一种机械系统振动故障检测方法

针对现有机械系统故障诊断技术,本文提出了一种基于小波变换的振动系统故障检测方法——硬阈值滤波法和谱相滤波法相结合的小波降噪的组合滤波法。实验表明,该方法可以构造故障诊断所需的特征,直接提取对诊断有用的信息,降噪效果显著,对于信噪比比较低且参考噪音不容易取到的信号效果尤其明显,且失真度不大。     

小波奇异值分解的瞬变弱信号检测

研究小波阈值法和奇异值分解法,分析最大分解层数、阈值函数、小波基函数的选取以及窗长和保留奇异值个数等参数的选择,并在此基础上提出小波与奇异值分解相结合降噪检测信号的方法。该方法首先将信号作小波分解,再对小波分解系数作奇异值分解,最后通过阈值法保留小波系数并重建降噪信号,利用重建信号进行信号检测。结果表明:该方法能更好地区分信号和噪声,获得更好的降噪和检测结果。     

基于小波阈值方法的雷达回波降噪

为提高船用雷达回波降噪效果,提出基于小波阈值函数的降噪方法,分析中间阈值以及对应的阈值函数对实测雷达回波信号降噪的影响.实测结果表明,新的阈值方法较软阈值、硬阈值、Firm阈值、Yasser阈值方法具有更高信噪比、更小均方根误差、更大能量比,证明了该方法的有效性和实用性.     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

基于小波变换的雷达信噪比改善分析

针对雷达在检测弱目标能力的不足,基于雷达信号与噪声的实际窄带模型,提出运用小波分解加阈值处理的去噪方法改善功率信噪比。一方面推导出了信噪比改善的理论计算公式,另一方面采用模拟和实际采集的数据进行了大量的仿真实验。计算和仿真结果的一致性表明:在传统的雷达信号处理中,运用小波变换可提高检测前信号噪声比,进而提高雷达的探测距离。     

基于分数阶小波的频谱感知算法

针对非平稳信号在低信噪比下使用能量感知算法感知效果差的问题,提出了一种基于分数阶小波的频谱感知算法。首先对接收信号进行分数阶小波变换达到能量聚集与去噪处理的目的,之后对重构信号进行能量感知。仿真结果表明,该算法相比于传统的能量感知算法以及基于小波变换的能量感知算法,可以提高在低信噪比下对非平稳信号的感知效果。在感知概率为0.3时,基于分数阶小波的能量感知算法比传统的能量感知算法和基于小波变换的能量感知算法分别提高了6 d B和2 d B的信噪比增益;在虚警概率恒为0.1时,基于分数阶小波变换的频谱感知算法的感知概率为0.867,明显高于传统能量感知算法0.287的感知概率和基于小波变换的频谱感知算法0.628的感知概率。     

活塞杆摩擦焊接头的超声检测及缺陷二维重构

针对活塞杆摩擦焊接头的未熔合缺陷,采用超声无损检测方法对部件接头进行检测并提取了含噪声的超声回波信号,利用小波降噪法对含噪声缺陷信号进行了降噪处理,通过多位置、多点检测的方法对未熔合缺陷进行了二维轮廓重构.结果表明:1) 通过优化小波阈值降噪算法的参数提高了回波信号的信噪比,可以提升检测的有效性与准确性;能实现对缺陷信号的降噪并保证信号的完整性;2) 对检测数据进行理论计算确定了缺陷的多位置边缘点,通过缺陷边缘点的拟合,实现了未熔合缺陷的二维轮廓重构,重构结果与破坏性检验结果基本吻合.     

基于小波分解的IM信号检测算法

在5G移动通信网络中,为了进一步提高频谱利用率和能量利用率,一种新的调制方式——索引调制被提出。采用小波分解检测索引调制信号,可提高索引信息的特征表现,提高有效子载波的识别概率,在低信噪比下获得满意的检测概率和漏检概率。仿真结果表明,相比于基于能量的信号检测算法,基于小波分解的检测算法性能可提高约2d B。     

基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法,将弱小目标看作是红外图像中灰度和位置均未知的暂态信号,通过对图像信号作多尺度的小波变换,可以在低信噪比条件下检测出弱小目标,实验结果表明,小波变换能很好地增强目标,掏背影杂波,从而提高目标检测概率,降低误检测。     

基于模糊函数主脊切片和深度置信网络的雷达辐射源信号识别

雷达辐射源信号识别是电子侦察系统的关键组成部分,为了提高低信噪比条件下对低截获概率雷达信号识别的准确率,提出了一种基于模糊函数主脊切片(MRSAF)与深度置信网络(DBN)的雷达辐射源信号识别方法。首先对雷达信号进行奇异值分解(SVD)进行降噪预处理,求解雷达信号的模糊函数并提取其主脊切片包络,采用奇异值分解方法降低噪声对主脊切片包络的影响,然后建立基于受限波尔兹曼机的DBN模型并运用标签数据有监督微调模型参数完成训练,最后基于该算法模型实现辐射源信号的分类和识别。仿真结果表明:该方法在低信噪比条件下也有较高的识别率,信噪比高于-4dB时,识别率可以达到90%以上,验证了本算法的有效性和应用价值。     

