基于模拟电路信号压缩采样的非线性特征核抽取与鉴别方法

针对非线性特征容易导致模拟电路故障诊断过程出现维数灾难和小样本问题，本课题基于电路测试、信号处理和模式识别理论，对稀疏信号压缩感知和电路特征提取问题展开深入研究，提出基于模拟信号压缩采样的非线性特征核抽取及鉴别方法。在变换域将模拟信号稀疏化表示后，构造与变换基不相关的观测矩阵，以随机采样方式完成稀疏信号的压缩感知，在压缩域中通过范数优化重构信号来权衡采样效果，从压缩感知后的信号中获取原始样本特征；利用核映射实现原始样本特征线性化，从核类间散布非零空间和核类间散布零空间分别抽取非线性特征核鉴别矢量，在Fisher极小准则下提取利于分类的电路特征。本课题通过模拟信号压缩采样降低了硬件开销，利用核技术将Fisher线性鉴别分析进行非线性推广实现特征提取，解决了特征非线性可分和线性鉴别分析下的小样本问题，为模拟电路特征提取问题提供新的解决方案和原创性的理论成果，具有重要学术价值和实用性。

本课题运用电路测试与验证理论、信号检测与信息处理技术侧重研究了基于模拟信号压缩采样的非线性特征核抽取及鉴别方法。研究工作围绕如下三个方面展开：.1. 模拟信号压缩感知测量方法. 研究了两类压缩感知性能良好的测量矩阵构造方法及其硬件实现方案，利用其对稀疏化表示后的稀疏信号进行随机采样，在压缩域中通过范数优化重构测试信号，通过信号恢复率评估压缩感知效果。.2. 特征提取和信号检测方法.① 利用核映射将原始样本从特征空间映射到观测空间实现特征线性化处理，在fisher线性鉴别分析极小准则下抽取原始特征的最佳非线性特征核矢量。.② 研究了决策树机制下的神经网络集成分类器识别调制信号模式，利用多特征信息融合技术提高低信噪比环境下的信号识别率和抗干扰性。.③ 提出一种联合循环平稳特征的无线信号自适应双门限能量检测方法及其硬件实现方案，提高了无线信号检测率和频谱感知精度。.④ 利用提升小波的预测和更新原理与故障信号特征提取过程紧密相关，对响应信号经过时频分析后的高频分量实施Hilbert变换，从信号频谱分布定位故障特征频率。.3. 测试数据压缩处理方法. 研究了一种用于片上系统测试数据压缩的计数兼容模式游程编码方法。将余下模式码与保留模式码进行比较，通过增加一个计数码去统计连续相等或者相反的个数从而避免使用结束码，整体提高了编码效率并简化了解压结构。. 本课题为模拟电路特征提取、测试和故障诊断问题提供新的解决方案和原创性的理论成果。