便携式胎动计数器的研制

在便携式胎动计数器的软、硬件设计中,针对孕妇腹部胎动信号成分复杂、信噪比较低的特点,在A／D转换前,用硬件电路对信号隔直、放大、滤波;A／D转换后,在单片机内采用滤波技术和微分、积分技术对信号进行预处理及特征提取,然后用贝叶斯分类器进行模式识别,其正确识别率达84．35％。     

便携式胎动计数器的研制

在便携式胎动计数器的软、硬件设计中，针对孕妇腹部胎动信号成分复杂、信躁比较低的特点，在A/D转换前，用硬件电路对信号隔直、放大、滤波；A/D转换后，在单片机内采用滤波技术和微分、积分技术对信号进行预处理及特征提取，然后用贝叶斯分类器进行模式识别，其正确识别率达84.35%.     

一种利用单通道母体腹部心电信号 提取胎儿心电信号的新技术

针对母体腹部混合心电信号中胎儿心电信号微弱、包含诸多噪声,难以清晰提取的问题,本文提出了一种基于奇异值分解(SVD)、平滑窗(SW)技术和最小二乘支持向量机(LSSVM)的胎儿心电提取新方法.首先,利用SVD从单通道母体腹部心电信号中重构分解矩阵,估计出母体心电参考信号,并利用SW方法对估计出的母体心电参考信号进行平滑处理;然后,利用LSSVM建立非线性估计模型,通过该模型和平滑后的母体心电参考信号估计出腹部信号中的母体心电成分,并采用布谷鸟搜索算法(CS)优化LSSVM的超参数;最后,将腹部混合信号与CS-LSSVM模型估计出的母体心电成分相减,即可获得初步胎儿心电信号,为了进一步消除干扰,对初步获取的胎儿心电信号再进行SW-SVD操作,从而获得较为清晰的胎儿心电信号.采用Daisy数据集进行实验,结果表明,本文所提出的方法在可视化对比分析和四个统计评价指标上均优于其他三种经典方法,可从腹部混合信号中提取出更清晰的胎儿心电信号.     

基于小波分析的结肠蠕动压力信号提取方法

为了获取纯净的结肠蠕动信号,提出了一种基于小波分析的结肠蠕动压力信号提取方法.其中,对结肠压力信号进行5层的小波分解,去除干扰信号后重构信号,进而获得结肠蠕动压力信号.同时,针对异常的结肠压力数据进行了验证实验.结果表明:所提出的方法对异常的结肠压力信号具有很好的抑制效果,并可以保留结肠蠕动压力信号的细节特征;与含突变信号的结肠蠕动压力信号相比,所提取的结肠蠕动压力信号的信噪比较高、均方误差较低.     

内燃机缸盖振动信号建模与仿真

针对现有内燃机振动信号采集方法存在的问题,提出一种通过建模仿真来模拟内燃机不同工况振动信号的方法。首先,建立内燃机配气机构动力学模型及气缸模型,分别用来模拟不同间隙气门的落座力及气缸压力;其次对内燃机缸盖进行模态分析,提取前30阶振型及其对应的频率;最后采用有限元法建立内燃机缸盖模型,借助气门落座力及气缸压力仿真结果对缸盖振动进行模拟仿真。利用缸盖振动的实测信号对其模拟信号进行验证,结果证明模拟方法有效可行。     

超定独立分量分析及其在结肠压力信号分析中的应用

针对传感器个数大于源信号个数的情况,提出了一个超定独立分量分析(ICA)方法,并将其应用到人体结肠压力信号分析中.首先对结肠压力信号运用主成分分析(PCA)估计源信号个数,并将观测信号进行降维使其维数与源信号相等,从而将超定ICA问题转化为一个完备ICA问题;最后通过快速ICA算法估计出源信号.实验采用26组人体结肠压力数据,成功提取出结肠活动中具有生理意义的动力模式信号.     

小波变换在语音信号处理上的应用

利用小波的多分辨率分析,以及其良好的空间域和频率域局部化特点,针对语音信号特征,选取适当的小波算法进行去噪和增强语音,压缩编码,提取语音信号特征等处理。通过Matlab仿真分析,得到增强后的信号图和压缩后的压缩比参数、能量保留参数、零系数比例系数,提取的信号特征。结果表明,基于小波变换的语音信号处理表现出良好的特性。     

自适应滤波器在胎动信号除噪中的应用

设计了一种新的基于小波变换的自适应滤波器,其参考信号选择原始胎动信号经小波分解后与干扰基本无关的尺度信号.该滤波器可有效去除胎动信号中由于呼吸、宫缩等动作带入的低频干扰,对咳嗽、发笑产生的高频干扰也有很好的抑制作用,为提高胎动信号的识别率打下了良好的基础.     

