基于地震动信号的飞机落地监测方法研究

发布时间：2020-07-04 07:46

【摘要】：飞机重着陆与重载往往会引起机场道面的损坏,因此对飞机落地阶段进行监测能够更为准确地定位跑道易损区域,减少人工监测工作,提高跑道日常维护效率。飞机在落地阶段主要分为两部分:着陆阶段和滑行阶段,均会对机场跑道产生强大的冲击作用,形成沿道面传播的地震动波。利用地震动波能够定位飞机落地位置,然而其它激励源会对地震动信号产生干扰,影响定位效果。因此,本文首先研究了地震动信号的分解方法。根据地震动波的特点,提出一种基于经验小波变换的信号分解方法,基于信号频谱包络线进行频谱分割,可以改善信号分解模态过多的问题。通过与经验模态分解算法的对比实验,证明了本文提出的算法具有较好的信号分解效果。其次,研究了目标定位方法。通过对比传感器排布模型对目标定位结果的影响,选择等腰直角三角型布局。针对地震动信号传播中的信号畸变与噪声的影响,提出了基于信号短时能量拟合曲线的起振点估计法,并以此实现了更为精确的地震动信号时延估计。通过与广义互相关类时延估计算法进行实验对比,验证了本文提出算法具有更高的时延估计精度。最后,通过飞机实测地震动信号,对飞机落地点进行估计。实验证明,本文提出算法能够较为准确的对飞机落地位置进行估计。
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V35
【图文】：

结构图,多分辨率分解,结构图,离散小波变换

依据信号离散小波变换—多分辨率分析的概念，信号多分辨率分解的结构图如图2-1 所示，图中 Sig 代表原始信号，aj可理解为经过 j 次离散小波变换后的尺度空间，Dj代表经过 j 次变换之后的细节空间，由图 2-1 可知，多分辨率分解是将原始信号逐次分解为低频部分和高频部分，下一级主要是对上一级中的低频部分进行分解，随着分解次数的增多，原始信号可以被分解由低频到高频各个频段，且频带逐渐增大，同样说明，离散小波变换对信号高频部分的分解不细致，对于信号高频部分频率特性分析有较大影响。图 2-1 多分辨率分解结构图

傅里叶频谱,小波变换,模态数,傅里叶

2.1.3 经验小波变换Gilles 提出了经验小波变换（Empirical wavelet transform，EWT）方法。该方法的心是对信号频谱进行自适应分割，在分割的频谱上构建合适的小波滤波器组来提取信中有用的调幅-调频（AM-FM）成分。经验小波变换的实质是将信号分解成为 N+1 个征模态函数之和，即为：0( ) ( )Niif t f t （2.17式中， ( )if t 定义为有用的 AM-FM 成分。该方法首先要对信号频谱进行分割，再建立小波滤波器组。如图 2-2 所示，首先信号 Fourier 频谱归一化到[0,π]。再将其分割成 N 个连续的区间，用n 来表示每个连区间的边界，每一区间定义为1[ , ]n n n ，显然有1[0, ]Nn n ，然后以n 作为中心率，以2n 作为相邻区间的过渡段。图中“n 型”曲线为区间1[ , ]n n 上的小波滤波器。

【相似文献】