基于EEMD的共振解调技术在列车轴承故障诊断中的应用

针对轮对轴承故障信息不易提取的特性,提出了基于EEMD的共振解调方法。首先,采用EEMD方法将原始信号分解为17个IMF分量,计算每个分量的峭度值,选取峭度值大于3的IMF分量相加,合成新的信号;然后,对新的合成信号进行谱峭度分析,得到冲击成分所在的频带,并据此设计带通滤波器对合成信号进行滤波处理;最后,对滤波后的信号进行Hilbert变换和频谱分析,提取冲击成分的频率,并与理论故障频率对比,进行故障诊断。分别对外圈故障、滚动体故障、保持架故障的轴承进行振动试验,并利用此方法对试验结果进行分析,结果表明,该方法能够有效地识别列车轮对轴承的故障信息。     

基于面积特征算子的猪呼吸频率检测

为了检测与识别猪的异常呼吸并提供实时预警,文中提出采用机器视觉,利用面积特征算子非接触地检测猪的呼吸频率的方法。通过相机在猪舍捕获猪站立时的视频,传输到计算机,在MATLAB平台上提取猪脊腹部区域变化的面积特征;利用小波分析自适应和多分辨率分析的特点,对提取的面积信号进行降噪处理,消除信号的毛刺(局部极值点);运用峰值点检测算法检测面积信号的极值点来获得监测时间段内猪的呼吸频次,最后转化成呼吸频率。实验表明本方法对猪异常呼吸的频率检测精度高于92.002%。     

用小波变换的模极大值提取调制信号频率

利用小波变换系数的模值与信号奇异性指数之间的关系,从调频信号中提取出调制信号的频率.其方法是:对调频信号进行小波变换,取适当尺度上的小波系数进行平方,得到小波变换模极大值的分布曲线,对该曲线进行小波强制滤波,得到反映调制信号频率的光滑曲线,计算该曲线的频率,即可得调制信号的频率.经过计算机仿真,证明该方法是可行的.     

基于小波与独立分量分析的语音信号分离算法研究

混合语音信号的分离是盲源分离的重要内容,也是信号处理领域中的一个难题.对含噪声的混合信号采用小波滤波对信号进行去噪预处理,再采用基于信息极大分离算法提取信号的独立分量.实验结果表明,与传统的滤波方法相比,该算法在消除噪声的同时,对其他信号的细节几乎没有破坏,能够很好地分离频率相同或者相近的语音信号,而且去噪性能也比传统的滤波方法好.     

基于多尺度线性调频基信号稀疏分解的多分量LFM信号检测

该文针对传统的基于二次时频分析和原子追踪匹配方法处理多分量LFM信号时存在的时频干扰和等振幅交叉分解等问题,提出了一种基于多尺度线性调频基信号稀疏分解的多分量LFM信号检测方法,该方法采用多尺度的线调频基函数对多分量LFM信号进行投影分解,通过从不同的时间支撑区内投影系数最大的基函数中寻找出使分解信号能量最大的基元函数组合,逐次获得信号包含的能量最大的LFM信号分量,从基元函数连接形成的频率曲线即可获得LFM信号分量瞬时频率的估计,再对分量瞬时频率求起始时间点的频率值和曲线斜率便可得到该LFM分量的中心频率及调频斜率,仿真试验表明该文方法能精确地提取等振幅多分量LFM信号的瞬时频率,并具有很强的抗噪声干扰能力。     

一种通过高频增强曲线提高图像清晰度的方法

针对现有提高图像清晰度的技术中增强后的图像会放大噪声以及频率单调性无法保证与原图像一致的缺点,提出通过高频增强曲线来提高图像清晰度的方法。 首先通过提取其中高频分量,对图像的信号进行了分类,然后平滑掉噪声信号,应用高频增强曲线对高频分量进行提升,保持了高频分量的单调性。实验仿真结果表明该方法可以消除噪声,细节和小边缘能够得到增强,大边缘却没有过增强。有效地提高了图像的清晰度。     

基于RPRG+ICCD与RANSAC的多分量多项式相位信号参数估计

多分量多项式相位信号的检测和参数估计是多项式相位信号处理的一大难点。时频分析方法能够通过时频分布表征多项式相位信号的瞬时频率,通过对提取的瞬时频率进行多项式拟合得到其系数,经过简单的变换即可获得多项式相位信号的参数。文中利用RPRG+ICCD分离多分量多项式相位信号得到各个分量的瞬时频率,再使用RANSAC进行多项式拟合,最终实现了多项式相位信号的参数估计。实验结果表明,文中提出的方法能够实现在时频域部分重叠的多分量多项式相位信号的分离和参数估计。     

通过高频增强曲线提高图像清晰度的方法

针对现有提高图像清晰度的技术中增强后的图像会放大噪声以及频率单调性,从而无法保证与原图像一致的缺点,提出通过高频增强曲线来提高图像清晰度的方法。首先通过提取其中的高频分量,对图像的信号进行了分类,然后平滑掉噪声信号,应用高频增强曲线对高频分量进行提升,保持了高频分量的单调性。实验仿真结果表明该方法可以消除噪声,细节和小边缘能够得到增强,大边缘却没有过增强,有效地提高了图像的清晰度。     

一种抑制符号速率估计背景色噪声的非线性滤波算法

数字调制信号符号速率估计的依据是循环平稳理论,由于信号的符号速率就是其基本循环频率,因此可以通过提取信号非线性变换(例如循环自相关函数)的循环频率获知符号速率.但是,非线性变换不仅能产生对应于符号速率的正弦分量及其各次谐波,还会将信号自身转变成不利于谱线提取的连续有色噪声(其能量主要分布在低频部分).当观察数据长度有限时,自噪声对谱线提取的影响尤其明显.本文深入研究了数字调制信号非线性变换的频域特征,充分利用离散频率分量不同于连续噪声而在其邻域内突起的显著特点,提出一种能够有效抑制背景色噪声的非线性滤波算法.文中详尽的Monte Carlo仿真验证了算法的有效性.     

基于EEMD和HOC的超宽带雷达生命探测算法研究北大核心CSCD

针对超宽带生命探测雷达回波信号属于非线性、非平稳等特点,提出了一种基于EEMD和HOC的超宽带雷达生命探测算法。通过对雷达回波信号进行EEMD分解,将信号自适应分解为若干个本征模态函数(IMF),然后计算各个IMF分量在呼吸和心跳频带内的能量百分比重构呼吸和心跳信号,最后对重构的呼吸和心跳信号的四阶累积量进行FFT变换,获得呼吸和心跳的频率。实验结果表明,文中提出的算法比EEMD重构后直接进行FFT变换具有更高的信噪比和频率估计精度,可有效应用于生命探测雷达人体信号检测中,具有广阔的研究价值和应用前景。