基于分数低阶S变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha()稳定分布,传统的Stockwell变换（S变换）时频方法性能退化甚至失效。本文基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好的工作在高斯噪声和稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

基于分数阶Fourier变换的时频分布

分数阶Fourier变换是对经典Fourier变换的推广.根据信号瞬时相关函数、点谱相关函数、Wigner分布和模糊函数这4种信号表示方法之间的Fourier变换关系,基于二维分数阶Fourier变换,给出一种新的分数阶时频分布,它表征了信号的局部时间/频偏和局部频率/时延特性,进一步讨论该分布函数的主要性质.最后给出它在线性调频（chirp）信号检测中应用的仿真结果.     

基于HHT算法的轴承保持架磨损故障特征提取

主要介绍了HHT算法的基本概念和基本特征,分析了滚动轴承的故障频率及滚动轴承保持架轻微受损的特征提取。     

基于双稀疏字典的轴承故障特征提取

为了改善传统稀疏表示方法故障特征提取精度低的问题，本文提出基于离散余弦（DCT）字典和Laplace小波字典组合方法用于提取轴承故障特征.首先应用离散余弦字典提取谐波信号，以减少谐波信号的干扰；接下来应用Laplace小波字典提取轴承故障冲击进一步减少噪声干扰；引用二次分解正交匹配追踪算法（SS-OMP）求解稀疏系数；重构故障信号并进行包络谱分析，最终提取故障特征.实验结果表明本文方法与单一Laplace小波字典方法和快速谱峭度方法（SK）相比，故障特征提取精度得到了提高，且重构信号的相关系数达到了0.923.     

基于分数阶傅里叶变换步态特征提取

针对短时傅里叶变换等时频分析方法不能提取由腿部和手臂运动产生的细致微多普勒特征这一问题,提出了采用分数阶傅里叶变换的雷达步态信号分析方法.在短时傅里叶分析的基础上,应用分数阶傅里叶变换对步态回波信号进行处理,由实测步态数据生成分数阶傅里叶变换谱图并进行了详细分析.结果表明,通过分数阶傅里叶变换可以从步态数据中提取出手臂、腿部摆动的细致微多普勒特征.     

一种基于分数低阶矩的α稳定分布噪声中频谱感知方案

针对在非高斯背景、主用户信息未知的条件下,传统的基于二阶统计量的频谱感知方法性能将出现退化或失效的问题,建立了以α稳定分布为背景噪声的频谱感知模型,给出了一种基于分数低阶矩的感知方法,较好地解决了非高斯背景中主用户先验信息未知条件下的频谱感知问题.同时,根据中心极限定理推导了感知门限与虚警概率的关系式,通过蒙特卡洛仿真分析了该算法在不同广义信噪比、特征指数α以及协作用户数条件下的感知性能,并与传统的感知方法进行比较.仿真结果表明,基于分数低阶矩的感知方法在α稳定分布背景噪声中的感知性能明显优于基于二阶统计量的能量检测,且采用多用户协作可以进一步提高感知性能.     

基于分数阶希尔伯特变换的罗音特征提取

现有的罗音检测方法存在检测效果不理想、计算复杂度过高等不足,而分数阶希尔伯特变换对信号中的异常分量有着高度敏感性.文中在不同的分数阶将希尔伯特变换作用于罗音信号；变换后的信号表现为逐步相移.之后将原肺音信号与各阶变换结果构建相关函数,以各阶相关函数为待匹配特征,将其与标准模板相匹配,匹配系数高的判定为罗音,否则判为非罗...     

基于时频消噪TFPF和时频分布MBD的轴承早期故障诊断

噪声是影响轴承、齿轮等机械设备早期微弱故障特征正确提取的主要因素,利用新颖的时频峰值滤波技术TFPT有力的噪声消减特性,将PTFT与改进的时频分布MBD相结合,提出了时频峰值滤波TFPT-时频分布MBD的故障识别新方法,即应用TFPF消减振动信号的随机噪声作为时频分析的前置处理,对消噪的故障信号作MBD时频分析来识别故障特征,给出了时频峰值滤波时频分布的故障诊断模型。诊断实例的分析结果表明了与传统的MBD的故障特征提取相比,提出的改进方法更易提取出强噪声背景下的轴承早期的微弱故障,具有明显的可诊断性和实用性。     

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。     

α稳定分布下基于SSCA算法的低阶循环谱算法

在α稳定分布下结合共变理论、循环平稳理论和分数低阶矩(FLOM)等理论,提出基于SSCA的低阶循环谱算法,分析了该算法中存在的循环泄露,并对调幅信号做实验仿真。结果表明在α稳定分布下二阶循环平稳信号的低阶循环谱密度和在高斯模型下的循环谱结构是一致的,但基于α稳定分布假定所设计的信号处理算法对信号噪声特性不确定情况具有较好的韧性和抗脉冲噪声性能。最后利用低阶循环谱提取了调制信号的特征参数,为复杂背景下的调制识别或者盲分离提供新的途径。     

分数低阶α稳定分布噪声下EP潜伏期变化韧性自适应检测

依据分数低阶矩理论和信号噪声的特性，提出了一种自适应检测EP潜伏期变化的新方法，这种方法基于反正切函数的单调有界和奇对称特性，对误差信号Cn(k)进行非线性交换，抑制了EP信号中的分数低阶α稳定分布噪声，有效保留了信号成分，在高斯和分数低阶a稳定分布噪声条件下具有良好的韧性，且避免了动态估计信号噪声a参数的困难，利用这种方法动态检测EP潜伏期的变化，具有较高的估计精度和较快的收敛速度。     

