用ADSP2181实现话路信号分类

1　ＡＤＳＰ2 1 81的特点简介　　ＡＤＳＰ2 1 81是ＡＤＳＰ的定点处理能力最强的ＤＳＰ芯片 ,这种芯片具有以下几个特点 :( 1 )运算速度快 .指令周期为 30ｎｓ,运算能力为 33.3ＭＩＰＳ .( 2 )片内空间大 .内部的程序和数据ＲＡＭ均为 1 6ｋ字节 ,共 80ｋ字节 .( 3)数据交换速度快 .内部具有数据直接存储传输接口 (ＩＤＭＡ) ,便于其他处理器高速存储ＡＤＳＰ2 1 81的片内ＲＡＭ .为了扩展数据存储能力 ,设计了字节数据直接存储传输接口 (ＢＤ ＭＡ) ,最大可以扩展到 4Ｍ字节 .两个串行口都具有自动数据缓冲能力 ,并且支持ＤＭＡ传输 .( 4)…     

非整周期采样下电功率测量的误差分析

利用基于相关原理的智能仪器测量周期信号的各种电参数时,由于硬件条件的限制,非整周期采样所致误差无法被完全消除。为了减小该误差,提出一种定量修正方法,以实现电功率的精密测量。该方法以含谐波的电气信号功率测量为例,从时域平均功率定义出发,采用正弦函数的一阶T ay lor展开,推导出因非整周期采样造成的测量误差的解析表达式和相应的修正公式。实验结果表明:恰当地选择采样频率和采样周期数以减小信号周期偏差,且控制初始采样时刻,使电压和电流初始采样值的乘积接近于所测电功率的大小,这些均可在很大程度上降低测量误差。     

一种基于ADSP2181的数字录音机的实现原理

介绍了基于ADSP2181的数字录音机具体实现原理,完整地说明了语音采集、压缩编码、存储、语音解码等过程,并给出了主要实验参数。     

基于ADSP2181的高速通用USB通讯接口系统

复杂的U SB协议使U SB设备的开发变得较为困难,单片机的结构和其处理数据的速度使单片机成为高速U SB设备与计算机通讯的瓶颈。为解决这些问题,文章提出了用ADSP 2181、PD IU SBD 12和双端口RAM组成的高速、通用U SB接口系统的原理和编程方法,为基于U SB通讯口的设备开发,提供了一种高速、通用和统一的数据通讯解决方案(如A/D、D/A);采用上述方法,U SB设备的设计者只要专注于硬件的设计就可以了,无需考虑复杂的U SB协议和通讯速度受限问题,该方案已经成功用于振动信号采集板的设计。     

小波空间的不规则采样

探讨了小波空间的不规则采样问题，证明了当采样集满足适当的采样条件和小波空间的尺度函数满足某些条件时，对于小波空间的函数，可以由它的采样值稳定和惟一地重建。     

振动信号非整周期谐波分析的验证与改进

旋转机械轴系振动信号是以转速为基波的周期信号。传统旋转机械振动分析以转速作为基准,通过锁相倍频的方式对振动信号进行整周期采样及谐波分析。但是由于转速的变化,采样周期与转速周期不可避免的偏差,带来的采样误差严重地影响了数据分析的精度。本文对非整周期采样算法进行了试验验证,并加以改进和完善。将改进后的非整周期采样谐波分析法应用于旋转机械的振动信号数据采集及分析上,可以突破整周期采样的局限性,使谐波分析结果达到较高的相位和幅值精度。     

计算机控制系统中采样周期的选择方法

探讨和研究了采样周期对计算机控制系统的影响，绘出了正确选择采样周期的方法     

采用ADSP－2100系列的双音多频信号接收器

提出了用改进型戈泽尔（Ｇｏｅｒｔｚｅｌ）算法，借助于ＡＤＳＰ－２１００系列数字信号处理器实现双音多频信号接收器的方法，给出了实现原理和框图，讨论了取样点数的选择方法     

直接中频正交采样的Bessel内插实现

提出了一种新的中频正交采样和处理方法，即直接在中频对信号进行采样，然后利用数字信号处理的办法产生正复基带信号。通过选取工程较易实现的中点Bessel内插函数，得正交的两路基带I，Q信号，从理论与大量测试中表明相位误差比传统相干检波器小一个数量级，且无幅度误差，大大提高了检波器的性能。     

空间域信号的采样方法

针对空间域信号的采样特点,分析并讨论了空间域信号采样的误差来源和空间域信号采集通道设计的一些关键问题,提出了空间域信号的等空间间隔采样方法和等时间间隔采样方法.     

