基于内禀尺度分量的自适应时频分析方法

在定义一种瞬时频率具有物理意义的单分量信号一内禀尺度分量(简称ISC)的基础上,提出一种新的信号自适应时频分析方法-局部特征尺度分解方法(简称LCD).LCD方法可以自适应地将任意一个复杂信号分解为若干个瞬时频率具有物理意义的ISC分量之和.对LCD方法的基本理论进行研究,分别采用LCD方法和经验模态分解(简称EMD)方法对仿真信号进行分析,对比结果表明:LCD方法的有效性及在端点效应、计算时间等方面都优于EMD方法,并且把LCD方法应用于齿轮的实验振动信号分析,LCD方法可以有效地应用于齿轮故障诊断.     

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.     

用于跳频分量搜索的环形拓扑粒子群算法

在分析粒子群局域最优模型和拓扑结构影响的基础上,提出采用环形拓扑的粒子群算法对跳频信号分量进行搜索.通过粒子之间的信息交互程度控制,实现了粒子在分量时频中心的自动聚集,克服了应用匹配追踪和传统多峰粒子群优化算法对跳频信号自适应分解时存在终止条件难以确定和需要先验知识的问题.     

精确消除衰减直流分量误差的改进算法

传统全周傅氏算法在直接处理含有指数衰减直流分量的电力系统故障信号时会产生较大误差,针对这个问题,提出了消除其误差的改进傅氏算法.该算法基于包含衰减分量的输入信号在一个周期内积分值及采样数据的求和不为零的原理,在计算衰减分量误差的过程中不需要增加采样点和任何近似计算,就可以求出衰减直流分量对傅氏算法带来的误差及衰减参数,将衰减分量造成的误差从故障输入信号的傅氏算法结果值中减去.仿真结果表明,该算法可以获得精确的基波及各次谐波相关参数,可应用于电力系统谐波在线分析.     

基于EMD的语音信号压缩感知算法

文中将压缩感知理论和经验模态分解方法(empirical mode decomposition,EMD)相结合,用于语音信号压缩上,提出了一种基于EMD的语音信号压缩感知算法。首先用EMD将语音信号分解,可得语音信号的本征模函数信号分量。然后仿真实验模拟EMD分解的过程,并验证本征模函数信号分量的稀疏性。最后结合压缩感知理论基础分别对各个信号分量进行观测抽样,以实现语音信号的压缩。由仿真实验结果可知,语音信号经EMD分解后得到的信号分量在DCT域上较原始语音信号有更好的稀疏性,并且将该算法压缩重构还原出的信号与常规的基于DCT的压缩感知算法以及基于近似KLT的压缩感知算法相比较有更高的平均信噪比,重构性能更佳。     

EMD端点效应处理方法的研究

经验模态分解(EMD)过程中存在着端点效应问题,使得EMD分解结果产生严重的失真现象,从而导致处理数据发生畸变.提出了将极值点对称延拓和在信号序列上加窗函数相结合的方法,带入到EMD分解过程中,以抑制信号被分解时在端点附近所产生的上下包络线的发散现象.结果表明,该方法较好地解决了信号失真问题.     

EMD的单次分解频域属性及IMF的生成机理研究

本文通过使用2个单频率信号的组合应用于EMD分解来研究EMD的单次分解的频域属性和探索研究本征模态函数IMF的生成机理.数值实验结果证明,EMD过程中,信号中的最高频率组分通过抽取相对低频信号而生成IMF并决定其频域位置和带宽,数值实验结果也证明了EMD过程中相对高频分量对低频分量的抽取能力的非传递属性,最后给出单次EMD的频域滤波器组结构的示意图,并讨论了EMD和小波的频域结构的异同.     

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.     

