级联双稳随机共振降噪下的经验模式分解

针对强噪声背景下混合信号的经验模式分解（EMD）问题,提出了一种基于级联双稳随机共振系统（CBSRS）降噪的EMD方法。该方法利用CBSRS对时域波形降噪的优良特性,首先对有噪信号进行随机共振输出,信号得到降噪后,再进行EMD。在仿真实验中,分别对原始信号以及各级级联随机共振输出后的信号进行EMD,对比结果表明,级联双稳系统能有效去除高频噪声,减少EMD的层数,使EMD具有更明确的物理意义最后通过一个轴承外圈故障的诊断实例表明,该方法在逐步滤除高频干扰的同时,不断加强低频特征能量,可以有效检测出故障的特征频率。     

级联双稳系统随机共振的加强

该文研究了随机共振下的级联双稳系统加入周期与系统粒子在单势阱中波动的时间尺度相匹配的第二驱动信号后引起的效应.通过simulink设计模拟系统并进行仿真,观察级联系统每一级系统都加入第二驱动周期信号与未加前后输出信号x2频谱幅值的变化.结果表明,第二驱动周期信号能够增强级联双稳系统随机共振的效果.本文还分析了第一级加入驱动信号后输出信号频谱涨幅程度大于次级加入驱动信号后涨幅程度的原因,并给出了第二驱动周期信号有效控制加强随机共振的条件.     

基于非对称双稳系统的随机共振及应用

本文研究了高斯色噪声驱动下非对称双稳随机共振(Asymmetric Bistable Stochastic Resonance, ABSR)系统的信噪比以及平均首次通过时间的问题.我们运用统一色噪近似和两态模型理论,推导出平均首次通过时间和信噪比的公式;讨论了各参数对信噪比和平均首次通过时间的影响,并对参数进行了优化.研究发现,随机共振是噪声强度和势阱非对称性的非单调函数,在两个不同方向上,同一参数对平均首次通过时间的影响不同.通过仿真与实验证明了ABSR系统在轴承故障诊断中具有明显优势.     

非对称双稳系统中乘性和加性噪声的随机共振

研究了具有相关乘性和加性噪声的非对称双稳系统中的随机共振现象.基于二态理论和绝热消去理论,得到了系统输出信噪比的解析表达式.发现信噪比是乘性噪声和加性噪声的强度、乘性和加性噪声强度的比值,以及乘性和加性噪声的关联强度和相关时间的非单调函数.另外,输出信噪比随系统的非对称性参数的变化而非单调变化.     

双稳系统中随机共振现象的研究

利用在绝热近似条件下的信噪比（SNR）理论，研究了具有乘性和加性噪声以及周期信号共同作用下双稳系统的随机共振（SR）现象，考虑噪声之间有关联的情况，得到了系统的SNR表达式，发现噪声关联使系统的SNR不仅依赖于噪声之间的关联强度，而且强烈地依赖于系统的初始条件。     

随机共振结合RobustICA的两阶段结构损伤定位方法

为实现强噪声背景低信噪比环境下的结构损伤识别,提出一种基于非线性随机共振降噪与鲁棒性独立分量分析(RobustICA)的两阶段损伤定位方法.第一阶段,运用非线性随机共振系统对强噪声低信噪比的测量响应进行预处理,以降低背景噪声的干扰并增强结构响应;第二阶段,结合RobustICA提取包含损伤信息的特征分量对结构响应异常进行识别,之后计算归一化的源分布向量(NSDV)的最大值对结构损伤异常进行定位.框架数值算例结果表明,所提出的算法能够较精确实现信噪比为5dB下的结构损伤异常识别与定位.     

微弱裂纹信号的ICA盲源分离提取

针对机械设备关键基础部件早期故障信号提取困难这一问题,提出了一种基于独立分量分析(ICA)的盲源分离去噪方法。采用Fixed-point ICA算法和基于负熵的判据,对不同信噪比下金属裂纹信号进行提取。研究结果表明,此方法受噪声强度及信号频段的影响比较小,可有效提取出所需信号;且获得的信号波形失真很小,是一种较好的微弱信号提取方法。     

基于小波变换和FASTICA算法的有噪混合图像盲分离

简要介绍了独立分量分析的基本数学模型和算法,在此基础上,探讨了独立分量分析在有噪混合图像分离中的应用,提出了一种将小波阈值法去噪与独立分量分析相结合的多通道含噪盲信号分离算法,该算法在对混合含噪图像进行独立分量分析之前,使用小波阈值去噪去除含噪混合图像中的噪声.实验结果表明,该方法能有效地降低噪声信号的影响,较好地恢复了原始图像,解决了传统的独立分量分析方法无法实现加性噪声的多通道含噪盲信号分离的缺陷.     

