基于局域波分解的混沌时间序列分析

采用希尔伯特谱方法分析混沌信号的瞬时频率,揭示混沌信号的各组成成分的频率随时间变化的规律;针对噪声背景下的混沌信号降噪问题,以Lorenz方程为例,采用局域波分解方法对含噪信号进行自适应滤波。通过与小波去噪方法对比,仿真结果表明局域波方法的算法通用性强,降噪效果好。     

局域波分解算法

局域波分析是一种新的时频分析方法,该方法的关键是局域波分解算法,它的好坏直接影响到基本模式分量的精度,进而影响到它的实际应用。综述了各种局域波分解算法,讨论了各种算法的性能和特点,指出了改善局域波分解性能的具体措施和应用局域波分解算法应注意的有关问题,展望了局域波分解算法的可能发展。对局域波分解算法的改进和局域波分析的应用具有参考价值。     

瞬时频率的一种估计方法

为了得到在物理上有意义的瞬时频率 ,必须把基于信号全局性的限制条件修改为局部的限制条件 ,并且把这些条件转换成物理上可实现的步骤。首先讨论了用希尔伯特变换定义的瞬时频率的定义 ,然后介绍了一种新的瞬时频率估计方法。该方法利用局域波分解方法 ,把复杂的信号分解成有限个基本模式分量 ,从而使由希尔伯特变换定义的瞬时频率具有实际物理意义。由于该方法是基于信号局部特征的 ,因此适用于非线性、非平稳信号的处理。最后指出了这一方法研究的有关问题。     

基于曲面波变换的红外弱小目标背景抑制

提出了一种基于曲面波变换的弱小目标背景抑制新方法,解决红外搜索跟踪系统探测远距离弱小目标中复杂结构化背景抑制难题。根据红外图像中目标和背景杂波的特性,首先,采用曲面波变换对序列图像进行多尺度、多方向和各项异性分解,提取图像的多尺度和方向细节特征;其次,根据目标和背景杂波信号的差异,通过应用设计的核函数调整分解后的各尺度和方向的子带系数值;然后,重构修改后的各子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的;最后,采用自适应阈值分割技术得到真实目标点,最终实现对弱小目标的精确探测。实验结果显示,与局部去均值和最大中值滤波方法相比较,该方法能有效地检测出信杂比(signal-to-clutter ratio, SCR)在1.6以上的目标。     

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。     

基于小波包和Elman神经网络的螺杆泵井故障诊断

在螺杆泵井故障诊断技术中,有功功率信号最能全面反映螺杆泵井的泵况。提出一种基于小波包分析结合Elman神经网络的故障诊断方法,该方法采用小波包对螺杆泵有功功率信号进行消噪滤波,将不同频段的故障信号进行3层db4小波包分解,根据各频段功率谱的变化提取故障特征,应用Elman神经网络进行识别。利用Matlab仿真,结果表明,该方法能有效提高螺杆泵井的故障诊断准确性。     

一类纯反馈非仿射非线性系统的自适应神经网络变结构控制

研究了一类非仿射的纯反馈单输入单输出非线性系统。针对此系统,在中值定理、神经网络参数化和解耦Backstepping的基础上,提出了一种自适应变结构神经网络控制策略,而且所给出的定理证明闭环系统的所有信号在平衡点上是半全局一致有界的。通过对一个非仿射CSTR对象的仿真验证了该方法的有效性。     

基于平均包络线匹配算法的EMD端点效应分析及在股价趋势分解中的应用

经验模式分解(EMD)能够有效获得非平稳非线性信号的时频特征,但传统的EMD分解算法存在严重的端点效应. 在深入研究和分析EMD算法的基础上,提出了一种基于波形匹配的端点效应处理方案,通过计算波形匹配度, 在平均包络线内部寻找与其端部变化趋势最为接近的子波,并用这段子波代替平均包络线的边缘部分, 使处理后的平均包络线极大地接近真实包络线,并把这种端点效应处理方案的EMD分解算法应用到实际的股票市场价格趋势分解中.实验结果表明,与经典的EMD边界延拓算法相比,本文提出的算法能更有效地抑制EMD分解时的边界效应, 分解得到的固有模式函数更能体现模拟信号真实的频率、幅值信息.应用实验表明:与现有方法相比,该方法更能提高预测精度.     

SVR在切削颤振状态趋势预测中的应用

针对当前准确地预测机床切削颤振状态趋势存在的困难,提出了基于支持向量机回归算法(SVR)的切削颤振状态趋势的预测方法,给出了运用支持向量机进行回归分析时的参数选择原则。研究了基于小波包分解的切削信号特征提取方法,首先将切削信号进行小波包分解,计算信号分解到各频带区间内的能量并对其进行归一化,并将其作为切削信号的特征向量输入到支持向量机回归分析模型。在CA6140车床上进行了数据采集和仿真,结果表明,通过这种方法得到的信号在各频带区间内的能量变化曲线能准确地反映切削颤振的过渡过程,并且通过SVR对其进行趋势预测也取得了比较满意的结果。     

