基于自适应滤波与倒谱联合分析的时延估计方法

为了加强倒谱分析方法在窄带信号多途时延估计的抗噪声性能,该文在自适应滤波的基础上,提出了一种基于自适应陷波滤波与波形修正的信号预处理方法。该方法首先对回波信号进行自适应陷波滤波,有效减少噪声分量,然后对输出波形的包络进行调整,恢复信号的边沿信息,在保留信号中信道信息的前提下有效提高输入信噪比。仿真结果证明,该预处理方法提高信噪比效果明显,并不破坏时延分量,与倒谱分析相结合,能够有效提取线谱信号中的信道信息。     

采用参数自适应最大相关峭度解卷积的滚动轴承故障特征提取

针对滚动轴承故障特征信号因受传输路径和强噪声的干扰而导致周期性故障脉冲难以提取以及最大相关峭度解卷积(MCKD)参数依赖人为经验选择的问题，提出一种参数自适应MCKD的滚动轴承故障特征提取方法。以解卷积信号的包络谱熵作为适应度函数，利用麻雀搜索算法强大的全局搜索能力自适应地选择MKCD方法的最佳参数组合；利用参数优化后的MCKD方法对故障信号进行解卷积运算，滤除掉信号中的噪声，以突显由轴承故障激发的周期性故障脉冲；对解卷积信号进行包络解调，以提取出轴承故障特征频率成分。仿真结果表明，与遗传算法和粒子群算法相比，采用麻雀搜索算法可使MCKD参数在优化中具有更快的收敛速度和更强的稳定性。对滚动轴承进行全寿命周期实验及对工程案例的实验结果表明：所提方法能自适应提取强噪声中的轴承周期性故障脉冲成分，信号的峭度提高了3倍，鲁棒性更强；与直接谱分析和快速谱峭度方法相比，所提方法能完整提取信号中的故障特征频率成分，成功率可达100%,有效提高了滚动轴承的故障诊断精度。     

磨煤机振声信号分析及基于BP网的料位识别

对磨煤机振声信号进行了频谱和功率谱分析,分析表明:低频分量携带磨煤机的料位信息,而高频分量则是由高速电机旋转噪声、排风机噪声以及磨煤机筒体混响噪声引起的;低频料位信号与高频噪声信号是调制关系.利用希尔伯特变换对振声信号进行了解析化处理,分解出低频料位信息,并以振声解析信号的包络为对象,进行料位特征的提取.利用BP神经元网络,建立了磨煤机料位与振声信号的关系模型,从而实现磨煤机料位的自动识别.将模型的计算结果与实测值进行比较,结果表明,料位识别精度在±1.5%之内.     

信号调制下单模激光增益模型的动力学性质

采用色泵噪声和实、虚部间关联的量子噪声驱动的单模激光增益模型,运用线性化近似方法,计算了调制信号输入时激光系统的稳态光强关联函数C(t),研究了系统的动力学性质,发现泵噪声及量子噪声实、虚部间关联等均对光强关联函数随时间的演化形式有较大的影响;当泵噪声的色关联为短时关联时,光强关联函数随时间的演化经历了从单调衰减到出现极小值再到趋于稳定的过程;当泵噪声色关联为长时关联时,关联函数随时间的演化经历了从单调衰减到周期性振荡衰减的过程.这表明周期性信号和泵噪声的"色"对激光系统的动力学行为有很大的影响.     

