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.     

基于小波变换的电力信号奇异性检测

电力信号奇异性是分析事故时间和原因的重要依据,小波变换能在时域和频域上同时对信号实现局部化处理,能准确的定位信号的奇异点,因而在信号的奇异性检测方面有广泛的应用价值.本文介绍了小波变换对电能质量信号检测的基本原理和方法,并通过MALAB仿真实验验证.     

一种多信道突发信号联合检测方法

针对突发信号检测中能量检测方法检测概率低、循环平稳检测方法计算复杂等问题,为提高检测性能和处理实时性,提出了一种适用于多信道突发信号的低复杂度联合检测方法.该方法依据初始能量检测的判决结果,对可能存在突发信号的频谱集合采用了一种频域简化的循环平稳检测方法,并依据判决流程给出了与传统方法在检测正确率和运算量上的对比函数.理论分析和仿真结果表明,该联合检测方法可有效提高突发信号的检测概率并降低计算复杂度.     

通信确知信号频谱分析

通信系统中的信号包括确知信号和随机信号;信号分析包括时域分析和频域分析.本文分析了通信中要进行信号频域分析的缘由,并以确知信号为研究对象系统地阐述了频域分析的来龙去脉.     

移频信号抗干扰检测算法研究

时域分析和傅氏变换的频域分析方法是现代铁路信号检测的主要方法之一 .随着铁路的发展 ,需要更多的信息量和更加有效的铁路信号检测方法 ,以满足铁路运输安全和高效率的需要 .近年来 ,现代频域分析已有很大的进展 ,出现许多新的信号分析处理方法 ,特别是小波和高阶谱分析的发展 ,已能分别对非平稳和非高斯信号进行有效地分析处理 .本文尝试采用小波变换对铁路移频信号进行分析 ,在分析时考虑交流干扰 ,得到铁路移频信号的完整参数 ,并给出仿真结果     

强噪声下微弱信号处理方法研究

机械设备中信号检测时有用信号比较微弱且存在较强的噪声,给信号检测与处理带来了一定的困难。针对这个难题,采用相关检测、自适应滤波器等微弱信号检测方法,从噪声中检测出微弱信号。首先介绍了相关检测法与自适应滤波器的基本原理,重点阐述相关检测法与自适应滤波器结构及去除噪声干扰的方法,分别用时域与频域方法对微弱信号进行提取。最后在机械实验台上进行验证,实验结果表明：相关检测法与自适应滤波器均能去除干扰信号,提取到有效信号。     

具有时频双特性的信号分析算法

提出一个在时域和频域同时具有良好特性的信号分析算法,在从一个复杂信号中提取某个或某几个信号分量时,具有较高的应用价值,特别是在检测信号中的微弱瞬态成分时,该算法不仅能检测到微弱瞬态成分的存在,而且还能够精确地确定其发生的时间,其优越性是常规的频谱分析所不能比拟的.仿真实验证明,该算法是切实可行的.     

频域积累与EMD去噪结合的微动信号检测算法

 超宽带生命探测雷达具有穿透能力强、距离分辨率高、抗干扰能力强等诸多优点,在防暴、救援、反恐等领域有很高的使用价值。由于穿墙生命探测雷达回波信号具有杂波干扰严重,且生命信号与背景噪声相互交叠等特点,利用传统数字滤波方法无法有效检测人体微动信号。针对此问题,本文提出一种利用频域积累与经验模态分解（EMD）相结合的人体微动信号检测算法,利用频域积累提高回波信号的信噪比,利用EMD 方法进行进一步的去噪处理。该算法不仅具有频域积累可以有效提高信噪比的优点,而且具有EMD 方法自适应分解信号的能力。同时,它克服了在低信噪比情况下,频域积累实时性不强,以及EMD 方法不能有效去除杂波的缺点。仿真和实验证明,该算法既可以有效提高雷达回波信号的信噪比,又可以改善单纯使用频域积累实时性不强的缺点,利用该算法对雷达回波信号进行处理可以准确快速地检测出人体的呼吸频率,是一种很好的穿墙雷达微弱信号检测新方法。     

