非平稳随机过程功率谱与自相关的关系推导

涉及随机过程的文献或书籍通常只介绍广义平稳随机过程的功率谱密度与自相关函数的关系,即佩利-维纳准则.本文就非平稳随机过程的功率谱与自相关之间的关系进行了推导,结论是功率谱密度与自相关函数的时间平均是1对傅立叶变换.     

Alpha稳定分布噪声下通信信号的载波频率估计

针对在Alpha稳定分布噪声环境下循环谱估计通信信号载波频率失效问题,提出了基于广义循环谱的载波频率估计方法.首先用非线性变换定义广义循环谱,并对信号幅度进行变换;然后利用非线性变换抑制夹杂在通信信号中的非高斯脉冲噪声.通过检测广义循环谱的谱线位置与数字调制信号载波频率的关系实现载波频率估计.通过Matlab仿真实验和性能分析对比,证明该方法可较好地在Alpha稳定分布噪声环境下估计通信信号的载波频率.     

等谱与非等谱Kaup-Newell方程簇的B(a|¨)cklund变换

从Kaup-Newell方程簇的Lax对出发,经变换使之成为Riccati型的Lax对,从而得到对应于这些方程簇的广义Miura变换。利用这些广义Miura变换的某类不变性,得到了等谱与非等谱Kaup-Newell方程簇的B(?)cklund变换。     

非高斯模型下BPSK的循环谱分析

在Alpha稳定分布下结合共变理论、循环平稳理论和分数低阶矩等理论,推导了BPSK信号的循环平稳特性和低阶循环谱密度,结果表明稳定分布下BPSK信号的低阶循环谱结构同高斯假设下的谱结构是一致的.最后在Matlab下进行了仿真验证,仿真结果与理论推导相符合,但基于稳定分布所设计的算法具有良好的抗脉冲噪声的性能,对复杂背景下的调制识别或者盲分离提供新的途径.     

基于分数低阶Stockwell变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha(α)稳定分布,传统的Stockwell变换(S变换)时频方法性能退化甚至失效。基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好地工作在高斯噪声和α稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

谱负Lévy过程带Xτ?0的有限个区间占位时的联合Laplace变换

运用Esscher测度变换的方法,研究谱负Lévy过程关于首达时τ_0~-、过程在τ_0~-时的状态Xτ_0~-以及过程在[0,τ_0~-)上的有限个区间的占位时的联合分布。得到的联合占位时的Laplace变换表达式可用谱负Lévy过程广义的尺度函数表示。     

分数低阶α稳定分布噪声下EP潜伏期变化韧性自适应检测

依据分数低阶矩理论和信号噪声的特性，提出了一种自适应检测EP潜伏期变化的新方法，这种方法基于反正切函数的单调有界和奇对称特性，对误差信号Cn(k)进行非线性交换，抑制了EP信号中的分数低阶α稳定分布噪声，有效保留了信号成分，在高斯和分数低阶a稳定分布噪声条件下具有良好的韧性，且避免了动态估计信号噪声a参数的困难，利用这种方法动态检测EP潜伏期的变化，具有较高的估计精度和较快的收敛速度。     

基于分数低阶S变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha()稳定分布,传统的Stockwell变换（S变换）时频方法性能退化甚至失效。本文基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好的工作在高斯噪声和稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

基于分数阶Fourier变换的时频分布

分数阶Fourier变换是对经典Fourier变换的推广.根据信号瞬时相关函数、点谱相关函数、Wigner分布和模糊函数这4种信号表示方法之间的Fourier变换关系,基于二维分数阶Fourier变换,给出一种新的分数阶时频分布,它表征了信号的局部时间/频偏和局部频率/时延特性,进一步讨论该分布函数的主要性质.最后给出它在线性调频（chirp）信号检测中应用的仿真结果.     

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。     

基于拟线性变换的海浪方向谱反演方法研究

海浪谱反演的交叉谱方法能有效降低斑点噪声并确定海浪传播方向,但从海浪谱到SAR交叉谱的非线性变换非常复杂,给海浪谱反演带来了分析和计算上的困难。依据从海浪谱到SAR交叉谱的非线性变换,给出了从海浪谱到交叉谱的拟线性变换,并利用海浪谱非负的约束条件,建立了一种基于该拟线性变换的反演方法。在引入海浪谱非负约束条件的情况下,反演过程中可以用拟线性变换代替非线性变换确定每次迭代的方向,不但能简化计算,并且能在反演精度不受影响的情况下,使反演过程更快、更稳定地收敛到最优海浪谱。     

线性调频Z变换在信号频谱分析中的应用

由于快速傅里叶变换（Fast Fourier Transform,FFT）算法不能精确反应信号的局部频谱特性,对此,本文以按时间抽取（DIT）的基-2FFT算法为基础,并参考基于FFT的布鲁斯坦（Bluestein）算法,设计了新的信号频谱分析软件,用于对实序列采样信号做线性调频Z变换,即频率抽样处在Z平面上,可沿任意螺线做频率抽样的频谱分析方法.结合工程实践对相同采样点数的信号在0—50Hz频率段做频谱分析,由频谱图可以看到,采用线性调频Z变换算法远比采用FFT变换算法求得信号的频谱更精确.     