有阻尼项的随机共振研究

用电子线路模拟的方法对Ｄｕｆｆｉｎｇ系统进行随机共振实验研究，发现在一定条件下可通过改变阻尼系数获得较高输出信噪比ＲＳＮ，理论上得出大阻尼条件下系统的输出信噪比，并将理论与实验结果进行了比较。     

典型ICA算法在盲源分离中的实现

独立成分分析在神经网络、高级统计学和信号处理等研究领域具有广阔的工程应用前景。文章介绍三种典型的独立成分分析算法,即Infomax算法、Extended-ICA算法和Fast-ICA算法的原理,通过三种算法对三路随机混合信号进行的分离实验,说明了ICA算法在盲源分离技术中的应用与实现,并对三种算法的分离性能进行了对比和分析。     

基于信息论的盲源信号分离在呼吸信号分离中的应用研究

从混合观测数据向量中恢复出不可直接观测的各个源信号是阵列处理和数据分析的典型问题,独立分量分析是解决这一类问题的新技术.基于信息论算法中主流的Fast ICA算法能够对几组不同的信号进行分离,和其他算法相比有一定优越性,能完整地分离出肌电信号中含有的呼吸信号.     

基于信息论的盲源信号分离在呼吸信号分离中的应用研究

从混合观测数据向量中恢复出不可直接观测的各个源信号是阵列处理和数据分析的典型问题,独立分量分析是解决这一类问题的新技术.基于信息论算法中主流的Fast ICA算法能够对几组不同的信号进行分离,和其他算法相比有一定优越性,能完整地分离出肌电信号中含有的呼吸信号.     

一种基于非参数似然比准则的ICA盲检测算法

为抑制CDMA系统中的多址干扰,提出一种基于非参数似然比准则的ICA盲检测算法.该算法直接由观测信号样本出发,使用核函数估计分离信号的概率密度函数,并结合梯度下降法和似然比准则进行目标用户的信号检测.计算机仿真及与其他算法的比较表明,该算法抑制多址干扰的能力介于FastICA检测和最小均方误差(MMSE)检测之间.     

基于随机共振大参数微弱周期信号检测

研究了非线性双稳系统的动力学机理,根据非线性系统产生随机共振的同步条件,提出了不满足绝热近似理论的大参数微弱信号实现随机共振的方法。通过对系统参数的适当调整,实现了大频率信号和大强度噪声淹没的微弱周期信号的检测。理论分析和仿真实验表明,该方法有效地实现了大参数微弱信号随机共振,使得利用随机共振法检测大参数微弱周期信号不再局限于尺度变换法。     

基于随机共振的微弱多频信号检测方法

根据非线性双稳系统在噪声和弱周期信号作用下对低频成分的敏感性,提出了基于随机共振的微弱多频信号检测方法.将待检测的未知频率信号与巳知频率的载波信号在混频器经外差法作用后产生差频与和频两种频率成分,通过调节载波频率可使差频在零频率点附近变动,从而使得双稳系统的输出发生特征极为明显的变化,为频率检测提供可靠的检测依据.理论分析和数值仿宾结果表明该方法是有效、可行的,具有良好的应用前景.     

基于EMD改进算法的欠定混合盲分离

为改善拟合效果,针对经验模态分解(empirical mode decomposition,EMD)算法存在的端点效应,提出一种改进的EMD算法——端点极值延拓方法.利用改进的EMD算法对观测信号进行分解,将分解分量连同之前的观测信号构成新的观测信号,从而将欠定情况转化为超定情况,最后利用独立成分分析(independent component analysis,ICA)算法得到源信号的估计.通过仿真实验对比,证明了本文算法的有效性.     

变步长随机共振的微弱周期信号检测

在以朗之万方程建立的随机共振数学模型中,现有文献在求解该数学模型时都将计算步长取固定值,文章通过理论分析说明了固定步长的缺陷,提出了调节计算步长的检测方法。以双稳态随机共振系统为基础,把计算步长作为可调参数来讨论其对随机共振的影响,结果表明调节计算步长能有效地提高被检测信号的检测率。     

基于EMD的ICA语音增强

传统ICA方法是将所有源信号都从混合信号中都提取出来,而参考独立分量分析(ICA-R)通过将一些先验信息引入到ICA学习算法中,从混合信号中仅提取期望源信号.本文为了从混合语音信号中提取出期望的语音信号,采取的是基于经验模态分解(EMD)方法来获取功率谱包络作为参考信号,继而把参考信号运用到ICA－R算法中,达到语音增强的目的.计算机仿真和性能分析结果表明,此方法在有噪声干扰的情况下达到语音增强的目的.