小波变换在弹射加速度滤波中的应用

小波分析作为一种崭新的信号处理方法,在工程界受到了越来越广泛的重视,已成功应用于信号分析、图像处理及非线性科学等方面。小波变换是去噪的有力工具,能将由各种不同频率成分组成的混合信号分解到不同的频率段上,有效地用于滤波和信噪分离。本文基于小波分解与重构理论,分别对航空弹射加速度信号滤波,与传统的消噪法进行了比较。结果表明小波去噪法用较少的数据就能很好地完成滤波功能,并且滤波的效果优于传统的方法。     

Multi-component LFM signal detection and parameter estimation based on Radon-HHT

A new method is proposed to analyze multi-component linear frequency modulated （LFM） signals, which eliminates cross terms in conventional Wigner-Ville distribution （WVD）. The approach is based on Radon transform and Hilbert-Huang transform （HHT）, which is a recently developed method adaptive to non-linear and non-stationary signals. The complicated signal is decomposed into several intrinsic mode functions （IMF） by the empirical mode decomposition （EMD）, which makes the consequent instantaneous frequency meaningful. After the instantaneous frequency and Hilbert spectrum are computed, multi-component LFM signals detection and parameter estimation are obtained using Radon transform on the Hilbert spectrum plane. The simulation results show its feasibility and effectiveness.     

Empirical mode decomposition using variable filtering with time scale calibrating

A novel and efficient method for decomposing a signal into a set of intrinsic mode functions （IMFs） and a trend is proposed. Unlike the original empirical mode decomposition （EMD）, which uses spline fits to extract variations from the signal by separating the local mean from the fluctuations in the decomposing process, this new method being proposed takes advantage of the theory of variable finite impulse response （FIR） filtering where filter coefficients and breakpoint frequencies can be adjusted to track any peak-to-peak time scale changes. The IMFs are results of a multiple variable frequency response FIR filtering when signals pass through the filters. Numerical examples validate that in contrast with the original EMD, the proposed method can fine-tune the frequency resolution and suppress the aliasing effectively.     

基于奇异谱分解的水声信号降噪方法研究

通过对水声信号进行相空间重构,并对重构后的轨迹矩阵进行奇异值分解,得到表征信号能量和噪声强度的奇异谱。对奇异谱进行分析,得到反映噪声强度的噪声平台。对于那些大于噪声平台的特征值,它们具有较大的方差,对应较大的信噪比。利用具有较大方差特征值对应的特征矢量重构状态空间,也就等效于得到了具有较大信噪比改善的重构。通过对3类多个样本的实际水声信号采用奇异值分解进行降噪处理,得到了较为满意的降噪效果,降噪后的信号波形基本上消除了噪声干扰,为水声信号的进一步处理奠定了基础。     

基于LMD-WSVD的半球谐振陀螺混合去噪方法

为了减少半球谐振陀螺(hemispherical resonant gyroscope, HRG)输出噪声对导航精度的影响，提出了一种基于局部均值分解-排列熵-小波变换-奇异值分解的混合去噪方法。首先，使用局部均值分解方法对HRG信号进行分解，然后排列熵将其划分为两类：低频分量和混合分量；之后将小波变换和奇异值分解级联以构成两级滤波器，对混合分量进行降噪处理，最后重构得到最终的信号。通过实验验证了该方法的有效性，实验结果表明，相比原始信号，所提出的方法有效地减少了HRG的输出噪声，提高了其测量精度，其中角度随机游走降低了99.9%,零偏稳定性降低了60.3%。     

Adaptive compensating method for Doppler frequency shift using LMS and phase estimation

The novel compensating method directly demodulates the signals without the carrier recovery processes, in which the carrier with original modulation frequency is used as the local coherent carrier. In this way, the phase offsets due to frequency shift are linear. Based on this premise, the  compensation processes are: firstly, the phase offsets between the base band neighbor-symbols after clock recovery are unbiasedly estimated among the reference symbols; then, the receiving signals symbols are adjusted by the phase estimation value; finally, the phase offsets after adjusting are compensated by the least mean squares (LMS) algorithm. In order to express the compensation processes and ability clearly, the quadrature phase shift keying (QPSK) modulation signals are regarded as examples for Matlab simulation. BER simulations are carried out using the Monte-Carlo method. The learning curves are obtained to study the algorithm’s convergence ability. The constellation figures are also simulated to observe the compensation results directly.     

基于时频分析的高频地波雷达电离层杂波抑制

针对高频地波雷达回波信号中的电离层杂波,提出了利用时频分析与特征值分解抑制杂波的方法.该方法首先通过时频分析合理地选择扫频脉冲时段和多普勒频率区间;然后对选定的时频域区间,采用特征值梯度准则与相邻距离元插值估计相结合的方法,分别在阵元-脉冲域和阵元-多普勒域进行特征值分解,更好地抑制了电离层杂渡.实测数据处理结果表明,该方法对电离层杂波具有很好的抑制效果.     

应用自适应时频分布的瞬时频率估计

估计信号的瞬时频率常用解析信号的相位差分或Cohen类时频分布的时间一阶条件矩 ,但这些方法在信噪比较低时存在较大的方差。提出了一种新的瞬时频率估计方法 ,它把被分析的信号自适应地扩展到一组有限的 ,具有较好的时频局部化特征的基函数集上 ,用相应的自适应时频分布的谱峰检测来估计信号瞬时频率。仿真结果表明 ,该方法具有较好的抗噪声能力 ,且能够灵活地应用于估计多分量信号的瞬时频率 ,可以取得比其它方法更好的效果。