一种滤除衰减直流分量的全波傅里叶相角修正算法

提出了一种滤除衰减直流分量的全波傅里叶改进算法,适用于电力系统故障电流中含有多个衰减直流分量以及恒定直流分量的情况.通过比全波傅里叶算法增加2个采样点,利用3次相邻的周期的数据之和,在排除恒定直流分量的干扰的前提下计算出衰减直流分量的幅值和时间常数.只需对采样数据进行一次DFT运算,后一次的数据可以利用前一次的数据,大大减小了原有的计算量,加快了运算速度.自动判断相角是否需要增加180°,防止出现波形反向.本文详细分析了全波傅里叶算法,讨论了其它改进算法,给出了本改进算法的推导过程以及仿真结果,证明该算法计算精度高,数据窗短,易于实现.     

基于EEMD和ICA的语音去噪方法

语音去噪技术是语音识别系统走向实用化的一个关键性难题.针对语音信号为非平稳信号的特点,提出了一种基于EEMD和ICA相结合的语音去噪方法,首先利用集合经验模态分解(EEMD)算法将含噪语音信号分解为若干个独立的固有模态函数(IMF),消除了经验模态分解(EMD)算法处理语音信号时产生的模态混迭现象;然后将固有模态函数通过改进的独立分量分析(ICA)算法分离出若干个有效的语音信号分量;最后对其进行语音重构,从而达到消除噪声干扰的目的.实验结果表明,该方法在输入信噪比为-10dB的汽车噪声条件下,可以将语音信号的信噪比提高到2.741 2 dB.     

基于最大熵独立分量分析的诱发电位特征提取

目的 针对视觉诱发电位(VEP)特征提取问题,提出一种改进的基于信息极大的最大熵ICA算法.方法 通过该算法对多导诱发脑电信号进行独立分量分解,去掉其中包含的噪声干扰成分.并选出与视觉诱发响应相关的主要分量,完成信号的特征提取.结果 将选出的分量投影回头皮电极处,使得VEP中的P3峰更加突出.结论 所提出的方法实现了信号的特征增强,提高了P3成分定位的准确性.     

一种衰减直流分量精确估计新算法

提出一种从故障电流信号中消除衰减直流分量的新算法.该算法基于纯正弦波信号在一个全波周期积分为零、而指数衰减信号在一个全波周期积分不为零的原理,用一个全波周期加上前一个采样周期的采样数据,就能精确估计指数函数型衰减直流信号的幅值和时间常数.将每个采样数据减去衰减直流分量偏移量得到校正采样数据,应用全波DFT电相量算法就能对滤除衰减直流分量的故障电流基波相量进行高精度测量.该算法对数字积分和指数函数进行了工程运算的简化,并提出衰减直流分量是否存在的简易判别算法,提高了数字保护算法的选择性.在M atlab仿真平台上进行了综合仿真试验,试验表明:所提算法测量精度高,易于用DSP实现,可应用到基于DSP的数字继电保护装置中.     

基于EMD技术的弹性波信号降噪技术

弹性波无损检测技术由于其优点,应用范围日益广泛。在成桥检测中,由于激振、接收条件的限制,使得弹性波信号的信噪比大幅降低,如何准确的判定初始信号成为重要的课题。另一方面,经验模态分解(EMD)算法在处理非周期、非平稳信号中以其优越性而得到广泛关注。因此,采用改善迭代停止准则以及引入智能分析极值点等方法,对传统EMD分解方法的弊端进行了改进。通过实际采样验证了改进后的EMD算法对弹性波检测信号的处理能力。     

基于经验模式分解的齿轮箱振动辨识

论述了一种新的针对非线性非平稳信号的经验模式分解（EMD）方法，使用EMD方法对齿轮箱振动信号进行了辨识，并且与离散小波分解方法进行了对比，结果表明，通过EMD分解获得的齿轮箱振动内在模式分量（IMFs）能很好地辨识出齿轮的啮合振动模式，且比离散小波方法的分解效率更高；EMD分解的第3个IMF－IMF3清晰地表示出齿轮箱的第一级齿轮的216Hz的啮合振动模式。     

