自动物种识别中基于时频谱图形状的声学部件检测

概述了声音的自动物种识别在环境监测中发挥的重要的作用,创新性地利用时频谱图将可听的声音信号转换为可视的图像信号,并定义了构成动物叫声结构的基础声学部件。从图像处理的角度出发,设计了3种基于时频谱图形状检测声学部件warble,stacked harmonic和oscillation的算法;通过母考拉的叫声结构详细阐述这3种算法,并将这3种算法的识别结果与Raven和Song Scope进行了比较。实验结果表明,相较于Raven和Song Scope,本文设计的3种算法在识别精度上提高了10%。     

MT信号处理中小波分析与Hilbert-Huang变换的比较

以实测大地电磁信号为分析对象,对比研究了小波分析和Hilbert-Huang变换在大地电磁（magnetotelluric,MT）信号分解和时频分析上面的特点.给出了小波分析和Hilbert-Huang变换的数学原理,分析了2种方法在MT信号分解中的分解方法及其物理意义,讨论了2种方法在MT信号时频谱表征能力上的异同,为大地电磁信号分析方法的选择提供用了有价值的参考.     

一种基于同步性的听觉滤波信号关联度分析方法

受听觉系统运行机制的启发,提出一种以同步性为线索的信号分量间关联度的分析方法.首先对信号进行带通滤波、逆序滤波和半波整流,继而提取一次、二次和三次极值点,并生成三种单位序列.基于单位序列分别计算相邻滤波通道同步性和一、二次极值点同步性,这两种同步性可描述信号分量间的波形吻合程度和波动关联性.分析了带有侧隙的齿轮振动信号,结果表明所提方法可发现具有较高关联性的信号分量,有助于缩减数据量和揭示被测对象的动力行为特性.     

分类变量关联性的一个应用

本文把衡量分类变量关联性的方法应用于台风暴雨过程的因子分析,进而对暴雨过程者预报。     

单频信号瞬时频率估计

目的　研究点目标回波信号的瞬时距离信息提取问题; 方法　在详细讨论点目标回波差频信号频谱结构的基础上,利用单频信号瞬时频率ＩＦ（ｉｎｓｔａｎｔａｎｅｏｕｓ ｆｒｅｑｕｅｎｃｙ）定义、ＦＦＴ方法和计算机仿真,分析差频信号谱结构与信号携带的距离信息的关系; 结果与结论　差频信号的基波频率与目标距离相对应; 所提出的频域最大值跟踪法优于Ｗｉｇｎｅｒ－Ｖｉｌｌｅ 分布（ＷＶＤ）和前向差分法;     

小波方法识别框架结构损伤

小波包分析损伤识别方法首先将结构响应信号分解为小波包组分,然后通过各组分小波信号的变化情况识别损伤。通过3层框架结构的数值分析,模拟结构损伤,判断损伤时刻与损伤位置。分析小波组分信号突变情况,可以识别损伤时刻、损伤位置和损伤程度。     

调频信号DOA估计的研究

针对传统信号DOA估计技术的不足,采用近年来时频分析技术与传统DOA估计相结合的估计方法—时频MUSIC,对线性调频信号进行DOA估计,得到了较传统DOA估计方法精度高的估计结果,并简叙了这种方法的主要基本思想及适用背景。     

基于AVO效应的薄层预测方法研究

通过地震波波峰和波谷间的距离预测薄层厚度,其垂直分辨率是1/8波长。本文为利用地震资料对更薄地层厚度进行预测,设计反射系数相同和相反的两种楔形模型。同时设计多个厚度不同的CDP道集,利用地层反射系数随炮检距的变化而变化的特点在CDP道集上分辨薄层。通过S变换时频分析方法提取CDP道集的单频剖面,扫描单频剖面的极值点,利用极值点间的垂直距离来预测薄层厚度。通过模型试验表明这种算法对1/16波长厚度的薄层预测效果依然准确,说明这种方法是有效的。     

关联噪声作用下肿瘤生长的随机共振

在Logistic 生长模型中引入了加性和乘性关联噪声, 通过求解其对应的Fokker-Planck 方程, 揭示了乘性噪声对肿瘤生长规律有分化作用, 肿瘤细胞数目以及生长规律随乘性噪声的强度增加, 表现出随机共振特征. 在一定的乘性噪声强度下, 不但不能使肿瘤细胞灭绝, 反而促使其增长. 噪声关联对随机共振特征起弱化作用, 同源强噪声使肿瘤远离衰亡而稳定生长和扩张.     

S变换子域适应的扶梯电机轴承迁移诊断

在缺乏足够的扶梯电机轴承故障数据的情况下,针对扶梯在频繁变载变速的运行状态中轴承故障特征不稳定的问题,提出了Stockwell(S)变换结合子域适应的扶梯电机轴承迁移诊断方法。首先,针对扶梯电机轴承的故障特点,采用S变换结合双线性插值算法生成振动信号时频图。该时频图能有效反映轴承故障特征,并与后续的生成/与特征提取网络输入要求相适应。其次,在基于深度残差神经网络ResNet-50的特征提取网络层的输出端引入局部最大均值差异（LMMD）,将故障样本的类别置信度作为映射后的权重引入最大均值差异（MMD）,在对齐源域和目标域全局分布的同时,对齐同类别样本所属的子域的分布,同时拓展可迁移学习的范围。然后,构建网络的最小化LMMD和交叉熵损失函数,采用小批量梯度下降法训练网络。从而可通过细化不同故障类别间特征差异实现故障子域自适应,并克服迁移诊断精度低的问题。最后,基于两个公开的轴承故障数据集和少量扶梯电机轴承故障数据构建S变换后的时频数据集,并进行迁移诊断实验验证。结果表明,本方法对扶梯轴承的两种源域到目标域的迁移诊断平均准确率分别达到99.1%和95.49%,识别精度和鲁棒性明显优于5种常用...