承振动信号出发逐层学习实现特征提取与目标分类。实验结果表明,优化后的深度学习模型可实现对早期微弱故障、不同程度故障的精确识别,在不平衡数据集上也可达到95%的识别准确率,并且模型拥有较快的收敛速度和较强的泛化能力。 冯新扬 张巧荣 李庆勇关键词:故障识别 振动信号 滚动轴承