基于形状和位置可调非参数原子的信号波形提取方法

提出一种基于非参数原子的信号波形提取方法．将具有先验知识的模板信号通过一个均匀滤波器组得到一组基函数，并由此构造出用离散序列表示的非参数原子．滤波器组的采用以及子带信号的延时扩展使得构造的波形原子的形状和位置可以自适应地调节．基于奇异值分解技术导出了用非参数原子实现信号波形提取的算法．所提出的方法可以构造出无法用公式和参数描述的波形原子，可从信号中提取任意复杂的波形．实验结果表明，即使在模板信号的幅度、相位或频率与待分析波形存在较大差异时，仍可有效地将相应波形从信号中提取出来．     

大型电机PD信号的数字滤波研究

以大型电机ＰＤ信号的数字滤波为背景，介绍了一种基于窗函数法的ＦＩＲ数字滤波器设计方法．对大型电机离线和在线检测的ＰＤ信号的实验研究表明，应用该方法设计的ＰＤ信号数字带通滤波器，其通频带越宽，阶数越高，滤波效果越好，适用于在工频噪声干扰环境下提取较弱的ＰＤ信号．     

细胞动作电位的线性重建

在强噪声干扰下恢复有阶跃点的奇异波形,并检测其参数在生物医学工程中具有重要的意义．利用矩形波重建方法,将带噪声动作电位信号通过低通滤波器建立相应的矩形波,然后再采用计算机辅助设计法设计一个波形形成数字滤波器,使矩形波通过此滤波器后重建出纯净的细胞动作电位．结果表明,这种方法能有效滤除光学采集动作电位上叠加的白噪声,从而实现无损检测．     

大型电机PD信号的数字滤波研究

以大型电机ＰＤ信号的数字滤波为背景，介绍了一种基于窗函数法的ＦＩＲ数字渺滤波器设计方法，对大型电机离线和在线检测的ＰＤ信号的实验研究表明，应用该方法设计的ＰＤ信号数字带通滤波器，其通频带越宽，阶数越高，滤波效果越好，适用于在工频噪声干扰环境下提取较弱的ＰＤ信号。     

基于交叉验证法优化参数的Morlet小波消噪方法

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。     

精细谱负熵及其在滚动轴承故障诊断中的应用

针对提取滚动轴承故障特征时共振边频带的中心频率难确定、带宽确定过宽或过窄及易受噪声影响等问题,提出了一种基于经验小波变换(EWT)的精细谱负熵方法(ASNE)。该方法利用经验小波滤波器特性构造滤波器组,实现对信号频域的扫描滤波;结合时域谱负熵更易检测信号中周期性冲击成分的特点,对滤波后的分量进行筛选,经过两次循环筛选获得了精确的中心频率和带宽;通过EWT提取出最佳的故障特征分量,最终进行包络解调获得故障特征信息。轴承内、外圈故障的实验信号对该方法进行了验证,实验结果表明,该方法能够快速、准确地确定共振边频带的中心频率与带宽,并有效地提取了内、外圈故障特征信息,且效果优于Infogram方法。该方法克服了传统边频带提取方法在频带划分上的局限性,抵制了噪声的干扰,提取的中心频率和带宽更精确,为更准确地判断轴承故障类型提供了可靠的理论支持。     

多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

基于集合经验模式分解和公共空间模式的脑电信号特征提取

公共空间模式(common spatial pattern,CSP)能够较好地提取运动想象任务时脑电信号的判别特性,但是其性能与大脑进行想象任务的频带相关。为了确定这样一组频带实现精确的分类,基于集合经验模式分解、FIR滤波器组以及公共空间模式算法提出了一种脑电特征提取方法。预处理去除伪迹后的信号首先经过集合经验模式算法获得多个模函数,然后选择出包含μ节律和β节律范围的分量实现信号重构,重构后的脑电信号作为带通滤波器组的输入得到若干子带信号集合,从每个子带信号中提取CSP特征,最后将提取的特征经过支持向量机(support vector machine,SVM)进行分类。运用该方法对脑-计算机接口(brain-computer interface,BCI)竞赛数据集进行分类,实验表明该方法能够自适应地提取、筛选和判别每个受试者的空间CSP特征,分类准确率达96. 53%。     

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。     

基于奇异值分解和共振解调的滚动轴承故障特征提取

针对共振解调方法容易受到噪声干扰,以及带通滤波器参数难以确定,很大程度上依赖经验的问题,提出一种基于奇异值分解和共振解调的滚动轴承故障特征提取方法;利用奇异值分解算法,将轴承振动信号分解成多个奇异值分量,计算各分量的峭度值,选择峭度值最大的分量,利用谱峭度算法确定中心频率和带宽,并对该分量信号进行带通滤波和包络解调分析。结果表明,提取性能以及鲁棒性能实验证明了该方法能够自适应确定滤波频带,降低噪声干扰的影响,并且在带通滤波器失效情况下有良好的稳定性。     

SDN环境下基于支持向量机的DDoS攻击检测研究

软件定义网络（Software-Defined Networks,SDN）提出了全新的架构思想,但控制器易受分布式拒绝服务（Distributed Denial of Service,DDoS）的攻击导致资源耗尽. 针对上述问题,提出了一种SDN环境下基于支持向量机(Support Vector Machine,SVM)的DDoS攻击检测算法—RF-SVM(Random Forest-SVM). 首先,根据DDoS攻击和分类特点结合数据包头信息选择关联的六维特征;然后,利用随机森林计算特征权重并筛选特征,得到一个最优特征子集;最后,采用SVM算法检测DDoS攻击,以达到较好的分类性能. 在相同场景的实验结果表明:RF-SVM算法比SVM算法和RF算法具有更高的检测率、查全率和F₁值.     

