摘要：因信号的重构效果受到稀疏矩阵选取或设计的影响,传统压缩感知技术在处理冲击波信号时要求信号在某个变换域上满足稀疏先验性。为了避免稀疏矩阵不易选取的问题,提出了一种基于深度卷积生成网络与压缩感知技术相结合的算法。该算法将固定的随机信号作为网络输入值,网络的输出结果为重构信号,利用文中设计的损失函数对网络中的参数进行优化,实现信号端到端的恢复,并通过仿真验证了重构结果误差的减少。在15 psi和5 psi传感器实测冲击波信号的实验结果中表明,本文算法相比于传统压缩感知技术具有更好的重构结果,重构误差在稳定时约为DFT-OMP算法和DCT-OMP算法在M为2400时误差值的0.5倍。

摘要：充分利用冲击波信号和气泡信号的特性,设计了抽样率随被抽样信号的波动程度而改变的采样系统,大大降低了系统的数据传输、存储压力,在同样的器件条件下并不降低对信号的分辨力,很好地实现了炸点信号效能参数的数据采集。

摘要：在爆炸场的冲击波超压测试中,弹药的当量、类型以及测试节点到爆心的距离都会影响冲击波信号的特征。为保证不同特征的冲击波信号在靶场测试中都能被完整采集,本文提出了一种参数可配置的瞬态压力存储测试系统。该系统通过无线通信的方式对爆炸场的所有测试节点进行参数设置,满足了不同节点的测试需求。通过爆炸环境的测试实验,验证了测试节点的可靠性。