多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

小波域维纳滤波在振动信号去噪中的应用研究

维纳滤波和小波阈值滤波是振动信号去噪的常用算法.前者在阶次较低时对非平稳振动信号的处理不能取得较好的效果,而后者对信号的滤波无法满足后期处理的要求.针对此问题,论文将维纳滤波和小波阈值滤波相结合,提出小波域维纳滤波算法.将维纳滤波运用于小波域,充分利用小波变换对非平稳振动信号的白化作用,实现更好的滤波效果.结合工业现场实测汽轮机振动信号,对算法进行分析与仿真.实验结果表明,该算法不仅保持了信号的线性相位特性,同时取得了较好的噪声去除效果,适用于振动信号的去噪处理,优于维纳滤波和小波阈值滤波.     

滤波信号驱动的混沌同步方法

为了提高混沌信号在异地信息处理中的同步性能,研究了受滤波而产生的畸变信号驱动的混沌系统同步方法.该方法假设驱动接收系统的信号是由混沌发射信号通过滤波器产生,首先通过滤波信号的变换获取同步信号,然后采用驱动-响应同步或耦合同步技术实现混沌系统的同步.基于驱动-响应同步技术,阐述了使用滤波信号实现混沌系统同步理论;以Lorenz系统为例,研究了低通滤波驱动系统同步的性能.理论分析和模拟结果表明,所提出的方法是稳定的,可节省信号的传输带宽.     

基于GC5016的超声回波信号解调及动态滤波设计

采用了一种用数字上/下变频器GC5016实现超声回波信号的解调和动态滤波处理的方法.使用通常用于调制和解调的芯片GC5016,将超声回波信号的动态滤波处理在信号解调的同时完成,降低了对FPGA乘法器资源的占用.     

程控滤波器的实现方法和滤波方案设计

对程控滤波器的实现方法进行了详细分析,设计了以增强型51单片机和LMF100滤波芯片为核心的简易实现方案.通过单片机输出时钟信号,控制LMF100构成的四阶低通和高通滤波器,实现了滤波参数的程序控制.详细推导了滤波函数与截止频率以及控制时钟之间的关系,利用Matlab实现了相关运算.     

基于数据的二阶线性扩张状态观测滤波器

针对难以建立精确模型的难题,提出了一种基于数据的二阶线性ESO滤波算法.利用ESO对不确定性扰动的估计,设计了一种无需动态数学模型、可调参数少、便于实用的滤波器,并给出了滤波器的参数整定及离散实现方法.最后分别应用于方波信号与正弦信号的跟踪、含有均匀分布白噪声信号的滤波以及热连轧实测板宽信号的滤波.仿真结果表明,所设计的滤波器具有一定的优越性和实用性.     

Hilbert-Huang变换的滤波特性及其应用

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法.其基本的实现分为两步,多分辨经验模态分解和瞬时频率的求解,随后可以获得信号的时-频谱.这种方法的关键部分是多分辨经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数.多分辨经验模态分解方法可以解释为以信号极值特征尺度为度量的时空滤波过程.时空滤波器充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有很大的优势.文中介绍了Hilbert-Huang变换时空滤波的实现过程,并列举了一些实例,说明了该方法的有效性.     

一种基于状态机的毛刺信号滤波方法

提出并实践了一种状态机的实时滤波方法,并成功应用于某军用车辆速度检测. 该方法以CPLD(FPGA)作为硬件,在高频时钟驱动下检测信号中瞬态脉冲宽度,滤除宽度短的脉冲,输出宽脉冲,从而实现脉冲干扰滤波功能. 阐述了该方法的原理和状态机实现方法,分析了该方法的滤波特性,并通过仿真计算其在方波毛刺信号上的应用,论证了该方法的可行性以及滤波宽度变化对该方法精度的影响.      

一种自适应Morlet小波滤波方法及其在滚动轴承早期故障特征提取中的应用

针对滚动轴承早期故障信号微弱,故障特征难以提取的问题,提出了一种基于混洗蛙跳算法(shuffled frog leaping algorithm,SFLA)的自适应Morlet小波滤波方法.首先利用自相关分析去除宽频随机噪声,然后通过SFLA优化Morlet小波的滤波参数,获得在最小信息熵下的中心频率和滤波带宽.由自适应Morlet小波滤波器获得的滤波信号,其中的冲击成分可以很好地被表征.最后对滤波后的信号做包络谱分析即可提取滚动轴承的故障频率.实验表明,自适应Morlet小波滤波方法可以成功地从低信噪比信号中提取出周期冲击特征,对于滚动轴承早期故障振动信号,能够有效地提取冲击特征频率实现滚动轴承早期故障诊断.     

Hilbert-Huang变换及其滤波特性研究

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法.其基本的实现分为两步,经验模态分解和瞬时频率的求解.这种方法的核心部分是经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的本征模态函数,对这些本征模态函数作Hilbert变换即可得到每一个本征模态函数的瞬时频率.经验模态分解方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号的局部特征,在信号的滤波和去噪中具有较大的优势.本文讨论了Hilbert-Huang变换时空滤波的实现过程,仿真验证了该方法的优越性.