教学课程资源库 更多>>

关键词： 高速列车轴承   信号分析与处理   故障诊断   实验教学  

摘要： 为满足高速列车转向架轴承状态监测的教学需要,考虑高速列车实际服役工况,根据驱动、激振、控制的相关理论,研制了适合高速列车轴箱、齿轮箱及电机等多类轴承的轴承系统实验台;同时研发了多场耦合监测系统,使轴承运行状态监测由单点监测发展为场监测;实验证明,多场信息融合能提升轴承故障诊断的有效性,对探索轴承多维故障特征以及提升学生的理论创新能力有极大的帮助。

关键词： 新工科   课程思政   案例教学  

摘要： 新工科对人才培养质量提出了更高要求。高校是人才培养的主阵地,课程是高校育人的主渠道,在新工科建设背景下,专业课程如何实现育人育才目标是亟须解决的一个重大课题。课程思政是立德树人的重要举措,案例式教学是培养创新人才的有效手段。以“统计信号分析与处理”课程为例,分析了目前教学存在的问题,根据课程特点讨论了新工科背景下教学改革的可行途径,提出融合课程思政的案例教学方法,通过知识传授和价值引领培养德才兼备的创新人才。

关键词： 智能变电站   信号分析   自动化  

摘要： 智能变电站普及程度越来越高,变电站二次设备向数字化转型。智能设备中信号的种类、数量均大幅增长。以往异常信号的验证与处理依赖人工,效率较低且准确性受个人技能水平影响。文章设计并实现了一套基于自动化的智能变电站信号分析与处理系统,实现异常信号的自动分析和异常处理方案推送,提高了异常处置效率和系统运维水平。

关键词： 新能源发电   电流互感器   二次设备   主变保护装置   电力系统   信号分析与处理   新能源场站   风电场  

摘要： 0引言近年来在国家对新能源发电的政策扶持下,新能源发电在电力系统中的占比逐年增加。新能源场站一次设备和二次设备运行情况正常与否,对电力系统的影响也随之逐年增大。因此,本文就某风电场主变保护装置频繁发电流互感器(CT)报警信号而采用理论与实际验证进行分析与处理,为风电场二次设备运行提供运维经验,以保障电力系统正常、安全稳定运行。

关键词： 随机信号   信号分析与处理   军事应用   案例式教学   教学改革  

摘要： 信号分析与处理技术是电子信息系统中关键技术的理论基石,“随机信号分析与处理”课程是电子信息类本科专业的一门专业必修课程。在分析国防科技大学“随机信号分析与处理”课程教学现状的基础上,提出军事应用案例式教学改革设想,通过介绍课程相关军事应用案例的收集和制作、课堂施教及教学效果,得出军事应用案例式教学改革能够进一步提高教学效果,促进学员对信号处理基本原理的理解,增强学员动手能力,为学员创新能力和综合素质的提高发挥重要作用。

关键词： 核信号分析与处理   实验教学   科学研究   探索与改革  

摘要： 为了利用地学、核技术等优势学科的前沿性研究成果,充分调动学生的科研热情以及对学科前沿问题的认知能力,以核信号分析与处理课程为例,对传统实验教学进行了探索和改革,将经典实验进行优化,减小验证性实验所占比例,增加设计性实验和科研型的综合实验,难度系数层层递进,形成具有学科特色的核物理实验教学模式。在教学方式上采用三段式教学,包括课前调研、课中验证以及课后撰写科研论文式的实验报告3个环节。科研式的实验教学探索对于培养学生的科研能力、创新能力具有显著作用,在教学实施过程中也取得了良好的实验教学效果。