基于三域特征提取和GS-SVM的ECG信号智能分类技术研究

近年来,基于单域的特征提取方法已经得到广泛的研究,并被用于心律失常的检测分类.事实上,多域特征提取在其分类中往往表现得更好.本文利用MIT/BIH心律失常数据库中的48组ECG信号进行预处理,从时域、频域和小波域提取了信号的三域特征,这些特征从各个方面充分表征了ECG信号的性质.再利用基于网格搜索的SVM结合归一化特征可将ECG信号划分为常见的4类.该方法的总体精度达到98.01%,f_1分值为0.9800,对ECG信号的检测性能良好,相对目前绝大多数ECG信号分类器具有更强的泛化能力.     

一种新的循环谱统计量频谱感知算法

为了提高认知无线电中感知用户对授权用户(主用户)的检测概率,提出一种新的基于循环谱统计量的主用户信号检测算法.该算法利用循环谱离散频域平滑方法,对信号的循环谱在循环频率处建立合理的检测统计量,然后求解得到对应不同虚警概率的判决门限,以使感知用户能检测信噪比更低的授权用户信号.该算法具有检测结构简单,易实现的特点.仿真结果表明,在高斯白噪声信道中,虚警概率为0.1,频域平滑累积次数为255,在信噪比为-16 dB的条件下,与Dandawate-Giannakis(DG)方法相比,本文算法的检测概率提高23%.     

一种改进的基于极化敏感阵列的弱信号检测算法

针对空间复杂电磁干扰影响下全球导航卫星系统(GNSS)连续性、完好性和可用性方面面临的巨大挑战,基于极化敏感阵列,提出了一种改进的弱压制干扰信号检测算法。首先对各个极化天线阵子接收的实时数据进行空域、频域和极化域的联合处理,然后对各个频域分量的特征值进行降序排列,进而通过全频段的特征值分布曲线准确分离出强干扰环境下的弱信号分量。结果表明,采用基于多级维纳分解的改进最小描述长度(MDL)准则,可以在不进行特征值分解的前提下有效地进行干扰检测,极大降低了检测算法的实现功耗和复杂度,仿真结果也验证了算法的有效性和准确性。改进算法适用于不同的天线阵型,在存在幅相误差的情况下仍有较高的检测概率,具有较大的工程实践价值。     

基于频域去相关的语音信号分离

目前基于纯净语音信号的语音识别系统和说话人识别系统都已达到了很高的识别率,但是当信号中含有噪声,特别是含有语音噪声时,识别率就会大大降低.解决这一问题的关键是实现语音与噪声的自动分离.考虑到语音信号的非平稳特性,把时域去相关的思想推广到频域,提出了频域去相关算法,实验结果显示了算法的有效性.     

一种引入吸收衰减的压缩感知薄储层识别方法

常规基于压缩感知稀疏反演方法是基于频域平稳地震褶积模型进行的，而实际地下介质是粘弹性的，这使得该方法的反演反射系数振幅缺失、位置偏移。针对该问题，本文通过引入时频衰减因子，构建改进的感知矩阵，将稀疏反演从常规的频率域拓展至衰减频率域。反演结果在一定程度上可恢复缺失的振幅，增强弱信号的识别能力。由于噪声影响，以上处理结果中仍存在噪声干扰，故在衰减频率域稀疏反演的基础上，引入平滑的高斯函数，对反演目标函数进一步优化，以有效压制残存的噪声干扰；之后将反演结果与褶积宽频子波可生成高分辨率地震剖面，由此形成了一种引入吸收衰减的压缩感知薄储层识别方法。薄层理论模型及含有河道砂储层的实际地震资料的处理结果表明，本文方法较常规方法，有效地增强了薄层弱信号的振幅及横向连续性，可在保证信噪比的情况下，提高地震资料的分辨率及薄储层的识别能力。     

