针对湿式离合器油液监测数据具有来源分散、 数据量大及时间轴不稳定等问题, 对光谱分析得到的多数据进行融合, 利用维纳过程的预测实时性和预测准确的优点, 建立模型开展离合器剩余寿命预测研究。 首先, 通过排列熵加权证据融合方法对离合器寿命试验获得的指示元素进行融合, 构建健康指数； 其次, 结合维纳过程建立退化模型并通过极大似然法对模型中的参数进行估计； 再次, 根据历史退化数据对参数进行更新得到离合器剩余寿命预测模型； 最后, 将预测模型与实例进行对比, 得到利用融合多元素的健康指数建立的维纳过程预测模型预测准确性相比单指示元素预测有了很大提升, 其预测点更接近试验值。 通过观察也发现, 湿式离合器运行50～60 h左右时, 预测点有了明显的变化, 而同样在220～230 h时, 预测点有了明显的偏差, 在240 h左右又重新接近试验值, 其突变点对应了离合器磨损的三个阶段, 即初期磨损, 正常磨损和剧烈磨损。 研究结果表明, 融合油液光谱数据结合维纳过程建立的预测模型用于湿式离合器的剩余寿命预测, 具有预测实时性强且预测精度高的优点, 而通过预测结果和试验值对比发现, 湿式离合器磨损状态的不同对预测结果也有一定的影响, 尤其磨损状态转变点对预测结果的影响更大。

以ChemCam团队公布的64个飞行前定标样品的浓度和激光诱导击穿光谱数据为对象,通过使用主成分分析载荷空间距离法对特定元素分析,筛选出对该元素最敏感的激光诱导击穿光谱谱线,并以此为依据进行矿物元素种类和丰度识别,其识别精度高达92.8％.结果表明,主成分分析载荷空间距离可以作为定量分析前矿物特定元素信息和元素丰度的判断依据.该方法降低了岩石/矿物分类的难度,有利于实现未知的矿物快速、高效的鉴别分析,为火星表面岩石种类鉴别分析提供了一个有效的策略.

针对当前无线通信系统对高效射频功放技术的实际需求, 梳理了射频开关功放 (SMPA)技术的研究进展, 同时对比了不同结构射频 SMPA的应用特性。在此基础上, 首次采用多比特带通 Delta–Sigma调制器 (BPDSM)和多电平 SMPA, 提出一种新的基于电压型 D-类(VMCD)功放的全数字发信机架构, 并基于现场可编程逻辑门阵列 (FPGA)器件和分立元件实现了全数字发信机。硬件测试结果表明, 30~88 MHz超短波频率下, 系统平均输出功率为 15.2 W, 效率达到 60%以上。

多源数据融合能在一定程度上扩展数据信息量, 更利于建立准确和稳健的分析模型。 行星探测中常采用多个载荷协同分析同一目标, 因此利用多载荷数据融合辨别分析火星矿物具有重要科学意义和应用前景。 分别采用可见近红外(Vis-NIR)反射光谱和拉曼(Raman)散射光谱两种技术手段测量了火星表面主要矿物(硅酸盐、 硫酸盐、 碳酸盐)的光谱特征曲线, 并对获取的光谱数据进行基线校正、 Savitzky-Golay平滑以及标准矢量归一化(SNV)等必要的数据预处理。 根据光谱特征, 首先选取样品Vis-NIR和Raman数据信息丰富、 信噪比高、 光谱信号重叠小的波段(Vis-NIR: 430～2 430 nm, Raman: 130～1 100 cm-1), 然后运用软独立建模分类法(SIMCA)、 主成分分析法-K最邻近分类法(PCA-KNN)分别建立基于Vis-NIR, Raman及两者融合(累加融合、 串联融合)的矿物聚类分析模型。 采用SIMCA算法的矿物聚类准确率由单一光谱建模的72.6%(Vis-NIR), 90.7%(Raman)提升为融合建模的96.3%(累加融合)和98.1%(串联融合)； 采用PCA-KNN的准确率由单一光谱建模的68.9%(Vis-NIR), 72.9%(Raman)提升为融合后的80.3%(累加融合)和92.6%(串联融合)。 实验结果表明: 光谱融合能够发挥Vis-NIR, Raman各自的数据优势, 所建火星表面相关矿物分类模型的预测准确度更高。 该研究为我国火星探测任务奠定了岩石分类方法基础。

针对窄带干扰下通信系统性能恶化的问题, 提出一种基于过采样与盲源分离技术的单通道窄带干扰抑制算法。该算法利用通信信号与窄带干扰的基带结构特征, 通过过采样以及串并变换构造出源信号为信息序列的盲源分离模型, 并利用快速独立成分分析法实现信息码元的恢复。仿真结果表明, 该算法能有效对抗窄带干扰, 抗干扰能力强。