信号的时限与带限关系教学研究

信号的时限与带限之间的关系是"信号与系统"教学中的一个重要知识点。本文介绍了时限信号和带限信号的概念,讨论了信号的时限与带限的关系,对同时满足带限与时限要求的脉冲信号进行了探讨,给出了长球面波函数的数值计算方法,对长球面波函数进行了仿真分析。     

海洋激光雷达系统接收信号噪声的相空间分析

通过对海洋激光雷达信号噪声的相空间分析，并通过与确定信号、随机信号、混沌信号相空间的比较，首次发现了海洋激光雷达接收信号噪声与混沌信号相似的相轨迹特征，初步揭示了海洋激光雷达信号噪声的混沌特性．     

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。     

双H型石英陀螺耦合信号的分析模型

针对现有模型不能完全解释双H型石英音叉耦合信号某些特点的问题,提出一种分析双H型石英陀螺耦合信号的分析模型. 通过对耦合信号的机理分析,将耦合信号分为静态耦合信号和动态耦合信号,分析了各种耦合信号产生原因及与驱动信号的相位关系. 对静态耦合信号和动态耦合信号分别进行了实验验证,实验结果表明:静态耦合信号与驱动信号同频、同相、同波形,在检测正负两极呈共模状态,动态耦合信号与驱动信号同频,相位不正交,检测正负两极信号幅度不对称,驱动信号频率对动态耦合信号与驱动信号的相位差影响很大.      

强噪声下微弱信号处理方法研究

机械设备中信号检测时有用信号比较微弱且存在较强的噪声,给信号检测与处理带来了一定的困难。针对这个难题,采用相关检测、自适应滤波器等微弱信号检测方法,从噪声中检测出微弱信号。首先介绍了相关检测法与自适应滤波器的基本原理,重点阐述相关检测法与自适应滤波器结构及去除噪声干扰的方法,分别用时域与频域方法对微弱信号进行提取。最后在机械实验台上进行验证,实验结果表明：相关检测法与自适应滤波器均能去除干扰信号,提取到有效信号。     

一种平面旋转磁极函数信号发生器信号分析

本文主要论述了平面旋转磁极信号发生器的信号特征,本信号发生器是基于电磁感应原理,得出了信号的表达式,利用Matlab,确定了合理的结构参数范围以及信号频率与旋转速度之间的关系。     

海洋激光雷达系统接收信号的相空间分析

通过对海洋激光雷达信号的相空间分析，并通过与确定信号，随机信号，混沌玎空间的比较，首次发现了海洋激光雷达接收信号噪声与混沌信号相似的相轨迹特征，初步揭示了海洋激光信号噪声的混沌特性。     

Linux不可靠信号与可靠信号的比较实验

描述了一个用于比较Linux系统中可靠信号与不可靠信号实验的设计。首先，简要描述了UNIX／Linux信号机制以及不可靠信号和可靠信号，然后根据不可靠信号与可靠信号的特点给出了几个用于比较二者差别的程序，接着考察了在使用libc6的Linux系统中无法正确观察到不可靠信号实验现象的问题并给出了一个解决方案。     

Matlab软件应用于信号与系统课程教学改革

信号与系统是一门抽象性较强的课程，目前的教学方法不能满足学生发展的要求，将Matlab软件应用于信号与系统教学改革中本文介绍了信号与系统传统的教学方式及Madab软件，并通过实例介绍了Matlab在信号与系统课程中的应用，此方法教学效果显著，值得推广。     

扭振测量在煤岩界面识别中的应用研究

为了更有效地进行煤岩界面识别,利用扭振信号来进行煤岩界面识别研究。首先从理论上分析了扭振信号与滚筒截割力的关系;应用小波包和模糊神经网络技术进行信息特征提取和数据融合,论证了扭振信号的有效性与可靠性,并与直线振动信号进行了对比。识别结果表明,扭振信号数据比较稳定,识别正确率达到92%;而直线振动信号的正确识别率为63%,理论分析与试验验证是一致的。通过滚筒轴扭振信号来监测采煤机运行状态是一有效手段。     

非高斯噪声背景下的自适应信号提取方法研究

为实现对非高斯背景噪声干扰条件下用信号的提取,将BP神经网络作为自适应噪声对消滤波器,以与干扰噪声强相关的噪声源作为参考噪声,实现对背景噪声的抑制,达到了有用信号提取的目的。BP神经网络自适应噪声对消技术不仅适用于线性相关参考噪声,同时也适用于非线性相关参考噪声,可以有效提高信号传递和接收的信噪比。     

