变形信号与噪声的分离方法及其应用

在对变形体进行监测的时候会得到一系列不同时间的观测结果,比如对滑坡的位移监测,得到一系列的坐标,通过与首期观测数据的比较可获得变形量,然而测量中不可避免的含有误差,如何将变形信息和观测噪声分离是一个需要解决的问题。本文在变形是一个连续过程的假设下,以给定的验前方差为约束条件,通过三次连续逼近样条函数建立变形曲线,达到变形信号与噪声分离的目的,文中通过对某滑坡多年监测数据的分析验证了该方法的可行性。     

CINRAD/SA雷达灯丝电源调试与故障判定

详细叙述了CINRAD/SA雷达灯丝电源控制电路的工作状态,分析了控制电路中脉宽调制器SG1525A的特性,调试了控制斩波器的脉宽调制电路和振荡器控制电路的关键测试波形,并对灯丝电源输出电压、灯丝电压保护和灯丝电流保护进行了分步调试.根据实际经验总结了在灯丝电源调试过程中出现的故障判定流程和故障排查、排除方法,旨在为雷达灯丝电源的故障处理提供参考和借鉴.     

国内超声波测距研究应用现状

本文结合超声波测距原理,对超声波回波信号处理、新型换能器研发、发射脉冲选取的国内研究现状,以及该技术在液位测量、移动机器人定位和避障、汽车防撞、曲面仿形检测的应用现状作了综述,分析了超声波测距系统现阶段存在的常见问题,相应提出了解决方案,并对超声波测距的发展与应用趋势进行了展望.     

eLoran系统新型信号波形设计及其性能评估

增强型罗兰导航系统(eLoran)作为全球卫星导航系统(GNSS)的备份系统,是国家定位导航授时(PNT)安全的重要基础设施.针对目前标准eLoran信号存在易受交叉干扰、天波干扰,通信数据传输速率低等的问题,本文基于标准罗兰信号体制提出了两种波形改进方法(衰减函数法与对称波形法)并对新型波形进行性能评估.实验结果表明,两种方法能够有效缩短波形持续时间,加速后沿波形下降,减小发射机功耗.对称波形法能够大幅减小波形持续时间,但缩短波形持续时间也将改变原信号波形的频谱特性,利用衰减函数法可以最大程度保证信号的频谱性能.综合分析可知,新型波形能够有效利用时域资源,空余的时间可用于增加传输信号,进而提高数据调制技术的性能.     

宜春地区三类典型天气的风廓线雷达产品特征分析

选取江西省宜春市晴空、弱降水、强降水三类天气过程个例,结合天气形势、雷达回波、气象要素等资料,对比分析了风廓线雷达产品特征。结果表明：（1）在晴空天气背景下,风廓线雷达探测高度低,水平风速小,垂直风速正负值交替出现,大气折射率结构常数（Cn2）值最小。（2）在稳定性弱降水天气背景下,大气呈稳定状态,风廓线雷达探测高度随降水的产生而逐渐抬升,高低层有明显的风速切变,850 hPa赣南至赣东北有西南急流穿过,赣北有切变线存在,利于降水产生,垂直风速因降水影响出现朝向雷达正速度,Cn2值比晴空时大。（3）在具有产生强对流天气背景下,大气中对流强烈,风廓线雷达的水平风速增大,西南急流深厚且不断下沉,850-700 hPa有强烈的垂直切变,动力条件和水汽条件利于强降水产生,垂直风速表现为更大的朝向雷达正速度,Cn2值比弱降水时的大。     

基于分形维数的自适应信号滤波方法

信号滤波是信息科学中的基础性技术之一,在通讯、国防等众多领域有着广泛的应用.本文通过分形维数的计算给出了一种自适应分形滤波方法.实验仿真证明这种方法能有效地去除信号中的噪声.     

基于风廓线雷达资料的暴雨天气过程分析

2008年6月1～2日大理市暴雨过程的风廓线雷达资料和每小时的雨量资料分析发现：暴雨过程具有明显的中小尺度系统影响特征,雷达水平风廓线资料可以很直观地显示随时间变化风场的垂直结构;高空气流的向下脉动与降水强度的增强有着紧密的联系;风廓线雷达产品（垂直速度、折射率结构常数和信号噪声比）清楚地反映降水的开始、结束以及降水的强度。     

阿拉善左旗5.8级地震前地脉动信号特征分析

本文针对2015年4月15日发生在南北地震带北端的阿拉善左旗5.8级地震,利用乌海台、东升庙台、石嘴山台的连续数字地震波形资料,采用快速傅里叶变换对三个台站的2015年4月1日00时—4月15日23时波形数据进行分析,并持续跟踪0~0.25 Hz包络幅值极大值的变化形态。结果显示:(1)在5.8级地震前,震中附近的乌海地震台、东升庙地震台、石嘴山地震台记录的地震波形均出现频谱向低频偏移的现象;(2)三个台站出现低频异常的包络幅值极大值跟踪形态不一致,其中只有乌海台在震前出现明显的持续不稳定异常,异常持续时间约120h;(3)三个台站距离震中由近及远包络幅值极大值的跟踪形态差异明显。     

关于ENSO及其统计预测方法评估

结合近年来“九五”国家重中之重项目有关ENSO业务预报系统研究工作的体会和见解 ,简要综述了近年来ENSO的预报问题 ,尤其是ENSO统计预测方法的研究成果 ,并对各种预报方法的效果进行评价。     

面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.