强噪声背景下的信号提取

为了将被强噪声淹没的信号提取出来,本文介绍了在强噪声背景下将信号提取出来的一般常用方法,并重点介绍了采用自适应噪声抵消方法的原理及优点,并对其进行了改进,达到了预期的效果.     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

非参数波形提取方法及应用

介绍了一种基于滤波器组的非参数波形提取方法,并将其应用于冲击信号的提取．该方法不需要构造参数表达的基函数,而是将具有信号先验知识的模板信号通过滤波器组得到一组基函数来提取隐藏在噪声中的信号．其原则是使基函数在各个子频带内匹配原始信号．给出了4种获取模板信号的方法．模板信号的选择使该方法在实际应用中具有良好的柔性和适应性．仿真信号和实验信号验证了非参数波形提取方法的有效性和实用性,即使是在噪声和信号频带重叠的情况下,也能将信号分离和提取出来．     

随机共振的数值模拟

给出了变步长Runge-Kutta 算法,作为非线性随机微分方程的求解方法.利用此微分方程所描述的系统所表现出来的随机共振特性,检测强噪声背景下的弱信号.并应用Simulink软件强大的功能以一种很直观的方式完成了计算机仿真.将此方法应用于强噪声背景下的微弱周期信号检测,可以更方便直观地改变系统和信号参数,为微弱故障特征信号的提取提供了一种实用仿真系统.     

在强噪声中进行通信的新方法

为了将被噪声淹没的信号提取出来,介绍了一种新型的调制方法－－反相对称调制法。仿真结果表明,反相对称调制法能够用较少的设备实现输出信噪比的大幅度提高。     

微弱物理量的检测

为了测量被噪声淹没的信号，利用噪声所不具备的信号的特征和相关性，采取必要的手段，将被背景和噪声覆盖的信号提取出来，相干检测和重复信号的时域平均是两种有效的方法     

微弱信号检测方法的探讨

微弱信号是淹没在噪声中的信号,微弱信号检测的目的是从强噪声中提取有用信号,文章论述了微弱信号检测的基本原理,并详细地讨论了微弱信号检测的几种方法。     

基于互相关和最大似然估计的弱信号检测

弱信号检测一直以来是人们研究的热点，如何从强噪声环境下提取有用的信号非常关键。简单介绍互相关检测的原理及最大似然理论，并在此基础上，提出了将互相关检测与最大似然理论相结合检测弱信号的新方法。仿真结果表明，此方法是可行的。     

利用BP神经网络从强噪声背景中提取弱信号

分析了一般情况下的信号与噪声分离的理论和方法问题,重点讨论了利用BP神经网络从强噪声背景下的提取弱信号的方法,给出了具体的BP训练算法和提取弱信号的公式。     

小波包信号提取算法及其在故障诊断中的应用

提出了提取强噪声背景下多通带窄带信号的一种新方法小波包信号提取算法．这是利用小波包将信号按任意时频分辨率（满足测不准原理）分解到不同频段的特点而提出的．介绍了小波包理论；给出了小波包信号提取算法，并以仿真结果说明了该算法的有效性；以滚动轴承的故障诊断为例，说明该方法可以用于故障诊断和预知维修     

转子强脉冲干扰非线性信号的混合滤波方法研究

针对脉宽调制控制器在转子振动信号中产生的强脉冲及其它随机干扰噪声,对信号的滤波方法进行了研究．设计了将中值滤波与小波消噪串联的混合滤波器对非线性信号进行滤波的方案．通过对信号的前后周期延拓,将中值滤波用于滤除信号的强脉冲噪声并消除信号的边缘保持;对线性叠加在中值系列中的平稳随机噪声,用默认软阈值小波消噪平滑中值序列中的随机噪声分量,分析表明,该滤波器对该类振动信号的处理效果好,提取到了转子的本质振动信号并保持了信号的光滑性．     