一种水中目标辐射噪声调制谱的联合分析方法

讨论了一种从辐射噪声中提取调制信息的联合方法．首先利用多尺度分析方法将噪声信号在不同层次的空间上进行分解;然后,利用小波变换求其功率谱从而得到辐射噪声的调制包络;最后对动态调制包络进行1 1/2维谱分析,得到了辐射噪声的调制线谱．在此基础上,对实测噪声数据进行了仿真研究,结果表明,该方法可以有效提取噪声中动态调制信息．     

陈-Mbius四路载波数字通信系统的仿真

将几种常用数字波形的陈-Mbius逆变换作为四路载波数字通信系统数字输入信号的编码波形函数族,由其对二进制输入信号进行调制后,直接叠加在一个物理信道上进行传输.在接收端,用与各调制编码波形对应正交的数字波形对各路信号进行同步相干解调,从而构成新的相干调制解调系统.应用MATLAB平台对系统进行性能仿真,并与传统的相干调制解调系统的仿真结果相比较.结果表明,该系统具有更优异的抗强噪声与抗干扰的性能,可实现多路载波数字通信的直接叠加,大大节省系统的初始投资与运行费用.     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分，从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法，然后分析了三种主要的数字调制信号的小波变换特征，提出了一种基于小波的数字调制信号识别算法，仿真结果表明该算法能够识别典型的数字调制信号，而且具有较好的抗噪声性能.     

陈-M(o)bius四路载波数字通信系统的仿真

将几种常用数字波形的陈-M(o)bius逆变换作为四路载波数字通信系统数字输入信号的编码波形函数族,由其对二进制输入信号进行调制后,直接叠加在一个物理信道上进行传输.在接收端,用与各调制编码波形对应正交的数字波形对各路信号进行同步相干解调,从而构成新的相干调制解调系统.应用MATLAB平台对系统进行性能仿真,并与传统的相干调制解调系统的仿真结果相比较.结果表明,该系统具有更优异的抗强噪声与抗干扰的性能,可实现多路载波数字通信的直接叠加,大大节省系统的初始投资与运行费用.     

基于CNN-SVM的调制方式识别优化算法

信号调制方式识别在通信领域是一个研究热点,针对目前已调信号分类识别率受噪声的影响较大的问题,提出一种基于CNN-SVM的调制方式识别算法.该算法对不同已调信号做循环谱估计,生成相应的循环谱图,并截取等高截面图作为特征图,然后借助卷积神经网络提取相应的特征,并采用t分布邻域嵌入算法对特征值降维处理,最后输入到支持向量机对...     

倒谱技术在人体脉搏信号分析中的应用

运用倒谱理论讨论了正常心律和非正常心律受检者的脉搏信号在倒谱域中的特征表现．通过对２８６例脉搏信号的倒谱分析，发现代脉信号与其他正常心律脉搏信号的倒谱特征差别显著     

倒频谱分析在齿轮故障诊断中的应用

齿轮传动的动态性能和许多因素有关,情况是非常复杂的.本文分析了齿轮传动的频率特性和它所产生的频率和幅值调制信号.利用倒频谱技术可以区分齿轮箱中不同转速的齿轮所产生的振动信号;同时倒频谱不会受信号传递通道和相位所影响.因此倒频谱是分析齿轮缺陷的有效工具.本文并介绍了作者研制的倒频谱分析软件.     

电话信道下应用DMFCC进行说话人识别

鉴别性Mel频率倒谱系数(DMFCC)是一种修正的Mel频率倒谱系数(MFCC),其更加强调语音频谱各个子带携带的鉴别性信息,采用自适应的非均匀的滤波器组设置。在宽带信号应用中,DMFCC的作用和效果已经被证明;但在窄带信号应用中,DMFCC还鲜见有成功应用的例子。该文在电话信道下对应用DMFCC进行说话人识别研究,在美国国家标准技术研究院(NIST)2006年说话人识别评测Female核心测试集上,以MFCC作为特征参数的系统的等错误率为7.57%,以DMFCC作为特征参数的系统的等错误率为7.25%,而采用基于逻辑自回归的线性融合方法把基于两种不同特征的系统在分数域进行融合后系统的等错误率可达到6.31%,相对于基于MFCC的系统等错误率下降16.6%。实验表明,在电话信道下直接应用DMFCC可小幅度提高性能;理论分析以及实验结果表明:二者存在一定的互补性,即把DMFCC和MFCC融合应用能够大幅度提高电话信道下说话人识别的性能。     