基于CNN网络的跳频信号个体识别

针对传统跳频信号指纹特征提取只是利用深度学习进行分类的问题,利用CNN网络特征提取的特性,实现了一种基于CNN网络的对预处理后的跳频信号实现特征提取和分类网络模型。首先将收集的跳频信号进行短时傅里叶变换转换到跳频信号敏感的频域,将跳频信号频谱图作为CNN网络模型的输入,CNN网络通过多层卷积提取信号频域深层次特征,通过Batch Normalization、Callback函数的优化加快了网络的收敛速度,同时防止了过拟合现象,最终输出跳频信号的识别分类结果。对比实验结果表明,CNN网络的分类识别正确率较以往的方法更高,在信号信噪比越大的情况下,识别效果越好。     

磨削颤振的信号特征

对磨削颤振信号进行了实验分析，证明了由于砂轮回转不平衡的影响，造成磨削颤振信号在时域上的拍波和频域上的边频带现象。     

卷积混合信号频域盲分离技术研究

阵列声纳观测的舰船辐射噪声信号是由多目标源、海洋环境噪声等经多途卷积混叠形成,为提高被动声纳的检测能力、有效分离多目标信号与环境噪声,提出一种新的信号盲分离方法,利用滑窗短时傅里叶变换将时域信号卷积混合形式转换到频域瞬态混合形式,针对每个频率点利用非平稳水声信号的多拍交叉相关序列,建立频域适用盲分离算法,估计分离网络矩阵,分离恢复多源信号,研究了多源多途水声信号盲分离技术,用仿真信号和水池实验实录信号进行频域盲分离算法检验,结果表明信号分离效果较好。     

基于肘关节表面肌电信号的负载识别

针对大多数肌电信号只进行特定肢体动作识别而没有对肢体进行外加负载识别的问题,提出一种基于表面肌电信号(surface electromyography, s EMG)的负载识别方法。首先,采用4通道表面电极采集肘关节在不同负载下的s EMG信号;然后,利用时域、频域特征提取方法对s EMG信号进行特征提取构成特征向量;最后,利用支持向量机(support vector maching, SVM)、BP神经网络和RBF神经网络对特征向量进行分类识别。结果表明以时域特征值识别,SVM的识别效果最佳,准确率为96.2%;以频域特征值识别,BP神经网络的识别效果最佳,准确率为87.5%;以时、频域组合特征值识别,RBF神经网络的识别效果最佳,准确率为90.4%。可见通过s EMG信号进行负载识别具有一定的可行性,为s EMG信号的广泛应用奠定基础。     

基于非线性频率分析的主泵故障诊断技术研究

针对非线性系统的故障诊断问题,采用非线性频率特性分析的故障监测方法,对主冷却剂泵转子的开裂纹故障进行定位识别.该方法建立主泵开裂纹故障的数学模型后,使用两个幅值不同正弦信号激励系统,从非线性输出频率响应函数得到主泵振动信号的频率响应,通过计算系统频域的故障特征值,定位出了裂纹故障的位置.使用Matlab和Simulink的仿真工具验证了该方法的有效性,因此该方法可以应用于主泵裂纹故障诊断的研究之中.     

一种新的基于时频分析扩频通信去干扰技术

针对DS／SS通信中的非平稳干扰问题，提出了一种新的自适应去干扰方法．经分析得出多重极点滤波器的无限长度冲击响应具有良好的定位性质，类高斯状的时域波形，且其带宽随着极点重数增加而变窄．当把阶数可变的多重极点滤波器用作STFT的分析窗口时，便可以得到一类短时傅立叶变换：利用能量集中方法来选取最佳的分析窗口，计算对应的STFT；得到干扰的域t-f集中分布后，采用二进制掩码的方式将这些干扰去掉；最后对去除干扰后的信号进行译码判决．计算机仿真表明该方法理论正确．可以获得好的误码特性。     

基于System View的高职高专信号与系统课程改革

为了克服传统教学的缺点,针对信号与系统理论性强和工程应用性广泛的特点,对其教学内容,方式,手段等方面进行改革。通过三种传统软件对比,列举了时域、频域、复频域、离散系统等多种基于System View的信号与系统教学实验项目,构建了基于System View实际应用仿真模型。教学实践表明:这些措施不仅可以提高教学效果和质量,帮助学生更容易学习信号与系统,为学习后续课程打下基础,而且还能提高学生解决实际工程问题的能力。