多径衰落信号的多重分形谱

利用多重分形模型对多径衰落信号的分形特征进行了分析和讨论。通过分析,指出多径信号的多重分形谱特征是描述移动通信信道的重要参数,并引入了一种利用相空间重构的思想来提取信号多重分形特征的算法。结合分数布朗运动模型,对多径信号的重构进行了研究,对实测数据的分析结果表明,分形模型与传统的统计模型相比能更精确地描述多径衰落信号。     

基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断

针对滚动轴承振动信号非线性、非平稳的特点,提出采用多重分形降趋算法计算多重分形谱参数作为特征参数,对比分析了多重分形降趋波动分析法及多重分形降趋移动平均法提取轴承故障特征的优劣性.并提出改进的K均值聚类分析对多重分形降趋算法提取的特征参数进行分类,从而实现轴承故障诊断的目的.运用滚动轴承公开数据对方法进行验证,提取时域特征与多重分形谱参数进行对比分析,并对两种多重分形降趋算法的效果进行对比分析,验证了多重分形降趋波动分析法与改进K均值聚类相结合对轴承故障诊断的有效性,为轴承故障诊断方法提供了一种新的尝试.      

基于分形维和独立分量分析的声发射特征提取

针对噪声对声发射信号分形维的影响,提出了一种基于分形维和独立分量分析(ICA)的结构材料声发射信号特征提取方法.文中首先给出了分形维的概念,并从理论上分析了噪声对声发射信号分形维的影响.接着引入ICA进行信号预处理,以提取源独立的去噪信号进行分形维计算.最后进行了多组铅心模拟声发射实验.实验结果表明,不同的声发射源和传播介质下声发射信号的分形维表现出明显不同的特征,且与去噪前的分形维相比,能够更好地对应声发射事件数.分形维具有受研究者主观影响小、易于标准化的优点,可以作为一种新的结构材料声发射的特征识别方法.     

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。     

基于小波和分形理论的多径衰落信号分析

首次将小波理论和分形理论相结合来分析多径衰落信号，从多径衰落信号产生的动力学机制出发，指出了多径衰落信号具有分形的特征，进一步研究多径衰落信道的多重分形特性，分析并指出了多重分形维数是描述无线信道传播特性的重要参数，根据多径衰落信道参数突变，首次指出了多径衰落信号具有局部奇异性，其局部奇异性对信道参数估计和信号重构有着重要的作用，中提出了短时网格分形维数的定义和给出了其计算的详细算法，用Lipschitz指数来表征局部奇异性，利用小波检测多径衰落信号奇异性和信号重构。仿真实验结果表明：小波重构后信号具有很好去噪性能；多径衰落信号不同尺度下小波变换系数具有自相似性，论证了多径衰落信号的分形特性，不同移动速度时多径衰落信号的多重分形特性仿真实验表明：随着移动速度增大，其短时网格分形维数也变大。     

基于一种新型分形理论的语音端点检测

为提高语音端点检测在较低信噪比下的准确率,当语音信号与随机噪声在不同尺度上进行小波变换时,针对其传递特性不同的特征表现及其特点,提出了一种新的基于分形维数的语音信号端点检测方法,即对带噪语音信号进行小波重构,去噪后,利用分形维数方法计算信号的维数,实现语音的端点检测.并给出其原理和具体算法.仿真实验结果表明,该方法简单可靠,有效可行,与已有方法相比,更具有广泛的实用性.     

基于脑电的立体视频加速度的特征识别

构建一种能够自适应提取脑电特征的PMEMD-2JSD-CSP模型,明确了立体视频的两类匀加速深度运动的可分性.利用部分噪声辅助多变量经验模态分解(PNA-MEMD)对脑电(EEG)信号进行分解得到本征模态函数(IMF),应用基于詹森-香农散度(JSD)的有效因子对IMF进行两次不同范围的自适应筛选,筛选结果按照权重叠加构成重构信号.利用共空间模式(CSP)对重构信号进行空域特征提取,支持向量机(SVM)对特征进行分类,分类正确率最高为73.16%,证明了该模型对两类EEG信号特征提取的有效性.     