关键词： 气动力测量   风洞天平   小波变换   希尔伯特-黄变换   时频变换   天平信号处理  

摘要： 在激波风洞中开展测力试验时,测力系统在风洞流场起动瞬间会受到冲击激励,从而对天平的输出信号产生惯性干扰.天平输出信号中叠加有动态气动力信号和惯性振动信号,有可能无法直接分辨出气动力信号的规律性,信号处理结果与真实气动力之间会产生较大的误差,导致处理结果不可靠.由于模型测力天平系统结构的复杂性,在极短的有效试验时间(毫秒级)内,天平信号中部分高频率分量(由结构高阶模态振动、非定常气动载荷或其他流场干扰等因素引起的高频干扰)有可能无法完全衰减,此时对信号直接进行传统的滤波处理和傅里叶变换分析反而有可能增大处理结果的误差.本文采用小波变换和希尔伯特-黄变换,针对尖锥标准模型的激波风洞天平信号,开展降噪和时频变换分析处理,旨在有效辨识出天平信号中的不同干扰成分,输出可靠的气动力结果.本文将时频变换方法应用于风洞天平冲击阶跃载荷的信号处理,对结果进行对比分析,验证了该方法在脉冲风洞测力试验数据处理中的有效性和可靠性,得到了比较理想的结果.

摘要： 基于MATLAB软件开发《信号分析与处理》的虚拟实验教学平台。利用MATLABGUI创建图形用户界面，层次清晰，操作简单，交互性好。通过可视化的图形演示，将抽象概念形象化，提高了学生的课堂参与度，激发了学生的学习兴趣，提升了课程教学效果。《信号分析与处理》课程是电气工程及其自动化专业承上启下的核心基础课程，由于该课程的理论性较强，概念抽象，讲授课程过程中有大量的数学公式推导，具有一定的教学难度。

关键词： 脑器交互   癫痫   情绪识别   运动想象  

摘要： 伴随经济和社会的持续发展,人工智能等新的课题引发了很多学者的重视,但关于大脑的研究还存在许多问题需求处理。大脑是人体的重要器官,极大影响到各类感官、心理与肢体活动。为合理探寻大脑的工作形式,论文基于脑器交互,针对癫痫预测、情感识别、运动想象脑电信号识别、专注力训练等方面展开深入的研究。论文主要工作和创新点如下: (1)针对癫痫脑电监测问题,设计了基于Open BCI开发板为核心的脑器交互式癫痫脑电监测系统,对发作间期EEG进行研究。通过分形维数、近似熵等动态特征的提取和基于概率神经网络分类器的实现,并依据留一交叉法对分类器进行检验,达到了98%以上的分类准确度。 (2)针对情绪识别率不理想的缺陷,应用DTCWT的特征提取以及改进的网格搜索法,基于支持向量机(SVM)对平静,高兴,悲伤三种情绪进行分类,提高了搜索最优参数组合的效率,减少了训练时间,保证了高的识别率,最后获得分类正确率大于90%。 (3)针对由运动想象脑电信号转化为指令来控制外部系统的问题,给出了基于AR模型的运动想象脑电信号模型,以及基于小波包能量熵差法和比值法的特征提取方法,并结合了线性判别分析和支持向量法的算法,实测实验结果比较表明所给出的方法具有更高的运动方向识别率。 (4)针对专注度不高或无法长时间维持高度专注状态会导致脑器交互系统效率低下的问题,讨论了Keep Focus专注力训练实验,提出了功率谱幅值和样本熵特征提取方法来表明专注力训练前后的专注度变化。进一步给出了一种基于单通道脑机接口技术的嵌入式轮椅系统解决方案,将训练后的脑电数据运用在脑控轮椅上,可有效提高轮椅前进、停止等控制工作的效率。