基于BP网络和多抽样率处理的缺失音频信号恢复方法

提出并设计了一种由多个BP网络和均匀DFT滤波器组构成的非平稳序列自适应预测器,用于缺失音频信号的恢复．通过改进样本处理方法和分别设计各个BP网络结构,达到较高的预测精度．采用多抽样率并行处理方式,减少了单个BP网络的数据处理量,提高了预测器恢复缺失的音频信号速度．仿真实验证明效果较好。     

神经网络在信号处理中的应用

运用ＢＰ网络来消除信号的随机噪声和模式识别，作为例子，考虑了正弦波、矩形波和三角波３种信号。在５０％噪声情况下，ＢＰ网络仍能有效地消除这３种信号中的随机噪声并正确地找出它的理想模式。     

一种LFMCW雷达目标距离提取方法

在阐述FFT方法、最小二乘曲线拟合方法和雷达信号特点的基础上,将BP网络应用于线性调频连续波雷达系统目标距离的信号处理中,用雷达数据对构造的BP网络进行了训练和测试。仿真结果表明,该方法在训练对象足够充分的情况下可以适应较大范围内测量,在无噪或低噪声的情况下,可以获得较高的测量精度,是一种对LFMCW系统信号处理的有效方法。     

基于力信号和智能控制的电解加工间隙检测与控制

采集真实电解加工过程中阴极表面上的力信号,利用小波变换对采集的信号进行降噪处理,得到一条随着间隙减小而光滑增大的力信号趋势曲线.用这些力-间隙数据对训练一个BP神经网络,通过训练好的网络和在线测得的力实现间隙的在线预报,并设计了一个模糊控制器.利用上述从试验中获得的间隙-力关系训练另一个BP神经网络,实现间隙向力信号的映射,把间隙的误差转化为力的误差及误差的变化信号,以此作为模糊控制器的输入,以加工电压的增量作为模糊控制器输出,实现对间隙的控制.在Matlab的simulink模块中建立了由神经网络、模糊控制器和电解加工系统联合组成的智能控制系统的仿真模型,进行了仿真试验,试验结果表明对间隙的控制效果满意,特别是快速性和鲁棒性好.     

一种基于径向基函数神经网络的语音降噪方法

采用径向基函数神经网络在时域上对含噪语音信号进行降噪处理.针对语音信号的短时平稳性以及噪声的随机性,对语音信号进行分帧预处理;用分帧后的纯净语音信号作为径向基函数网络的教师信号,并利用Matlab神经网络工具箱设计和训练网络.实验结果表明,径向基函数网络作为语音信号滤波器,可有效地抑制语音信号中的白噪声,具有良好的降噪性能.     

基于灰色前馈神经网络的流行色预测

提出结合灰色理论和前馈神经网络的流行色预测模型GLMBPNN(Gray Levenberg-Marquardt Back Propagation Neural Network),并利用Levenberg-Marquardt算法提高传统BP(Back Propagation)神经网络模型的学习速率.运用灰色理论学习历史数据的变化规律,对数据进行灰化处理,再对比目标值与BP网络的初始输出值,不断进行逆向反馈修正,训练完毕后通过仿真、白化处理得出流行色预测值.研究表明,GLMBPNN模型预测所得的流行值比灰色模型方法所得值的精度高,且比传统BP神经网络的收敛速度快.     

基于神经网络的多功能雷达行为辨识方法

针对多功能雷达行为状态复杂多变、难以识别的问题,构建了多功能雷达行为数据集,提出了一种基于神经网络的雷达行为辨识方法。首先对数据进行预处理,提取多功能雷达的参数特征与行为状态特征,并建立两者间的映射关系。然后通过基于贝叶斯准则的变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的脉冲数组样本。最后通过数据推理丰富数据库,为数据驱动的智能识别方法提供可靠的数据准备,增强神经网络的泛化能力。针对处理后的雷达行为数据集的特点,设计BP神经网络进行训练与测试。仿真实验结果表明:训练完成的网络模型在识别过程中一定程度上克服了噪声变量等干扰的影响,正确率可以达到89%。     

基于RBF神经网络的跳频信号频率预测的研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络．比较了BP神经网络和RBF神经网络在跳频信号频率预测中的性能差异．应用MATLAB针对一伴有随机噪声的信号进行了仿真实验，证明了该理论的可行性与优越性。     

基于神经网络的自适应噪声抵消器的研究

在系统阐述了自适应滤波器和自适应噪声抵消器基本原理的基础上,利用神经网络的特点,设计了基于四层神经网络的自适应噪声抵消系统,克服了传统自适应滤波器需要两路输入信号统计相关的特点。理论分析和计算机仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声消除能力和鲁棒性。