频域积累与EMD去噪结合的微动信号检测算法

 超宽带生命探测雷达具有穿透能力强、距离分辨率高、抗干扰能力强等诸多优点,在防暴、救援、反恐等领域有很高的使用价值。由于穿墙生命探测雷达回波信号具有杂波干扰严重,且生命信号与背景噪声相互交叠等特点,利用传统数字滤波方法无法有效检测人体微动信号。针对此问题,本文提出一种利用频域积累与经验模态分解（EMD）相结合的人体微动信号检测算法,利用频域积累提高回波信号的信噪比,利用EMD 方法进行进一步的去噪处理。该算法不仅具有频域积累可以有效提高信噪比的优点,而且具有EMD 方法自适应分解信号的能力。同时,它克服了在低信噪比情况下,频域积累实时性不强,以及EMD 方法不能有效去除杂波的缺点。仿真和实验证明,该算法既可以有效提高雷达回波信号的信噪比,又可以改善单纯使用频域积累实时性不强的缺点,利用该算法对雷达回波信号进行处理可以准确快速地检测出人体的呼吸频率,是一种很好的穿墙雷达微弱信号检测新方法。     

混合MIMO-相控阵雷达目标高分辨成像

为了兼顾相控阵雷达成像和多输入多输出雷达成像的优势，提出一种基于混合MIMO-相控阵技术的多目标高分辨成像方法。将传统MIMO雷达中的每个单阵元发射天线都用一个工作在混合MIMO-相控阵模式的发射阵列（TA）来代替，每个TA根据目标数量和目标方向划分为多个子阵（SA），每个SA内部阵元工作于相控阵模式并形成指向某个方向目标的发射波束，而各个SA之间发射彼此正交的波形，从而工作在MIMO模式。对各SA的回波信号进行波束形成处理以获得更高的信噪比和信干比增益。在此基础上，结合字典优化、正交匹配追踪和参数化稀疏表征方法，分别提出单次快拍高分辨成像和多次快拍高分辨成像方法。仿真结果表明:所提方法能够获得更好的成像性能和成像实时性。     

基于小波变换的二相编码信号检测

针对低信噪比条件下相位编码信号检测效果差的问题,运用粗细定位相结合的思想,采用双尺度小波变换对二相编码信号进行了研究.该方法在大尺度的模值点上,对信号的奇异点进行粗略定位;在小尺度的模值点上,对信号的奇异点进行精确定位,进而实现了对二相编码信号的检测.通过仿真实验表明,该算法在信噪比优于0 dB的情况下,可以较好地完成...     

双门限协作能量检测性能分析

传统的单门限能量检测,如果有突发噪声或者其它因素,产生误检的概率会比较大。使用基于OR准则的双门限协作能量检测算法,检测时对每个用户设定两个判决门限,利用多个用户检测结果进行OR准则协作判决,提升检测性能。数值仿真结果表明,这一方法能够提高频谱检测概率、抑制漏检率。当信噪比较低、认知用户数N=5时,双门限性能最高要比单门限高出22％;认知用户数N=10时,双门限性能最高要比单门限高出17％。实际应用中,低信噪比的恶劣环境居多,因此双门限检测具有不可比拟的优势,应用空间非常广阔。     

激光多普勒测速信号的小波包全局阈值消噪研究

针对实际的激光多普勒测速信号中混有大量的噪声信号,难以找到所需要的多普勒频移的问题,提出了一种小波包全局阈值消噪方法,并在MATLAB中运用此方法对多普勒测速信号进行处理。根据多普勒信号的特点,通过对小波包分解尺度的选取、阈值估计方法的对比和对阈值thr的调整,可以快速有效地消除信号中的噪声信号,提高信噪比,得到有用信号。     

起伏背景噪声下地震波传感器阵列目标检测算法研究

针对起伏背景噪声下传统地震波传感器阵列检测算法虚警概率高、检测概率低的问题,提出一种基于信号相关性的阵列目标检测算法.利用传感器阵列在一个检测周期内接收到的数据建立信号检测矩阵,由检测矩阵列向量之间的相关性标记信号中目标成分的大小,进而引入相关性参数并构建检测统计量,利用信号相关消除时变的环境噪声干扰,有效克服起伏噪声对目标检测结果的影响.推导算法虚警概率与检测门限之间的定量关系,得到一定虚警率下的检测概率.基于计算机仿真和舰船目标实测试验对比本文提出算法与现有方法,结果表明本文算法可以在起伏背景噪声下有效检测出目标,且检测性能优于现有检测算法.     

基于小波收缩的神经网络图像“去噪”算法研究

提出一种基于小波收缩的神经网络图像“去噪”的新方法。此算法引入了一种新的小波收缩函数（3次样条曲线）对小波系数进行处理。由于此算法中的小波收缩函数具有较好的光滑特性,它克服了小波收缩中硬阈值和软阈值方法所带来的缺点,并且神经网络模型实现此算法。实验表明：此算法比用传统的硬阈值和软阈值方法图像“去噪”有更好的峰值信噪比且具有比传统算法更好的学习特性。     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

一种基于小波系数方差的语音端点检测方法

首先分析讨论了小波变换的原理,在此基础上提出了一种利用小波系数方差识别含噪语音信号中静音与语音的新算法。算法首先对含噪语音进行小波分解,观察各层小波系数的统计特性,提取它们的方差作为检测特征,从而进行语音端点检测。对该算法进行了仿真实验,并与传统的基于能量与过零率的端点检测算法进行了比较。实验结果表明:该算法在低信噪比条件下也能够有效分割语音。     

声信号分析方法在轴承故障诊断中的应用

由于轴承故障声信号的混响及临近的机械设备的噪声,造成声信号的频域分析很困难.通过小波变换原理,对滚动轴承故障声信号进行时频分析.通过对声信号的多尺度分解,分离出由故障造成的声信号突变.实验结果表明,较之以往的时域、频域信号处理技术,该方法对声音信号分解更趋合理,是一种可靠和有效的滚动轴承故障诊断新方法.