基于ADSP2181的语音识别电话机的硬件结构

介绍以ＡＤＳＰ２１８１为主ＣＰＵ的语音识别电话机的硬件结构，并对该语音识别电话机进行调试和测试。该机具有识别率高、体积小、稳定可靠的特点。     

基于混沌的旋转机械故障诊断

研究了Duffing方程解的特性，应用分形维数来识别混沌运动及其分岔参数，说明混沌振子的非平衡相交对微弱信号的敏感性和噪声的免疫力，通过混沌振子由混沌运动到大周期运动的相交识别可对旋转机械早期不对中故障信号进行检测和诊断，为工程实际中旋转机械的早期故障诊断提供有效的依据。     

二叉树支持向量机的旋转机械故障诊断

针对SVM二叉树多类分类优先级的确定问题,通过旋转机械故障实验平台和数据采集系统,采集旋转机械故障实验台转子正常、转子不平衡、转子不对中、转子轴承内圈裂缝、转子轴承外圈裂缝5种工况下的振动信号,进行零均值化处理;选择信号的主要频段进行信号重组,提取其时域无量纲特征值,利用并联式SVM的正检率大小确定SVM二叉树多类分类的优先级,进行故障类型的识别。通过实验,实现了训练样本的完全可分,说明此种方法的有效性。     

基于LS-SVM的变采样周期系统控制

针对变采样周期系统的控制,提出基于在线最小二乘支持向量机(LS-SVM)的预测控制方法.在LS-SVM的基础上,利用训练数据窗及训练数据阈值,推导出适合控制系统的在线训练方法.当在线LS-SVM的核函数取线性函数时,结合预测控制方法得到在线LS-SVM预测控制量的方程解,并将其应用于变采样周期系统.仿真显示了该方法的可行性、鲁棒性.     

基于模态分析的转子碰摩声发射特征

通过研究碰摩声发射波中的模态特征,为判断碰摩状态及识别碰摩信号与噪声提供依据.在静态下进行试验以获得纯净的碰摩信号,在转子试验台的碰摩源分别施加碰撞力和摩擦力,对这2种力激励的近似原始声发射波的模态成分以及这2种类型波经过一段距离传播后的特征进行了分析.在动态时模拟不同程度的碰摩故障,结合静态时得到的分析结论对其声发射信号谱进行判断.试验结果表明,碰撞力主要激励弯曲波,摩擦力主要激励高频低能扩展波和部分高频弯曲波.在实际的碰摩故障中,随着碰摩的发展其激励的声发射波的模态成分随之变化,因此,通过对声发射信号频谱的变化特征可以判断出碰摩状态和发展趋势.     

自学习模糊脉冲神经网络的旋转机械诊断

针对旋转机械故障分类边界的模糊性和传统的神经网络算法难以解决应用问题的实例规模和网络规模之间的矛盾问题,提出了一种自学习模糊脉冲神经网络算法,该算法通过脉冲序列的种群编码和无监督学习较好的克服了旋转机械故障分类边界的聚类分析无效性问题.应用表明该算法有效解决了旋转机械故障的边界模糊性问题,较大提高了故障诊断的准确率.     

基于EEMD与模糊信息熵的旋转机械故障诊断方法

针对旋转机械故障识别率偏低的问题,提出一种基于EEMD与模糊信息熵的旋转机械故障诊断方法.该方法结合EEMD分解和模糊信息熵在特征提取方面的优势,构造出一种能够精细度量不同类别振动信号故障概率复杂度的特征集合.首先将原振动信号进行EEMD分解,获得若干个本征模态函数(IMFs);计算出前5个高频IMF分量的模糊信息熵组成高维特征集;利用LPP对高维特征集进行维数约简剔除冗余不相关特征;最后将约简后的样本集输入到KNN分类器中进行故障识别.用双跨转子实验台采集的数据对所述方法进行验证,并与EMD模糊熵、EMD模糊信息熵、EEMD模糊熵方法进行故障识别率对比,结果表明该方法能够有效提取转子振动信号的故障特征,并且具有更高的故障识别率.     

基于局部特征尺度分解的旋转机械故障欠定盲源分离方法研究

针对传统盲源分离方法局限于源信号平稳、非高斯且相互独立,要求观测信号数不少于源信号数的问题,提出了一种基于局部特征尺度分解的旋转机械故障欠定盲源分离方法。采用局部特征尺度分解方法将观测信号分解为若干个内禀尺度分量,相当于对观测信号数进行升维,重组所有内禀尺度分量作为新的观测信号进行盲源分离,该方法不仅能分离非线性、非平稳的旋转机械故障信号,而且也可以解决观测信号数少于源信号数的欠定问题。通过模拟仿真和建立不平衡-碰摩-松动耦合故障的转子试验台进行试验分析,且与传统盲源分离方法进行对比,结果表明了该方法的有效性。