基于CFD的导管螺旋桨桨叶折断故障监测与诊断研究

利用Fluent软件对导管螺旋桨进行三维非定常的数值计算,设定压力脉动监测点,并对提取的压力信号进行FFT变换,分析导管螺旋桨在正常工作和桨叶折断故障状态下的频谱特征,以此提出导管螺旋桨桨叶折断故障预测的CFD数值模拟方法。     

自适应滤波器在胎动信号除噪中的应用

设计了一种新的基于小波变换的自适应滤波器，其参考信号选择原始胎动信号经小波分解后与干扰基本无关的尺度信号。该滤波器可有效去除胎动信号中由于呼吸、宫缩等动作带入的低频干扰，对咳嗽、发笑产生 的高频干扰也有很好的抑制作用。为提高胎动信号的识别率打下了良好的基础。     

基于脉搏波数学模型的运动员运动状态判别方法

针对利用运动员脉搏波信息对其运动状态(高强度运动、平静)进行判别,并减少身体状态的随机性对脉搏波特征信息的影响问题,提出了一种对原始脉搏波信号进行建模进而提取特征信息进行状态判别的方法.利用训练-测试的二分类分析方式,对运动员的心率状态进行判别,以分析运动员的运动状态,辅助其进行运动训练工作.实验通过对10名运动员志愿者在不同状态下进行脉搏波采集,对预处理后的原始信号进行函数建模并提取生理信息,利用SVM进行监督训练和测试.结果表明,该方法能够对运动员心率状态进行有效判别,得到运动员的运动状态.     

油藏电缆地层测试压力信号的小波分析

为了抑制非地层压力等噪声信号,有效地提取与产能评价密切相关的油藏压力信息,详细地探讨了电缆地层测试的流动方式及物理方程之后,基于小波分析基本原理,深入剖析了电缆地层测试压力信号的小波分析方法。利用小波分析高分辨率的特点,采用小波变换分析法从不同尺度上提取了电缆地层测试压力的小波系数。结果表明,经小波变换处理后的电缆地层压力测试曲线能够有效地反映地层中的流体信息;不同尺度上提取的电缆地层压力的小波系数中,高频小波系数d1和d2包含的产能及渗透率等信息更强;采用小波变换后降低了干扰信号的影响,突出了油藏产能信号,进而提高了采样数据的可靠性。这也充分说明利用小波分析方法对油藏电缆测试压力信号处理后,油藏产能信息更为明晰,进而提高了油藏电缆地层测试压力有用信号的提取精度,且该法处理方式更为简单,为今后油藏电缆地层测试压力数据处理方法提供了一种新手段。     

基于优化VMD和MCKD的滚动轴承早期故障诊断方法

针对滚动轴承早期故障信号易受噪声等背景信息干扰难于提取故障特征的现象,提出了将优化K值的变分模态分解(VMD)和粒子群优化算法(PSO)优化参数L,M的最大相关峭度解卷积(MCKD)相结合提取滚动轴承故障特征频率的方法.首先,确定VMD中K值,对信号进行分解后得到一系列模态分量;然后利用EWK指标选择包含故障信息最多的有效模态分量进行后续分析,利用优化的MCKD对其进行增强;最后对增强信号进行包络解调提取故障特征频率,验证所提方法的有效性.仿真和实验表明该方法可以精确地提取出轴承故障信号中的特征频率,实现故障诊断.     

