周期和冲击混合特征信号的自适应波形分解

导出了一种适合于分解机械动态信号的基元函数，它与提出的自适应信号分解方法相结合，能够将机械动态信号分解为正弦波和冲击响应的线性展开，因此不仅可以从信号中提取平稳的周期波形，而且还可以提取非平稳的冲击响应波形，特别是当信号中同时含有2种特征波形时，可以将其分别提取出来。转子冲击实验结果也证明了所推导的基元函数的有效性，并与Gabor基元函数进行了比较，表明应用提出的基元函数能够更有效地提取信号中的冲击响应波形。     

GNSS形变序列的信号提取方法比较分析研究

如何从观测数据序列中准确提取信号是GNSS数据处理的主要研究内容之一。经验模态分解和局部均值分解是提取信号的较为常用的2种时频分析方法,与其相比,奇异谱分析法能够准确识别提取时间序列中的趋势周期信号且不需要先验信息。因此文中利用奇异谱分析法对GNSS数据进行深入分析提取变形信号,并与局部均值分解和经验模态分解2种方法进行对比,分析3种方法提取信号的效果。鉴于奇异谱分析识别周期和趋势信号的优势,实验结果表明奇异谱分析与其它2种方法相比能更为准确的提取信号,是一种有效的GNSS数据处理分析信号提取方法。     

小波分析在测井裂缝识别中的应用

针对井下裂缝发育层段识别的难点,提出了用小波分析的方法分解声波时差信号,使井下的岩性与微观结构特征信号、流体性质信号、裂缝响应信号和随机干扰信号互相分离,直接重构出反映裂缝发育的声波高频信号,从而避免许多声波低频信号的影响,正确识别裂缝发育情况。用同样的方法分解双侧向电阻率信号,重构出电阻率测井各个层段的低频信号,直观地反映深、浅侧向的差异情况,有效地识别裂缝发育层位。最后结合高频声波信号和低频电阻率信号,识别出裂缝发育层段。应用表明,该方法与岩芯观察有很好的一致性。     

MT信号处理中小波分析与Hilbert-Huang变换的比较

以实测大地电磁信号为分析对象,对比研究了小波分析和Hilbert-Huang变换在大地电磁（magnetotelluric,MT）信号分解和时频分析上面的特点.给出了小波分析和Hilbert-Huang变换的数学原理,分析了2种方法在MT信号分解中的分解方法及其物理意义,讨论了2种方法在MT信号时频谱表征能力上的异同,为大地电磁信号分析方法的选择提供用了有价值的参考.     

二维正交小波变换的向量空间算法研究

小波 {ψej,k,m(x ,y) |e=1,2 ,3,j,k,m∈Z}不仅可以构成L2 (R2 )空间的正交基 ,通过小波分解与重构 ,以及对Hj,Gj,H j ,G j 的行向量修改等 ,还可以产生N×N空间的正交基 .同时 ,N×N点阵信号 {Sl,r}( 0≤l,r,≤N - 1)的小波变换等价N×N于空间的正交变换 ,用我们的方法进行信号或图像压缩 ,不涉及对信号或图象进行周期延拓 ,可严格在N×N空间中进行 .首先研究了二维信号的小波分解与重构 ,给出了适用的二维张量积小波的分解与重构公式 .其次 ,给出了信号用分解公式进行小波分解与重构公式进行小波重构后完全恢复原信号的充要条件 ,并对完全重构充要条件的实现作了处理 .最后得到了N×N空间中由小波分解与重构滤波产生的正交基 .这样就推导出对N2 个数据进行小波分解后可精确重构的算法 ,该算法可避免信号做小波分解后在边界处不能精确重构 .     

小波奇异值分解的瞬变弱信号检测

研究小波阈值法和奇异值分解法,分析最大分解层数、阈值函数、小波基函数的选取以及窗长和保留奇异值个数等参数的选择,并在此基础上提出小波与奇异值分解相结合降噪检测信号的方法。该方法首先将信号作小波分解,再对小波分解系数作奇异值分解,最后通过阈值法保留小波系数并重建降噪信号,利用重建信号进行信号检测。结果表明:该方法能更好地区分信号和噪声,获得更好的降噪和检测结果。     

关于经验模态分解与整体经验模态分解的分离效果差别的探讨

经验模态分解(Empirical Mode Decomposition ,简称EMD)是一种自适应信号分解方法,主要应用于非线性非平稳的信号。整体平均经验模态分解(Ensemble Empirical Mode Decomposition ,简称EEMD)解决了EMD中出现的模态混合问题。在此主要讨论EMD和EEMD处理含噪信号时的效果差异,就几种特殊的信号,对EMD和EEMD在实际应用中出现的问题进行探讨。     

一种改进的广义谐波小波包分解算法及在信号特征提取中的应用

提出了一种改进的广义谐波小波包分解算法,克服了传统特征提取方法的缺点,实现了信号的快速无混叠分离。通过与小波包分析、经验模态分解、广义谐波小波包分解进行比较,证明其在信号分析上的有效性和优越性。基于超声波信号频率非单一性的特点,将该算法应用到超声波信号特征提取中,实现了任意频段及任意频宽的信号特征提取,且计算量小。该算法为信号特征提取提供了一种更加精确有效的方法。     