基于方差的多尺度时间序列重构方法研究

针对传统的多尺度时间序列重构方法无法完整地提取脑电图EEG信号特征的问题,提出了一种新的多尺度时间序列重构方法——移动方差化。将EEG信号使用移动方差化方法进行序列重构,进而在多个尺度上提取时间序列的2个特征值——样本熵和方差熵。最后对所提取的特征值使用KS检验方法进行p值检验。实验证明,利用移动方差化方法重构的多个尺度上的时间序列对EEG信号进行特征提取,可以有效地区分癫痫患者发作间期与发作期的EEG信号,为之后利用EEG信号诊断判别精神疾病提供了依据。     

多重分形去趋势波动分析的振动信号故障诊断

针对基于配分函数的多重分形分析不利于局部标度特性突显的问题,把多重分形去趋势波动分析(MF-DFA)方法引入到振动诊断领域,提出对振动信号进行多重分形谱参数(|B|,α0,Δα和Δf)故障特征分析,并将α0用于故障诊断.首先分析了振动信号的多重分形特性;然后提取振动信号的4种多重分形谱参数特征,并进行了比较;最后用支持向量机算法实现振动故障诊断.研究表明:去除趋势后,振动信号的波动呈现显著多重分形特征,正常状态振动信号的α0明显大于故障状态,而振动信号的|B|,Δα和Δf特征变化规律则不明显;α0作为故障特征量,能有效地区分正常状态与故障状态,有效实现了振动故障诊断.     

基于多重分形关联和深度CNN的常规雷达目标分类方法

针对传统分类方法中飞机雷达回波信号识别分类精度低、人工定义特征稳定性差的问题，提出基于多重分形关联特征和深度卷积神经网络(convolutional neural network,简称CNN)的雷达目标分类方法.首先，对输入训练数据进行多重分形关联分析，将多重分形关联谱的投影图作为输入特征图；然后，利用深度卷积神经网络对特征进行训练，得到训练模型；最后，使用训练后的模型对目标进行分类.实验结果表明：相对于其他3种方法，该文方法有更强的飞机分类性能.     

OFDM信号的多重分形谱特征盲识别算法

针对非合作通信条件下的调制方式识别问题,提出了一种正交频分复用(OFDM)信号的多重分形谱特征盲识别算法.该算法首先提取通信信号多重分形谱最大值对应的奇异性指数以及通信解析信号平方处理后经两次傅里叶变换的幅频信号的多重分形谱跨度作为信号特征参数,然后通过多层决策树分类器完成对OFDM信号和单载波信号的识别.该算法提取的...     

模拟阅读型脑-机接口信号分类研究

脑-机接口(BCI)研究中的一个关键问题是如何正确地对EEG信号进行模式分类,以输出控制命令.本文在对“模拟自然阅读”模式下非靶刺激和靶刺激诱发的EEG进行去均值、低通滤波、下采样和归一化等处理后,结合对视觉诱发事件相关电位时域特征分析,提取出最佳特征量,分别利用BP神经网络和线性感知器算法对这些特征模式进行了分类.最...     

改进的小波变换阈值去噪方法

针对Donoho的阈值去噪方法有时去噪效果不能令人满意的问题,提出了一种二次小波变换阈值去噪的方法--对小波变换各个尺度上的小波系数都进行二次小波变换,并进行去噪处理后重构小波系数,再由重构的小波系数重构原信号,此时原信号中已去除大部分随机噪声,此后再对重构后的原信号进行小波域阈值去噪.仿真结果表明:该方法具有良好的去噪效果,而且对信号的主要细节保留较好.     

SAR图像小波域消噪方法

目的 介绍小波域SAR图像消噪算法，并且提出一个小波域内利用多重分形参数修正的雷达图像消噪算法。方法 在系统分析SAR图像与小波之间联系的基础上，通过实验表明SAR图像中原始信号与噪声的多重分形参数不同，采用小波域内对多重分形谱相关的Hoelder指数修正方法进行SAR图像消噪。结果 该算法可以在保留信号边缘、纹理等奇异性情况下，消除斑点噪声。结论 小波进行SAR图像消噪具有独特的优势，随着如分形理论的各种非线性理论的引入，对于具有非线性特征的SAR图像斑点消噪研究将取得更好的效果。     

基于分形插值函数重构的网络流量多尺度结构研究

根据网络流量的非线性特征,及分块分形插值函数能模拟分形信号的优点,对震荡类型不同的两类流量重构,发现其对不同尺度流量拟合误差都很小,提出将该方法用于在很大尺度范围内的网络流量多尺度结构研究.进一步研究采用分块FIF重构的信号与原信号在多分形、能谱等分形特性和统计特征方面的保持能力;通过对信号FIF重构过程的分析,讨论了分块FIF构造过程与重构信号的多分形多尺度结构间的关系.提出分块FIF方法是基于流体技术研究网络流量多分形多尺度结构的有效工具.     

