基于相关增强的单信道信号分离

提出了一种在单通道自适应干扰抑制框架下分离语音信号和伪随机信号的方法.该方法首先采用时间延迟叠加方法增强语音信号的相关性和周期性,并利用时延估计器提取周期性特征,从而提高估计精度.然后,采用自适应算法估计语音信号,并通过从混合信号中抵消语音信号,估计出伪随机信号.仿真结果表明,该方法既能分离清音信号,也能分离浊音信号.分离单音频信号时,规范化最小均方算法的性能优于其他基于最小均方的算法;使用递归最小二乘算法可有效分离出相关增强后的清音信号;与无增强的信号相比,使用相关增强策略可提高浊音信号的估计精度.     

认知无线电中基于循环平稳特征的频谱感知方法

提出一种基于信号频域循环平稳特征的频谱感知方法,该方法能够区分出授权和非授权信号的类型从而获取不同的频谱共享策略.将授权信号及非授权信号分别建模成线性周期时变变换,对授权信号和非授权信号进行频域的循环平稳特征分析,给出2类信号呈现循环平稳特征的位置,并给出用于鉴别2类信号的检测方法,其中推导了复过程中近似协方差矩阵的计算.仿真结果验证了该方法能在低信噪比中有效地鉴别出授权及非授权2类信号.     

自适应信号处理在柴油机振动信号识别中的应用

介绍了信号自适应处理的基本方法和自适应对消原理 ,利用正弦合成信号和正弦与噪声合成信号的对消实例验证了该方法。在对PZ1 2V1 90B型柴油机缸盖振动信号的分析中 ,用非爆发段信号作为待消信号 ,对原信号进行了对消 ,抑制了噪声及其他信号 ,突出了有效信号。     

基于自适应粒子群优化的非线性转子故障特征提取

针对非线性机械故障信号分离依赖于非线性函数的选取问题,提出一种基于自适应粒子群优化的机械故障特征提取方法.该方法把观测信号的负熵做为目标函数,通过观测信号的状态自适应地调整惯性因子,有效克服了信号恢复质量和收敛速度间的矛盾.通过对仿真信号的分离,实现了分离输出信号与仿真信号的一致性.最后利用该方法对实测混叠机械振动信号成功实现了故障信号分离,验证了所提方法的有效性.     

认知无线电中基于循环平稳特征的频谱感知方法

提出一种基于信号频域循环平稳特征的频谱感知方法,该方法能够区分出授权和非授权信号的类型从而获取不同的频谱共享策略将授权信号及非授权信号分别建模成线性周期时变变换,对授权信号和非授权信号进行频域的循环平稳特征分析,给出2类信号呈现循环平稳特征的位置,并给出用于鉴别2类信号的检测方法,其中推导了复过程中近似协方差矩阵的计算。仿真结果验证了该方法能在低信噪比中有效地鉴别出授权及非授权2类信号。     

混合谱动态测试信号综合分析法

提出的混合谱动态测试信号综合分析法 ,是经典谱分析方法和现代谱分析方法的综合应用 ,即先用奇异值分解法确定混合谱信号中的谐波数 ,然后用FFT法逐个分离谐波分量 ,最后用线性回归分析方法同步分离非周期信号和随机信号分量 .还给出了“综合分析法”的数学模型 ,并通过计算机仿真证明了该方法可高精度地辨识和分离测试信号中不同特性的信号分量 ,是一种用计算机自动处理一般几何量动态测试信号的有效方法     

一种新的基于小波变换的EEG视觉伪信号修正方法

提出了一种在基准EEG信号和视觉信号未知条件下,基于小波阈值去噪的方法来修正EEG信号中出现的视觉伪信号(OA)的新方法。这种方法实现了对原始EEG信号进行平稳小波变换(SW T);对低频系数进行两次阈值去噪;对去噪后的信号进行重构。实验结果表明:这种新方法在基准EEG信号和视觉信号未知条件下能有效去除OA,同时适用于眨眼和眼球运动所产生的伪信号。通过不同方法对采集的信号处理后进行比较,说明该方法的有效性。     

基于状态机的里程计信号滤波方法

提出并实现了一种基于状态机的里程计信号数字滤波方法。该数字滤波方法以FPGA为硬件基础,对经过阻容滤波和光电耦合器隔离后的里程计信号,进行毛刺信号的检测和滤除;分析了里程计信号存在多次振荡时可能造成亚稳态的原因,针对此情况给出了对亚稳态异常情况的处理方法;给出了滤波状态机的详细设计方法。在仿真环境和试验室环境下,使用方波信号、脉冲信号、三角波信号和高斯信号等对滤波效果和亚稳态异常处理措施进行仿真和测试,结果表明该数字滤波方法可以有效滤除干扰信号、计数结果准确;应用该数字滤波方法的某车载系统进行了跑车实测,结果满足系统要求,证明该方法具备工程上的可行性。     

弱信号检测技术研究

本文对弱信号的定义和弱信号的应用范围进行了概述,综述了微弱信号检测理论研究和实际应用领域的发展情况,重点比较了目前在微弱信号检检测技术中应用的方法:相关检测、离散信号的统计处理,基于小波分析的微弱信号检测,基于混沌振子的微弱信号检测,最后总结各个方法的特点.     

基于压缩感知和优化算法的欠定盲源信号分离

针对目前欠定盲源信号分离在源信号不充分稀疏的情况下分离精度较低的问题,提出一种基于压缩感知和优化算法的欠定盲源信号分离方法.首先分析了欠定盲源信号分离和压缩感知问题的等价性,并建立基于压缩感知的欠定盲源信号分离的数学模型;然后以分离信号的稀疏性和互相关性来建立目标函数,并通过使用压缩感知和优化算法来实现欠定盲源信号的分离;最后对语音信号进行了仿真实验.实验结果表明,在源信号不充分稀疏的情况下,利用这种方法得到的分离信号与源信号的平均相似系数为0.990 3,由此可见这种方法是一种有效的、分离精度较高的分离方法.这也为欠定盲源信号分离问题的研究提供了一种新的途径和手段.