题目：复杂背景下航天器微振动信号识别及其应用研究

航天器结构上的微振动信号会对航天器的状态及性能产生很大的影响，在飞行过程中采集到的信号通常模态频率密集、信噪比低、波形复杂，对信号进行降噪在信号处理中是必不可少的一个环节。动量轮在现代航天器姿态控制系统中占据着十分重要的地位，搭建地面在轨模拟试验，进行动量轮扰振信号的辨识、提取和处理，探索动量轮扰振模型具有较高的工程应用价值。 针对航天器飞行过程中振动环境的非平稳特点，本文提出一种基于经验模式分解EMD(Empirical Mode Decomposition)阈值降噪的方法，较理想地克服了小波阈值降噪处理中参数选择不适和过惩罚的缺陷，结合频率响应函数中的降噪优化问题，通过仿真和实验证明了经验模式分解阈值降噪方法在抑制瞬态非平稳信号的噪声方面有着较良好的效果。 为了研究动量轮的扰动特性，基于动量轮经验模型,分别采用最小二乘法和自适应线性Adaline(Adaptive Linear Element)神经网络法对模型参数进行辨识，相较于最小二乘法，自适应神经网络动量轮模型从信号建模的角度出发，将动量轮的参数作为网络待定权值，不仅能较精确地估计出动量轮谐波和间谐波的幅值，也能确定出其相位。同时在神经网络中定义了学习速率和动量项等学习算法，保证了自适应神经网络算法的收敛性能。