基于多重分形的齿轮故障特征提取方法

为提取齿轮的故障特征,提出利用多重分形谱参数来表征齿轮振动信号特征的方法.运用多重分形理论对实测的齿轮振动信号进行分析,计算了振动信号的多重分形谱参数,并对齿轮振动信号多重分形谱参数的变化规律进行了研究.结果表明:齿轮工作状态不同,振动信号的多重分形谱参数△a、△f及fmax发生明显变化.当齿轮出现断齿故障时,△a、△f和fmax均显著增大.多重分形谱参数可定量刻画振动信号的特征,成功识别齿轮断齿故障.     

EEG数据信号的Matlab滤波仿真设计分析研究

在处理脑电图(Electroencephalogram,EEG)过程中,对采集到脑电信号的预处理特别重要.文中利用信号分析与处理知识,在Matlab软件平台上仿真分析了不同小波基函数对脑电信号分解和重构的影响,以及利用db5小波基函数对EEG进行5层多尺度分解和重构,仿真信号颤动情况.通过采用不同阈值进行降噪和与低通滤波器的消噪仿真比较,对特定频带仿真结果进行分析和研究.研究结果表明:小波分析在EEG信号预处理降噪中可有效地提取脑电微信号,对EEG在更广的领域里发挥作用具有实用意义.     

VMD-SCT-GMF滤波算法

针对天然气管道发生泄漏时信号受到强烈的噪声干扰难以准确提取有用信号的问题,提出一种变分模态分解(VMD:Variational Mode Decomposition)结合变点理论(SCT:Statistical Change-point Theory)和广义形态滤波(GMF:Generalized Morphological Filtering)的有效信号去噪方法(VMD-SCT-GMF).该方法首先利用 VMD 对信号进行分解得到若干个模态分量,然后计算各模态分量的自相关函数绝对值均值并结合变点理论区分出噪声模态和有效模态,重构有效模态分量作为去噪后信号,最后通过广义形态滤波器进一步滤波得到去噪后的信号.实验结果表明,所提出的方法与基于VMD结合豪斯多夫距离去噪方法、VMD结合互相关系数和小波的去噪方法、基于互信息的VMD去噪方法相比,去噪效果更佳.     

基于EMD闪光视觉诱发电位的单次提取方法

探讨了基于EMD方法的单通道闪光视觉诱发电位(FVEP)信号的单次提取方法.应用EMD方法的自适应多分辨率特性,首先把单通道闪光视觉诱发电位信号进行EMD分解,然后根据FVEP的频率特征,选择对应的IMF分量进行重构,得到有效去噪后的FVEP信号,可实现FVEP信号的单次提取.与目前临床最常用的叠加平均方法比较,说明利用EMD方法单次提取的FVEP信号能够准确反映FVEP的典型特征信息,满足了临床应用要求.     

VMD和小波阈值重构的电力电缆局部放电信号去噪法

矿用电力电缆的绝缘在劣化初期会产生局部放电信号,因此通过测量局放信号能够判断电缆的绝缘状态。然而由于局放信号微弱,受干扰信号影响严重,导致其提取难度大,从而降低了根据局放量判断设备绝缘劣化的准确性。提出以一种基于变分模态分解和小波阈值重构的矿用电力电缆局部放电信号去噪方法,将局放信号从干扰中提取。利用变分模态分解法首先将含噪的局放信号分为多个本征模态分量,其次采用小波阈值法对每个本征模态分量进行处理,最后将处理后的信号进行重构,得到去噪后的局放信号。对实验室6 kV电力电缆施加2.5 kV直流电压获得的局放电压信号进行去噪处理,与已有的去噪方法对比去噪效果。经对比分析,该方法的去噪效果优于现有的其他方法,尤其是对于信噪比极低的信号,采用该方法后,重构信号的信噪比、相关系数、均方根误差、噪声抑制比均得到了显著提升。