周期性驱动电流对双撕裂模不稳定性的影响

在Hall MHD方程组中引入外部驱动电流项,数值模拟驱动电流对双撕裂模不稳定性发展的影响.研究结果表明,外部驱动电流在撕裂模磁岛的x点要比在O点抑制效果好;在x点加入反向外部驱动电流对撕裂模的发展有抑制作用,周期性的外部驱动电流对双撕裂模不稳定性的抑制效果较好,在相同的模拟参数下,周期性的外部驱动电流加入越早对撕裂模的抑制效果越好.     

倒频谱在航空发动机振动分析中的应用

基于倒频谱分析技术原理及航空发动机振动状态特征,探讨了倒谱在航空发动机振动分析中的应用。采用倒谱技术对实际发动机振动数据进行了分析,结果表明倒频谱分析技术应用于航空发动机振动分析,可以有效分离传递通道影响并从复杂的频谱中提取出特征频率。     

基于子波分解计算散射子平均间距的倒谱法

提出了一种对超声散射信号分析的方法－－子波分解（ＷＤ）倒谱法,并利用该方法对正常猪肝组织的回波信号进行了分析,对软组织中散射的平均间距进行了估计,与用ＡＲＩ倒谱法所得结果进行了比较,结果表明：ＷＤ倒谱比ＡＲ倒谱更能反映软组织的微观结构特征,说明ＷＤ倒谱是软组织超声散射信号分析与软组织散射子平均间距定特征的一种有效方法。     

复倒频谱分析与相位展开的研究

复倒频谱不仅有解卷积分离和提取目标信号的作用,而且它保有相位信息,可作逆过程分析复原源信号,用于声源振源的识别和机械故障诊断.本文从理论上论述了复倒频谱的建立和相位展开,并在计算机,采用自适应积分方法,以堆栈形式极大限度地减少DFT的运算次数,通过应用实例回波检测的结果证明了复倒频谱分析的有效性.     

齿轮箱升降速过程阶次倒谱故障诊断方法研究

齿轮箱升降速过程中的振动信号包含有重要的参考信息,研究该过程中的振动信号,有助于识别齿轮箱的故障.将常规的倒谱分析技术与阶次分析相结合,提出了阶次倒谱的齿轮箱故障诊断方法.首先利用重采样技术,将时域非平稳信号转化为角域平稳信号,最后对角域重采样信号进行倒阶次谱分析,就可提取齿轮的故障特征.实验分析结果表明该方法能有效地识别齿轮的故障类型.图8,表1,参8.     

面向定点实现的有限词汇量汉语语音识别方法

将声道模型视为全极点模型,采用具有定点运算性质的Ｓｃｈｕｒ算法求得部分相关系数,利用ＬＰＣ对数倒谱分析求得语音识别系统中采用的待识特征量——倒谱．本系统以倒谱作为特征参数,采用加权倒谱距离求得待识量与以Ｋ－均值聚类所得的参数库之间的特征距离,利用最小距离原则进行识别．经验证,本文所采用的方法取得了较好的实验结果     

基于倒变异高阶谱的周期性突变识别方法

分析了带有周期性突变成分信号的频域特征,提出了识别周期性突变的倒变异高阶谱方法,该方法首先对信号的FFT所得数据进行调整,并根据周期性突变的特点设计了新的高阶谱频率函数,由频率函数可得到变异高阶谱,进而对变异高阶谱的某些频率取纵向切片计算倒谱,得到倒变异高阶谱.基于倒变异高阶谱的周期性突变识别方法可充分利用FFT所得的正负频率域的所有数据,扩充了高阶谱的生成空间,提高了对周期性突变的识别效果.试验表明所提方法可准确识别周期性突变和突变的周期,具有一定的实际应用价值.