变压器局部放电信号无线监测系统的设计

介绍了变压器局部放电信号无线监测系统的系统结构、控制方法和工作流程,该系统是采用单片机进行控制的无线通信方式,它所采用的提取变压器局部放电信号的方法,是将超声波传感器传过来信号经过滤波、压扩、整流的处理,以有效地从强噪声中获取变压器局部放电信号。     

微弱信号提取中的小波方法研究

针对于实际应用中的小信号特别是完全被噪声淹没情况下的微弱信号提取的问题，本文依据白噪声信号的小波变换系数相对比有用信号的小波系数小的特点，利用小波变换对信号进行消噪来提取微弱信号，仿真结果表明：小波变换能够有效的消除噪声，将有用微弱信号从受噪声污染的信号中提取出来。     

一种基于ICA的机械缺陷超声信号提取方法

针对强噪声背景下缺陷超声回波信号检测的问题,利用了基于独立分量分析的方法进行缺陷信号的提取。该方法首先对观测信号进行JADE分解,得出多导独立分量,再根据赫斯特指数,分离缺陷信号和噪声信号。通过对仿真和实测缺陷超声信号的去噪实验研究,结果表明,与小波去噪方法相比,ICA去噪方法能够得到很好的信噪比,有利于强噪声背景下缺陷的去噪处理及微弱信号的提取。     

非高斯噪声背景下的自适应信号提取方法研究

为实现对非高斯背景噪声干扰条件下用信号的提取,将BP神经网络作为自适应噪声对消滤波器,以与干扰噪声强相关的噪声源作为参考噪声,实现对背景噪声的抑制,达到了有用信号提取的目的。BP神经网络自适应噪声对消技术不仅适用于线性相关参考噪声,同时也适用于非线性相关参考噪声,可以有效提高信号传递和接收的信噪比。     

磁光交流电流测量的一种新方法

我们研究了利用法拉第效应测量电流的方法,研究发现对于交流电流测量,其被测信号具有特定频率范围,不需要借助复杂的光学方法,仅用电子的方法就可将有用信号从光源干扰和噪声中提取出来。     

一种微弱信号的检测技术

针对于实际应用中的小信号,特别是完全被噪声淹没情况下的微弱信号提取问题进行了论证,分析了信号和噪声在时间特性方面和统计特性上的差别,介绍了一种有效的用相关函数检测技术来提取被噪声淹没的极微弱信号的方法.     

一种微弱信号的检测技术

针对于实际应用中的小信号,特别是完全被噪声淹没情况下的微弱信号提取问题进行了论证,分析了信号和噪声在时间特性方面和统计特性上的差别,介绍了一种有效的用相关函数检测技术来提取被噪声淹没的极微弱信号的方法.     

参数化S谱幅值调制及轴承故障诊断应用

针对传统谱幅值调制方法易受噪声影响的问题,利用参数化S变换得到信号在时频域中的幅值,提出了一种参数化S谱幅值调制方法。该方法首先使用参数化S变换将信号转换到时频域并得到幅值和相位,然后将不同权重赋予时频域中的幅值以改变不同能量频率成分在信号中的占比,最后将调制后的幅值与原相位结合,使用参数化S逆变换重构一系列修正信号并计算其平方包络谱以提取故障特征。仿真和实验结果表明,该方法获得的幅值信息相比传统谱幅值调制方法更加准确和全面,对强噪声环境更具鲁棒性,能够有效实现滚动轴承的外圈、内圈和复合故障诊断。将所提方法与传统谱幅值调制方法和快速谱峭度方法进行对比,证明了参数化S谱幅值调制既能检测强噪声环境下的轴承故障信息,又能同时提取多种故障分量,在滚动轴承的故障特征提取中更具优越性。     

利用高斯平滑法提取GPS观测序列中的结构振动监测信号

利用GPS进行结构振动监测时,GPS观测信号噪声非常大。文章分析了GPS信号误差来源,根据相邻两天GPS观测值多路径误差强相关性,提出了利用高斯平滑法从带有噪声的GPS位移序列中提取真正的振动信号。实测数据分析表明,该方法能有效地抑制GPS多路径效应与测量噪声,成功提取结构振动信息。