泥浆传送涡轮转速信号的分析处理

本文对传送涡轮钻转速信号的泥浆信道的干扰与噪声特性作了分析,从理论上阐述了从强的周期性干扰与噪声中实时检测出转速信号频率的谱分析法。提出了干扰带的概念,并详细分析了不同窗函数在已定干扰带的条件下所需的数据时宽。根据噪声强度推导了用平均法降低噪声功率谱方差所需的分段数以及总的数据时宽。     

超宽带通信中干扰抑制方法

针对修改接收模板信号的方法(MRTW)在抑制随机窄带干扰上的不足,提出了一种超宽带通信系统(UWB)干扰抑制的新方法—自适应修改接收模板信号(AMRTW)方法,该方法通过增加的自适应频谱估计器和自适应接收模板信号分解单元,准确的将干扰信号分量从UWB接收模板信号中恰当的去除,从而提高了UWB接收机的抗干扰能力,仿真结果表明,在UWB系统处于随机用户干扰的条件下,AMRTW方法对UWB系统误码率的改善明显优于MRTW方法。     

基于自相关检测法和能量重心法的正弦信号频率估计算法

为了提高淹没在高斯白噪声中的实正弦信号的频率估计精度,提出了一种综合的结合自相关检测法和能量重心法的正弦信号频率估计算法。该算法首先通过多次自相关运算对输入信号进行预处理,可检测出淹没在噪声中的微弱正弦信号,来提高信噪比;然后对信号进行FFT(fast fourier transform)运算可得信号的功率谱,通过搜索最大值谱线的位置可粗估计出信号频率;最后运用离散频谱能量重心法,可精确估计出正弦信号的频率。仿真结果表明本算法在整个频段上频率估计性能比较稳定、频率估计的均方根误差更小,性能优于Rife算法、Quinn算法和能量重心法,并易于硬件实现,具有工程实用价值。     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

一种无线通信信号超窄带滤波方法的改进

在无线通信过程中,采用传统超窄带滤波方法很难获取较宽且没有被干扰的频带,有效信号在频域中会出现裂口,导致大量数据丢失,造成人为干扰。提出一种新的无线通信信号超窄带滤波方法,依据幅值、斜率以及带宽对干扰源位置与数量进行判定,为无线通信信号超窄带滤波提供可靠依据。将干扰数据与有效数据投影至不同空间,分别对其进行超窄带滤波处理,通过数据特征值子空间滤波法,获取无线通信信号超窄带滤波的回波数据,实现无线通信信号超窄带滤波,完成无线通信信号超窄带滤波方法的改进。实验结果表明,所提方法能够有效滤除无线通信信号中的超窄带干扰,能保留数据的完整性,避免人为干扰。     

管道低频噪声的自适应控制

以管道内行波声场为物理模型,提出采用自适应信号处理技术实现有源降噪的方法,建立了数学模型,导出了自适应系统的传递函数,以管道消噪装置为信号源和控制对象,采用ADSP2101实现自适应滤波。通过计算机仿真分析比较了RLS、LMS和LSL算法的消噪效果。声学实验和数据处理结果表明,在无声反馈时,该方法对0～500Hz宽带噪声的平均降噪量为27.5dB,在有声反馈时平均降噪量为4.86dB,采用频响平坦的扬声器,降噪量可提高到10.2dB。实验结果与理论分析吻合。该技术可应用于降低发动机及其排气管的噪声,采用适当空间分布方法在原理上该方法也适用于封闭三维空间的噪声消除。     

基于最小均方误差估计的改进语音增强算法

在常规谱减法的理论基础上,针对其去噪中存在的问题,提出一种改进算法,对清音和浊音分别采用高频提升和频带加宽的处理方法,使在消除信号噪声的同时尽可能地保留信号中的弱特征成分.利用LSD和PMD公式从理论和实践两方面证明该方法在有效抑制背景噪声的同时还可以降低音乐噪声,获取最大的信噪比,减少语音失真,实现比常规谱减法更好的语音增强效果.     

WDA相关法时间延迟估计

相控阵超声检测中,相关法时间延迟估计是实现自适应聚焦的关键技术之一。为了消除噪声、模板窗口大小和缺陷特征等因素对相关法时间延迟估计的影响,结合检测超声回波信号的特点,提出了基于小波变换的相关法时间延迟估计方法。理论仿真和实验均证明该方法能有效抑制上述因素的影响,提高时间延迟估计精度。仿真计算表明:在可信度为0.95的情况下,信噪比提高了3.2dB,最小窗口大小从无穷大变成了3倍于探头中心频率对应周期,模板有效范围扩展了60%。