炮膛磨损信号的经验模式分解相关性降噪

针对传统降噪方法在炮膛磨损信号处理中的局限性,在经验模式分解方法的基础上,提出了一种新的炮膛磨损信号相关性降噪法。该方法利用经验模式分解法对炮膛磨损信号进行分解,并依据信号相关性原则,选取分解后的本征模态函数进行重构,从而达到降噪的目的。对某高炮炮管磨损信号进行了经验模式分解相关性降噪实验,研究结果表明：该方法能够有效地减少信号中的干扰成分,提高了信噪比,增加了测量精度。     

小波变换在信号滤波中的应用

概要地叙述了小波，小波包理论，提出了一种用小波包分解和信号重构进行信号滤波的方法，先用小波包分解把信号分解到相邻的不同频率段上，然后用信号重构方法各个频率段上的信号进行重构，以电机的振动信号为例，说明这种方法可以有效地用于信号的滤波。     

基于短时能量的呼吸暂停信号识别方法

呼吸暂停是一种常见的疾病,严重的呼吸暂停会导致患者猝死。针对患者需要对睡眠过程中呼吸信号进行实时监测,提出了一种基于短时能量的呼吸暂停信号识别监测方法。该方法基于患者呼吸过程的信号频域特性,先对不同的患者进行自适应鼾声特征信号建模;之后通过神经网络信号识别方法,利用建立的模型对患者的呼吸信号进行呼吸暂停判断。实验结果表明,对不同的患者进行睡眠呼吸过程进行监测时,可以识别95%的呼吸暂停信号,本方法为呼吸暂停患者的实时监测提供了一种高精度的信号识别方法。     

自适应信号处理在柴油机振动信号识别中的应用

介绍了信号自适应处理的基本方法和自适应对消原理 ,利用正弦合成信号和正弦与噪声合成信号的对消实例验证了该方法。在对PZ1 2V1 90B型柴油机缸盖振动信号的分析中 ,用非爆发段信号作为待消信号 ,对原信号进行了对消 ,抑制了噪声及其他信号 ,突出了有效信号。     

非参数波形提取方法及应用

介绍了一种基于滤波器组的非参数波形提取方法,并将其应用于冲击信号的提取．该方法不需要构造参数表达的基函数,而是将具有信号先验知识的模板信号通过滤波器组得到一组基函数来提取隐藏在噪声中的信号．其原则是使基函数在各个子频带内匹配原始信号．给出了4种获取模板信号的方法．模板信号的选择使该方法在实际应用中具有良好的柔性和适应性．仿真信号和实验信号验证了非参数波形提取方法的有效性和实用性,即使是在噪声和信号频带重叠的情况下,也能将信号分离和提取出来．     

基于协方差矩阵的干扰阻塞算法

 为解决干扰阻塞算法对阵列接收信号构造阻塞矩阵进行干扰抵消后,位于干扰附近的信号会受到严重衰减而无法进一步检测的问题,提出一种基于协方差矩阵的干扰阻塞算法。针对阵列接收信号的协方差矩阵构造阻塞矩阵,利用协方差矩阵的特点实现干扰阻塞算法,减弱因干扰抵消而造成的信号衰减,利于信号的进一步检测。理论分析和计算机仿真结果表明,相对于干扰阻塞算法,基于协方差矩阵的干扰阻塞算法在信号和干扰相距较近时能有效抵消干扰同时减少对目标信号的衰减。     

Parameter estimation of sinusoidal signals by using principle of signal matched-phase

A method for estimating frequency, amplitude and phase of a sinusoidal signal is presented based on the principle of signal matched-phase. The formulae for estimating signal parameters are derived, and the algorithm of searching for signal parameters is also given in the case where the signal frequency is unknown. The algorithm is simple and time_saving. The simulation results show that this new method is valid.     

电磁驱动可控震源激发信号估计方法研究

电磁驱动可控震源应用中,常规方法采用基板附近信号估计激发信号。研究发现,复杂地质条件下,该方法估计结果误差较大。因此,提出利用直达波与其他地震波到时不一致的特征,通过匹配滤波技术从震源基板附近信号中提取直达波来估计震源激发信号的新方法。数值模拟研究表明,方法估计的激发信号与理想激发信号相关系数为0.957 4,达到高度线性相关,说明方法适用于复杂地质条件下电磁驱动可控震源激发信号的高精度估计。     

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.     

基于平移不变的小波去噪方法及应用

基于传统的小波变换去噪算法可能使信号的急剧变化部分产生人为的振荡现象，产生这种现象的一个直接原因是小波缺乏平移不变性。提出了基于平移不变的小波去噪方法，对所分析的信号进行循环平移，再利用软或硬门限对该信号的小波系数进行压缩，重构信号，再进行相反的循环平移，通过多次的平移-消噪-平移，平均所获得的结果，从而消除小波基的平移依赖性。该方法有效地消除人为的振荡现象，使消噪后的信号更加光滑，更好地逼近真实信号。     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

基于希尔伯特-黄变换周期平稳类微弱故障信号检测

在希尔伯特黄变换可以将振动信号分解为有限的模式函数的基础上,针对周期平稳类微弱故障信号难以检测到的问题,对信号进行经验模式分解,然后对本征模式函数进行希尔伯特变换;接着通过希尔伯特谱对多频信号中的弱信号和仿真齿轮裂纹弱故障信号分析,得出多频信号中弱信号成分和其时间分布以及调相频率;最后分析滚动轴承损伤弱故障,从希尔伯特谱中可以分析时频和振动量的分布情况,进而提取故障特征,分析出故障;表明希尔伯特谱对周期平稳类微弱故障信号具有一定的分析能力.