膛口冲击波超压测试及数据分析

武器系统毁伤效能评估的主要方法之一是通过冲击波超压测试系统对冲击波信号进行采集,然后对采集的数据进行处理和分析,评估性能的好坏取决于信号处理方法是否合适。该文针对冲击波信号频带宽、易突变、持续时间短的特点,采用了基于小波的多分辨分析方法对膛口冲击波信号进行去噪,不仅有效地滤除了信号中的杂质信号,而且减少了延时。然后读取各传感器去噪信号的超压峰值,并根据其不同的摆放位置,利用插值的方法对冲击波压力场进行建模。最后对冲击波场模型进行了误差分析。     

电力系统谐波抑制仿真研究

利用傅里叶转换与FTT转换技术对所建立的谐波模型进行了模拟,发现利用FTT的时频特征可以提取出该信号的时间-频率特征,能够有效地消除干扰,并能有效地探测出信号的频域特征,而傅里叶转换则能有效地反映出信号的频域特征。将傅里叶分析与FTT分析相比较,将其优点相融合,利用小波分析法对信号中的突变点进行了提取和除噪,再利用傅氏转换对各个稳态的频域和振幅进行精确的检测。     

基于EEG与EOG信号的疲劳驾驶状态综合分析

疲劳驾驶时,司机的脑电信号和眼电信号特征均发生显著变化,本文针对这两类信号进行分析研究,利用这两类数据综合分析判断司机是否处于疲劳驾驶状态.首先对采集的脑电信号进行小波包分解,提取信号中的α波,并计算其相对功率谱P;然后利用Pearson相关系数分析两路对称导联F7,F8中眨眼信号特征,去除干扰;最后利用BP神经元网络对眨眼信号进行识别,计算眨眼频率.结果表明,利用眼电信号和脑电信号特征综合分析司机眨眼动作,能准确识别出眨眼信号,并能正确检测人的驾驶疲劳状态的变化.     

基于CEEMDAN能量熵的故障特征提取方法

作为武器装备的重要组成部分,复杂机械设备发生故障会严重影响其性能,如何将故障特征有效提取出来尤为重要。针对复杂机械设备振动信号非平稳非线性的特点,本文提出利用自适应噪声集合经验模态分解（CEEMDAN）结合能量熵的方法提取信号故障特征,并以某型装备柴油机为例进行验证。通过构建多分量调制信号,分析比较了EMD、EEMD、CEEMD以及CEEMDAN四种算法的分解效果。利用CEEMDAN对振动信号进行分解,提取相关性较大的IMF分量的能量熵作为特征向量,输入到支持向量机中进行模式分类。研究表明,CEEMDAN能够一定程度上抑制了模态混叠问题,对于不同类型的故障能够有效的识别。     

基于EEG与EOG信号的疲劳驾驶状态综合分析

疲劳驾驶时,司机的脑电信号和眼电信号特征均发生显著变化,本文针对这两类信号进行分析研究,利用这两类数据综合分析判断司机是否处于疲劳驾驶状态.首先对采集的脑电信号进行小波包分解,提取信号中的α波,并计算其相对功率谱P;然后利用Pearson相关系数分析两路对称导联F7,F8中眨眼信号特征,去除干扰;最后利用BP神经元网络对眨眼信号进行识别,计算眨眼频率.结果表明,利用眼电信号和脑电信号特征综合分析司机眨眼动作,能准确识别出眨眼信号,并能正确检测人的驾驶疲劳状态的变化.     

基于足压特征信号的步态识别研究

在人体步态的解析研究中,足底压力信号常被检测用以分析步态的变化情况。其中,以传感器阵列采集的足压信息,因信号关联性弱、冗余度高以及噪声干扰等原因,而无法直观识别出步态的变化规律。针对这一问题,以盲信号建立足压信号的数学模型,在分析其构成与解析上的复杂性后,采用奇异值分解(SVD)的方法,从多源观测数据中提取出足压特征信号。提出以主特征向量张成信息子空间中各特征点的分布规律,结合先验的步态运动过程,对单足步态运动进行识别与划分,并利用多组步态实验数据,验证了该方法的有效性。     

基于鲁棒局部均值分解与二阶瞬态提取变换的滚动轴承故障诊断

利用传统故障诊断方法对滚动轴承进行诊断时存在故障特征提取困难以及提取特征不明显的问题。针对此问题,提出了一种基于鲁棒局部均值分解（robust local mean decomposition,RLMD）以及二阶瞬态提取变换（Second-order transient-extracting transform,STET）的故障特征提取方法。首先对滚动轴承故障信号进行RLMD处理,得到一系列故障信息丰富的特征分量。然后利用二阶瞬态提取变换善于提取信号中强脉冲分量的特点,对筛选出的分量进行二阶瞬态提取变换以提取脉冲故障特征进行诊断分析。实验分析结果表明,该方法能够有效地提取出故障特征,且特征提取效果优于传统诊断方法,适用于滚动轴承故障诊断。