Alpha稳定分布噪声下MPSK信号调制识别算法研究

针对Alpha稳定分布噪声中信号四次方谱失效的问题,提出了广义四次方谱的概念,在此基础上研究了基于广义四次方谱的多进制相移键控(M-ary Phase Shift Keying,MPSK)信号调制识别算法.首先分析了待识别信号的广义四次方谱,然后提取广义四次方谱中二倍载频和四倍载频处的谱线作为特征参数,最后通过判断谱线是否被冲击来实现信号的分类.仿真结果表明,这种算法在Alpha稳定分布噪声下的性能优于基于四次方谱的算法,且该算法在高斯噪声下也具有良好的性能.     

二维信号Hilbert-Huang变换时频谱研究

Hilbert-Huang变换(HHT)自适应时频分析是处理非平稳数据较为有效的新方法.根据一维Hilbert-Huang变换信号时频谱变换原理,研究了二维信号的分解和时频谱分析方法.通过把二维信号按指定方向进行一维分解和时频谱变换,构造出二维信号时间(空间)-频率-能量谱图,使二维信号在指定方向的时频特性能正确地显示出来,从而拓展了Hilbert-Huang变换的应用范围.该方法为分析非平稳二维信号提供了新的工具.     

电弧等离子体光谱诊断中Abel反变换的实现

基于三次样条插值理论．结合余弦变换．提出一种Abel反变换的数值计算方法,在处理积分奇异点的问题上取得了一定的突破，较好地解决了积分奇异点问题．在Matlab软件平台上实现了该计算方法，对单峰型函数的数值计算结果表明．该方法具有计算精度高，算法简便易行的特点,在实验分析计算过程中有较好的应用前景．     

基于希尔伯特-黄变换周期平稳类微弱故障信号检测

在希尔伯特黄变换可以将振动信号分解为有限的模式函数的基础上,针对周期平稳类微弱故障信号难以检测到的问题,对信号进行经验模式分解,然后对本征模式函数进行希尔伯特变换;接着通过希尔伯特谱对多频信号中的弱信号和仿真齿轮裂纹弱故障信号分析,得出多频信号中弱信号成分和其时间分布以及调相频率;最后分析滚动轴承损伤弱故障,从希尔伯特谱中可以分析时频和振动量的分布情况,进而提取故障特征,分析出故障;表明希尔伯特谱对周期平稳类微弱故障信号具有一定的分析能力.     

有色噪声在物理小波变换下功率谱分布研究

借鉴Christopher Torrence等利用噪声小波功率谱的统计特性检测有效信号的方法，研究有色噪声在匹配地震子波的物理小波（以下简称物理小波）下的功率谱分布规律，Monte Carlo仿真结果表明，该功率谱服从x2^2分布，这是在小波域辩识有效信号和噪声的基础。利用假设检验的统计学方法，可以确定有效信号能量分布空间。     

面向随机振动功率谱估计的小波变换去噪算法理论分析*

 针对随机振动功率谱通常存突变或间断现象,在小波去噪处理中,软阈值法使得估计信号在间断处较模糊, 且整体误差大,而硬阈值法在信号的间断点附近会产生伪Gibbs现象。通过对随机振动谱的统计模型进行分析,建立了对数域振动谱噪声的统计模型,并理论推导出根据噪声小波变换系数而设置的滤波阈值与小波变换尺度之间的非线性关系,为小波变换自适应阈值去噪提供依据,在此基础上提出了基于小波变换的振动谱估计自适应去噪通用算法,通过仿真对比实验,结果表明理论分析的有效性。     

工程振动信号微积分敏感性及其应用研究

工程施工监测中常常需要监测振动速度信号或振动加速度信号,振动速度信号和振动加速度信号的频谱特性差别很大,进而影响后续分析.本文采用傅立叶变换的时域微积分性来分析工程振动信号频谱的微积分敏感性,并通过拉普拉斯变换求取结构振动傅立叶谱,自功率谱,频响函数,并分析它们微积分敏感性.通过频响函数分析了其微分敏感性的物理意义.通过对背景工程中高层建筑实测自然激励的振动信号,验证了频谱微积分敏感性,并分析了频谱微积分敏感性对于振动信号分析的影响.研究结果表明：工程振动信号在数学上由于傅立叶变换的时域微积分性质,使得傅立叶谱峰值的频率分布具有微积分敏感性,随着振动信号微分阶次的升高,高频成分逐渐升高,低频成分逐渐降低;由不同信号的频响函数表达式,对结构动刚度、阻抗、动质量的频率分布规律进行了阐述;不同监测信号对于高、低频成分的识别精度不同,对于结构物高、阶模态的识别精度亦不同,对于高阶的频率成分的识别建议进行振动加速度信号监测,对于低阶频率的识别建议采用振动速度信号监测.     

小波变换在吸毒者脉象信号分析中的应用

根据脉象信号的随机特性,采用小波变换中的多分辨率分析算法对其进行分析,旨在提取海洛因吸毒者脉象信号的异常信息,并得出区分正常人与吸毒者的初步的判断依据．基于小波变换的脉象信号的尺度谱携带有人体健康状况的重要特征信息．对15例海洛因吸毒者和15例正常人的脉象信号进行分析,提取出每例信号的尺度谱和该信号的总能量,发现吸毒者脉象信号在特定尺度与时间区域内的尺度谱之和（即尺度-小波能量）和该信号总能量的比值明显高于正常人．以该尺度与时间区域内的尺度-小波能量和该信号总能量之比的百分值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数．据此,15例正常人从30例受测者中全部被正确地检测出来,但有两例吸毒病人被误判为正常人．结果表明,该方法是检测海洛因吸毒者脉象信号异常的有效且可行的方法．