基于经验模态分解的无量纲指标故障诊断定位

无量纲指标作为新的理论工具应用于故障诊断研究中,虽然取得了一定的进展,但在应用时没有考虑到其他噪声干扰信号的影响,对结果分析有一定的干扰.而经验模态分解(EMD)技术能够提取出振动数据的故障特征信号,针对无量纲指标分析数据时的噪声干扰,提出了基于EMD的无量纲指标处理算法.首先对采集到的振动数据做EMD,分解出的前几个固有模态函数(IMF)分量中包含了振动数据的故障特征,去除其他噪声干扰信号的影响;其次求出含有振动数据特征信号的IMF分量的无量纲指标值,做出其无量纲指标的特征范围值;最后进行故障诊断分析.将此算法应用于旋转机械的故障诊断实验中,通过实验验证了该方法的可行性和有效性.     

单分量微地震信号的P波S波到时自动拾取方法

 单分量传感器依然是目前矿山中应用最广泛的传感器。针对矿山每天采集到的大量信号,提出了一种针对单分量微地震信号的P 波S 波到时拾取算法。长短时窗均值比法(STA/LTA)可以用来检测信号的变化趋势,结合改进的特征函数对信号的几何特征予以加强,进而可以提高震相识别的精度。随着长短时窗的滑动,信号的变化趋势表现在走势图上,再利用震相到时判别阈值可以初步定位到P 波S 波的到时区间。初步确定到时区间后,分别在P 波S 波的到时区间内应用AR-AIC 准则,可以计算出信号发生突变的位置,这两个点即对应着P 波S 波的到时。结合时差阈值判别和时频图谱,对拾取的结果再次做检验。经过两次判别,有效地提高了该算法的拾取精度。通过对1000 多条单分量微地震信号进行验证,自动拾取能拾取到71%的P 波到时和79%的S 波到时,相同条件下,自动拾取的结果不低于手动拾取的精度,满足矿山应用的要求。     

基于局部多项式回归的EMD端点效应抑制

Hilbert-Huang变换(Hilbert-Huang transform,HHT)这种完全由数据驱动的自适应时频数据分析算法已经在多个领域得到了广泛推广和应用.但是HHT的核心部分经验模态分解(empirical mode decomposition,EMD)被端点效应问题所困扰.这里结合局部多项式回归,利用局部少量数据在极值序列两端各拓展一个极值点,从而抑制EMD的端点效应.模拟实验结果表明,该算法能够有效抑制端点效应,且数据要求不高,运行速度较快.     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。     

滑窗平均值的序分量检测算法研究

针对传统时域序分量检测算法的不足,在频域上提出一种基于滑窗平均值的Fourier分析算法.该算法通过对三相输入信号进行连续滑动平均加窗的Fourier运算,分解出基波相量的实部分量和虚部分量后,利用对称分量法计算基波相量的各序分量.由Matlab仿真结果可知,基于滑窗平均值的Fourier算法对序分量的检测,动态性能稳定,准确性和实时性高.     

多分量调幅-调频信号的瞬时频率直接计算与畸变消除方法

针对局部均值分解(LMD)在多分量调幅-调频(AM-FM)信号解调过程中的瞬时频率求解问题,提出了一种瞬时频率快速直接计算与畸变消除方法。首先通过LMD将多分量AM-FM信号分解为一系列单分量AM-FM信号,使用未展开瞬时相位的差分绝对值替代相位展开,有效提高了瞬时频率的计算效率;然后针对直接计算法求得的瞬时频率在极值点附近存在畸变的问题,根据畸变位置分布规律定位畸变位置并剔除畸变点,使用插值法补全被剔除数据,最终得到可用的瞬时频率。将提出的方法成功应用于转子碰磨故障诊断和语音信号基音频率识别,试验结果表明:与传统的基于相位展开的直接计算法相比,提出的快速直接计算法的运行效率更高;同时,求得的瞬时频率中的畸变能够被完整的定位和消除,最终得到正确可用的信号瞬时频率。