基于线性矩和小波变换的医学图像特征提取

应用小波矩作为图像特征量以及小波变换进行医学图像的自动特征提取,利用小波变换对线性矩进行分析,提取图像的各分辨率下的小波系数经快速傅里叶变换作为特征。使计算量和数据量大大减少,为特征的选取带来方便。矩特征由于其良好的稳定性、抗噪性和旋转不变性在图像识别中受到了广泛的关注和应用。由小波矩来构造目标的旋转不变性的特征,可以克服传统矩的弊端,又具有旋转不变性的特征。     

基于分数低阶统计量的时延估计算法性能分析

传统的时延估计算法大多建立在高斯模型的基础上,利用信号的二阶、高阶估计量,可以得到理想的结果。然而,现实中的信号往往都处在非高斯环境下,如通信线路瞬间尖峰和环境噪声等,这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声。因此有必要对α稳定分布模型下的,基于分数低阶统计量(FLOS)的时延估计算法进行研究。通过调整参数取值得到的仿真结果,证明了在非高斯情况下,基于FLOS的时延估计算法相对于传统算法估计效果更好。     

一种基于分数低阶协方差的维纳加权时间延迟估计方法

依据分数低阶统计量理论和信号噪声特性,提出了一种基于分数低阶协方差的维纳加权(FLOC—WP)时间延迟估计的新方法．这种方法将常规的维纳加权广义时间延迟估计方法与分数低阶协方差结合起来,理论分析和计算机仿真结果表明其既可以应用于高斯噪声环境,又在低阶α稳定分布噪声环境下具有良好的鲁棒性．     

Fourier变换的改进形式--分数傅立叶变换

分数Fourier变换是对经典Fourier变换的改进,在处理非平稳信号时效果明显,且具有很好的可重构性。本文介绍了分数Fourier变换FRFT的定义、性质及变换图像的物理意义。     

基于模拟机匣的中介轴承微弱故障特征提取技术

中介轴承是航空发动机支承传动系统中的重要零件,其运行状态直接影响航空发动机的工作状态和运行安全。围绕航空发动机中介轴承微弱故障特征信号提取的问题,以振动信号分析和处理为基础,开展航空发动机中介轴承微弱故障特征信号提取实验。仿照某型涡扇发动机机匣结构设计加工了模拟机匣,用来模拟振动信号的复杂传递路径。基于包络谱分析和经验模态分解（Empirical Mode Decomposition）包络谱分析处理振动信号,对比二者对滚动轴承微弱故障特征信号的提取效果。实验结果表明,在中介轴承微弱故障特征信号提取中,模拟机匣可以有效地模拟振动信号的复杂传递路径,EMD包络谱分析法比单一采用包络谱分析的方法能够更加明显有效地提取中介轴承微弱故障信号。     

基于分数傅里叶变换的信号检测方法

作为Fourier变换的一种广义形式,分数阶傅里叶变换(FRFT)同时融合了信号在时域和频域的信息,是一种新的时频分析方法。研究了FRFT计算分解方法,由于线性调频(LFM)信号在FRFT域呈现的冲激特性,以此实现LFM信号的检测。实验结果表明,该方法对LFM信号的检测是有效的。     

冲激噪声背景下基于虚拟阵列变换的DOA估计

目前,大多数的DOA(direction of arrival)估计算法是应用在高斯噪声环境下的.随着冲激噪声的应用越来越广泛,利用虚拟阵列变换的方法,解决了在冲激噪声背景下对任意阵列进行DOA估计的问题.该方法将任意阵列虚拟成等距均匀线阵,使其阵列流型具有Vandermonde矩阵形式.然后结合分数低阶矩的特点,利用FLOM-MUSIC算法对来波方向进行有效的估计.经计算机仿真,证明了该方法的有效性.     

基于时间重排多重同步压缩S变换的轴承故障诊断

状态监测信号中的冲击特征往往能够指示旋转机械的故障。为了准确提取振动信号中的冲击分量,提出一种新的时频分析方法—时间重排多重同步压缩S变换(time-reassigned multisynchrosqueezing S-transform, TMSSST)。首先对信号进行S变换得到一个相对模糊的时频分布(time-frequency representation, TFR);然后在时间方向对TFR进行能量重排,同时实施多次迭代以提高时频分布的可读性;最后引入一种脉冲提取算法用于降低信号中的噪声。所提方法结合了S变换自适应调节时频分辨率的优势和多重同步压缩能量集中度高的特性。模拟轴承故障信号和实验信号验证了所提方法在工程应用中的优越性和鲁棒性。     

基于分数阶Fourier变换的乳腺肿瘤纹理特征提取

分数阶Fourier变换(fractional Fouriertransform,FrFT)是传统的Fourier变换在分数级次上的推广,它同时包含了信号时频域的信息.对乳腺肿瘤超声图像进行分数阶Fourier变换,提取分数阶Fourier变换域相位信息的统计纹理特征,并结合AdaBoost分类算法,实现乳腺肿瘤的良恶性分类.实验结果表明,基于分数阶Fourier变换提取的纹理特征能较好地应用于乳腺肿瘤的良恶性分类,说明该方法可用于乳腺肿瘤的计算机辅助诊断.