一种微弱信号的检测技术

针对于实际应用中的小信号,特别是完全被噪声淹没情况下的微弱信号提取问题进行了论证,分析了信号和噪声在时间特性方面和统计特性上的差别,介绍了一种有效的用相关函数检测技术来提取被噪声淹没的极微弱信号的方法.     

微弱信号提取中的小波方法研究

针对于实际应用中的小信号特别是完全被噪声淹没情况下的微弱信号提取的问题，本文依据白噪声信号的小波变换系数相对比有用信号的小波系数小的特点，利用小波变换对信号进行消噪来提取微弱信号，仿真结果表明：小波变换能够有效的消除噪声，将有用微弱信号从受噪声污染的信号中提取出来。     

微弱信号检测方法的探讨

微弱信号是淹没在噪声中的信号,微弱信号检测的目的是从强噪声中提取有用信号,文章论述了微弱信号检测的基本原理,并详细地讨论了微弱信号检测的几种方法。     

提取被噪声淹没微弱信号方法的研究

本文就被幅值较高、频带很宽的不规则噪声信号所淹没的微弱有用信号的提取从理论上予以论证,并提出一个采用８０Ｃ１９６ＫＣ单片机实现的方案。     

一种电流弱信号特征提取方法

针对数控机床主轴电流分析中微弱电流信号被噪声淹没的问题,提出了一种将调制随机共振和D-J阈值噪声估计技术用于电流弱信号的特征提取方法。利用调制随机共振技术获得了微弱电流信号的特征频率,在频域上采用D-J阈值收缩方法对所测得的电流信号进行噪声估计,从中分离出有用信号,并根据随机共振原理对该有用信号进行了幅值估计。仿真和实验结果表明,该方法可以对数控机床主轴电流信号中的微弱电流特征信号进行频率识别和幅值估计,克服了传统电机电流分析方法无法识别微弱电流信号的缺点,能够准确地提取出微弱电流信号中的特征频率,可对微弱特征信号进行比较准确的幅值估计,因此具有较强的工程实用价值。     

用微机实施移动点平滑处理方法——检测被噪声淹没的微弱信号

用计算机对微弱信号进行曲线拟合、平滑和数字滤波等,通过实时处理将测试数据记录或显示微弱信号波形。着重介绍了应用微机实施移动点多项式数据平滑方法以测量被噪声淹没的微弱信号。     

相关检测原理及其应用

文章介绍了描述信号本身前后或两信号之间联系紧密性的相关函数及其性质,在此基础上说明了相关检测的原理;通过2个实例展示了相关检测技术在实际工程检测中的应用,并通过Matlab进行了仿真,得出了相关检测能够有效地检测出随机信号中的周期分量和提取被噪声淹没的微弱信号的结论.     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

基于自适应层数分解的小波变换滤除冲击信号

针对掺杂在冲击信号中的微弱振动信息被淹没的问题,提出了一种基于小波变换滤除冲击信号提取微弱振动信号的方法.该方法采用自适应层数分解的小波变换分析原理,根据冲击信号特征,合理选择小波基,对冲击信号进行分析滤除.为获得较好的滤除效果,针对分解层数的自适应性,提出了一种分解层数的自适应确定方法.对含有冲击干扰的微弱标准信号进行数值模拟,对含有冲击干扰的微弱金刚砂振动信号进行实测分析.结果表明该方法能自适应性地确定小波分解层数,并有效滤除冲击提取被淹没的微弱振动信号.     

基于双耦合混沌振子的未知频率弱信号检测

针对微弱信号检测的难点问题,提出了一种应用于未知频率微弱信号的分段测频检测方法.利用双耦合Duffing系统相轨迹状态的跃迁对于输入微弱信号的敏感特性实现了对淹没在强噪声中的微弱信号的检测,同时利用分段测频方法实现了对微弱信号的频率测量,有效地解决了单Duffing振子的微弱信号检测方法易受噪声影响产生误判的问题,突破了现有微弱信号混沌振子检测方法只能进行已知频率信号检测的局限性.仿真实验结果证明该方法确实能够较为准确地检测出输入微弱周期信号的频率,使微弱信号检测技术得到进一步完善.