ARMA谱估计中若干问题的研究

本文首先讨论ARMA谱估计中谱值估计的运算量计算问题,分析了现有几种快速算法的各自特点,在此基础上,根据三角函数的Taylor展开式与周期性,提出了一种新的ARMA谱值估计快速算法——三角函数展开型算法;文中还详细地讨论了ARMA谱估计的分辨力问题,阐述了系统分辨力与频率分辨力的本质区别。     

白噪声背景下正弦信号频率和功率估计的有效算法

本文给出一种以线性预测理论为基础的,且具有内建判阶功能而计算量小的有效算法,同时给出实验的数值结果．     

功率谱估计方法在SR电机转矩脉动控制中的应用

本文介绍了一种用功率谱估计来测量气隙磁通密度的方法，分析了该方法实现的理论可行性、具体的控制策略，并给出了原理框图和仿真结果。表明本方法能有效减小SR电机的转矩脉动，具有一定的应用价值。     

亚健康脉象信号的非参数化双谱估计

根据脉象信号的非高斯随机特性,应用双谱估计对其进行分析,提取处于亚健康状态的脉象信号的异常信息,探索亚健康的诊断与治疗评估的客观诊断依据.在信号处理过程中,双谱的相位携带有信号的重要特征信息.采用双谱估计分析法中的非参数化算法对脉象信号进行研究发现,处于亚健康状态的双谱幅值谱峰比处于健康状态的更突出,较大双谱值的分布更为集中.实验结果表明:非参数化双谱估计是分析脉象信号的有效且可行的方法,可以作为识别亚健康状态的方法进行深入研究.     

改进的基于四阶累积量的MUSIC算法

超宽带测向系统中,天线体积受限严重影响到系统的测向精度和解模糊能力,且天线阵列的孔径限制着阵列最多能分辨的目标信号个数,而一些优秀的算法如空间平滑算法和旋转不变子空间(estimation of signal parameters via rotational invariance technique, ESPRIT)算法损失了天线阵列孔径。针对这些问题,在传统的四阶累积量多重信号分类(multiple signal classification, MUSIC)算法基础上提出了一种改进的算法。该算法根据四阶累积量矩阵构成的规律,去除了原四阶累积量矩阵的数据冗余,有效地减小了运算时间,为其实际应用提供了必要条件。计算机仿真和实测数据仿真的结果表明,本改进算法可以快速地实现虚拟阵列扩展,同时对有色高斯噪声也有一定的抑制作用。     

基于TVAR-HMM的滚动轴承故障诊断

针对工况条件下轴承故障振动信号的非平稳特性,分析时变自回归与隐马尔科夫模型的特点,提出了一种基于时变自回归和隐马尔科夫模型的滚动轴承故障诊断方法.振动信号经时变自回归建模后,得到时频分辨率较高、无交叉干扰项的时频谱,基于能量法对时频谱进行特征提取,然后利用隐马尔科夫模型对故障特征统计分类,实现对轴承故障的诊断.轴承信号分析表明,TVAR建模可以有效地提取信号中的故障特征,结合隐马尔科夫模型的动态统计特性可智能识别轴承故障类型,得到良好的诊断效果.     

一种改善AR谱估计性能的分频段方法

本文研究了一种改善AR谱估计的有效和实用的方法,即在固定分辨率的情况下降低AR模型阶次,或在阶次一定(或降低)的情况下改进其谱估计分辨率的方法.该方法是通过对数据序列的频带进行限制,以减小分析频带外的噪声能量和通过选抽降低原序列采样率来实现的.仿真结果和实例表明,该方法对于宽带信号的AR谱估计是十分有效的.     

基于周期图的自适应谱估计方法

移动的修正周期图谱估计方法在实时处理和非平稳信号处理的场合中是常用的一种有效方法。本文利用其相邻时刻数据组中的数据大量重叠的特点,提出一种谱递推形式的快速自适应谱估计方法,显著地减小了原方法的运算量。     

基于Matlab的Welch法功率谱估计

在经典谱估计领域,由Welch提出的修正周期图法获得了有效的应用,在多数情况下,其频率分辨率、估计方差能满足实际应用.运用Matlab软件进行Welch算法仿真与分析,从而得出一些有价值的结论.     

信号处理——自相关和谱估计

利用给定的一组样本数据估计一个平稳随机信号的功率谱密度称为功率谱估计。在许多工程应用中，功率谱的分析和估计是十分重要的，因为它能给出被分析对象的能量随频率的分布情况。这本教科书是适用于研究生水平的信号处理著作，主要讲述现代谱估计理论。