关键词： 智能信号分析   弱监督深度学习   调制识别   宽带信号自适应处理、攻防对抗、轻量化神经网络  

摘要： 近年来,基于人工智能的信号处理技术得到了日益广泛的关注,在信息侦察、电子对抗和精确打击等领域中发挥重要作用。由于深度学习技术具有自动学习抽象任务相关性特征的能力,对信号检测和调制识别等任务有着极高的应用价值。然而,实际电磁环境复杂多变,存在数据不充分、标签不准确和标注不确切等问题,与深度学习的大规模、精确和完备监督数据需求之间形成突出的矛盾。弱监督深度学习技术旨在使用非完全监督信息训练深度学习模型,其学习条件与实际复杂电磁环境的数据特点相契合,将有望解决人工智能在电磁领域应用的难题。因此,本文研究了基于弱监督深度学习的智能信号分析与处理技术。针对信号分析任务中数据不充分、标签不准确和标注不确切的问题,以调制识别和宽带信号检测任务为研究对象,提出了基于弱监督学习的智能信号分析算法;针对智能模型在博弈环境中的应用问题,提出了用于模型攻防的对抗信号生成算法;针对实际部署中的计算资源受限的问题,提出了基于渐进式模仿学习的卷积神经网络轻量化算法。期望通过上述研究,解决深度学习技术在实际复杂电磁环境落地应用的一些难点问题。论文主要工作概括如下:1.针对信号调制识别任务中监督数据不充分的问题,提出了基于自监督深度编码网络的小样本多模调制识别算法。首先深入分析了复杂信道对调制信号的影响,通过修改信号频域、时域和幅度域的影响参数,提出并验证了9种调制信号扩增方法,以在实际应用中扩增信号。其次,构建了基于自监督学习的降噪深度自编码器,通过软件无线电的动态效应模块生成自监督降噪数据,训练自编码器实现调制信号降噪,降低信道效应对提取调制域特征的影响,减少模型训练对监督数据的需求。最后,构建了基于多模态输入的小样本调制识别模型,构造了降噪信号和调制信号的多模输入,设计了特征融合层,以提升模型的识别性能。在RML2016.10a和RML2016.10b数据集上进行了实验,结果显示:所提出算法在每类训练样本数为1000时达到了44.48%的总体识别正确率,相比于SSRCNN(Semi-supervised Signal Recognition Convolutional Neural Network)和VAT(Virtual Adversarial Training)等半监督学习算法,所提出算法在总体识别正确率上有1.09%～28.24%的提高。2.针对信号调制识别任务中数据标签不准确的问题,提出了基于行列式信息熵损失的噪声标签调制识别算法。首先,设计了行列式信息熵损失,该损失通过衡量信号标签与模型输出间的互信息,忽略互信息较少的噪声标签,使模型实现对噪声标签的鲁棒性。其次,将潜在类条件噪声估计引入到行列式信息熵损失中,通过吉布斯采样近似估计噪声转移矩阵,校正噪声标签,以利用带噪声标签的样本训练识别模型。在RML2016.10a和RML2016.10b数据集上进行了实验,结果显示:在噪声标签占比80%的数据条件下,相比于FL(Forward Loss)、GCE(Generalized Cross Entropy)和LCCN(Latent Class-Conditional Noise)等噪声标签学习算法,所提出算法在总体识别正确率上有3.50%～54.46%的提高。3.针对宽带信号检测任务中数据标注不确切的问题,提出了基于标签传播的弱监督宽带信号智能检测算法。首先,针对低信噪比宽带信号时频图缺少颜色、纹理等信息导致生成的目标候选框不精确的问题,利用类标签激活的前景目标的显著性,计算窄带信号目标中心坐标,粗略预测信号目标位置。其次,采用基于像素语义亲和度的标签传播算法,估计信号目标边界,并在目标边界内迭代传播目标中心的标签,对时频图生成像素级的类别预测。最后,利用最小外接矩形算法生成像素级类别预测结果的最小外接矩形作为信号目标的检测框。在宽带信号数据集SWSD上进行了实验,结果表明:所提出算法能预测更精准的检测框,相比于弱监督目标检测算法WSDDN(Weakly Supervised Deep Detection Network),所提出算法的、和分别提高了24.32%、12.94%和7.15%;相比目标检测算法YOLO(You Only Look Once)v4,提高了4.14%。4.针对智能模型在博弈环境中的应用问题,提出了用于模型攻防对抗的基于视觉与信息约束的对抗信号生成算法。首先,针对现有算法生成的对抗信号视觉变形大,传输信息变化大的问题,设置了视觉与信息差异的限制条件,提出了对抗信号的邻域内局部扰动约束。其次,引入了基于种群进化机制的差分进化算法,优化搜索全局最优的对抗信号。在RML2016.10a和RML2016.10b数据集上进行了实验,结果显示:相比于FGSM(Fast Gradient Sign Method)、BIM(Basic Iter