基于哈密顿量的Duffing振子微弱信号检测

针对目前基于Duffing振子微弱信号检测方法大多停留在对相图的定性分析上,提出了利用哈密顿量构造统计量的微弱信号检测的定量判别方法。哈密顿量能够实时地表征系统的动力学行为,有利于在短时间内进行判决。利用平均伪哈密顿量实时地刻画Duffing系统状态的变化情况,能够在低信噪比下实现微弱信号的快速检测。仿真实验验证了该方法的有效性。     

DSSS信号混沌检测方法的研究

分析了Duffing振子对方波调制信号的敏感性,通过对方波调制信号检测过程中出现的间歇混沌现象的分析,推导出检测微弱DSSS信号的方法,仿真结果验证了该理论分析的正确性和所提方法可以检测出信噪比在-20 dB以下的微弱DSSS信号的有效性,为DSSS信号检测提供了一种高效的新途径.     

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法.该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征.该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征.结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法.     

二维相干技术在微弱信号检测中的应用

相干技术是一种利用数学方法突出相邻道之间信号的相似性，进而达到检测微弱信号、反映异常特征的一项新技术．本文在对相干计算的数学模型实现方法进行探讨的基础上，开发了一套相干技术的应用软件．并对理论模型和实际模型进行处理，取得了显著的应用效果．通过理论模型及实际模型的试验说明该方法是一种行之有效的微弱信号检测方法．     

微弱直接序列扩频信号Duffing振子检测方法研究

Duffing系统对特定信号敏感及对噪声免疫的特性,使其在微弱信号检测中具有潜在应用。该文针对Duffing振子的分岔问题,通过对Duffing系统Feigenbaum行为的分析,导出了在微弱直接序列扩频信号检测中Duffing系统所表现出的间歇性混沌行为,提出了一种新的基于间歇性混沌行为的微弱直扩信号检测方法。通过仿真实验,验证了该方法的有效性。     

应用非线性微分方程组实现弱信号检测

为了检测相位随机分布的微弱正弦信号，提出了采用非线性微分方程组的检测方法。Ⅳ个方程的策动力初相等间隔设置，每个方程均设置在临界混沌状态，将被检测信号加入到各方程中进行运算，当相位随机分布的微弱正弦信号出现时，至少有一个方程会进入周期态从而检测出信号。利用Mel’nikov定理证明了该方法的可行性。数值实验表明利用16个方程同时检测能将信噪比为-90d8的随相弱正弦信号检测出来。     

基于Simulink的微弱信号混沌检测仿真研究

基于Matlab/Simulink为软件平台,研究了微弱信号的混沌检测原理与方法,建立了仿真模型,给出强噪声中微弱周期信号检测的仿真结果以及混沌方法检测微弱信号的步骤,研究了采样周期对系统性能的影响.仿真结果表明它能检测到信号为10-10 V,强噪音环境下能检测到信号为5×10-9V,混沌方法具有很强的微弱信号检测能力,为混沌虚拟仪器开发打下了基础.     

微弱激光信号的数字相关检测技术

为了从背景噪声中提取微弱激光信号,设计了一个用于微弱激光信号检测的光电检测系统.提出了一种用于微弱激光信号检测的、改进的数字相关检测技术——数字正交相关检测.对光电检测系统进行了整体的设计,在数字相关检测基本原理的基础上,分析并仿真了数字正交相关检测.实验结果表明数字正交相关检测技术可以对调制频率在1 MHz以内、幅值为1 V、随机干扰噪声幅值为0.5 V的微弱激光信号进行检测,幅值检测相对误差在0.1%~1.2%范围内,进一步表明该检测技术可以作为一种检测微弱激光信号的有效方法.     

消散型同步的微弱周期信号检测及噪声影响分析

在混沌预测模型基础上,提出了消散型同步的混沌背景下微弱信号检测算法。采用径向基函数神经网络(RBFNN)拟合混沌模型,结合消散型同步实现混沌时间序列与混沌系统的同步,利用同步误差实现微弱信号的检测。以Rossler混沌系统为研究对象,验证了算法的可行性,研究了噪声对微弱信号检测的影响。仿真研究表明,该算法能检测各种频率的微弱信号,在一定条件下可检测到信杂比大于-110dB的微弱周期信号;若信噪比SNR≥0dB,噪声对微弱信号检测的影响很小;但若SNR-10dB,将检测不出微弱信号。在理论研究基础上,由MKS-CEC-Ⅲ新型混沌演化控制实验仪获取Coullet混沌时间序列,添加不同频率的微弱信号,利用该算法实现了不同频率微弱信号的检测,说明该算法适用于其他混沌系统。     

应用小波包结合FFT方法检测转子断条故障信号

针对笼型异步电动机转子断条故障信号的处理,提出了一种小波包分析结合FFT的处理方法.该方法弥补了单独使用FFT无时间分辩力和无法准确识别微弱故障特征信号的缺点,也弥补了单独使用小波包分析只能得到各频带信号成分而无法得到频点信号的不足.实验证明该方法是可行的,应用该方法能够准确检测到笼型异步电动机转子断条故障信号.     

天线组阵信号Sumple与Simple算法的仿真研究

提高深空微弱信号接收信噪比的一种有效方法,就是采用天线组阵技术。首先介绍了深空探测中天线组阵的概念及其作用;其次分析了在组阵信号处理中2种相关算法：Simple与Sumple算法;最后通过Matlab仿真,得出在相同天线个数及相关平均时间条件下,Sumple算法具有更优的特性,且更适合硬件实现这一结论。     

微弱正弦信号混沌检测的仿真分析

研究了一种在噪声背景下用混沌振子检测微弱正弦信号的时域处理方法。分析了基于相平面变化进行微弱正弦信号检测的Duffing方程的数学模型,着重对与策动力频率不同的信号进行了仿真分析。结果表明:Duffing振子对与系统策动力频率一致的信号敏感,而对其它频率的信号不太敏感,且对噪声具有一定的免疫力。     

激光目标识别系统光电探测电路的频率特性设计

本文从输入光信号频谱特性出发，分析了信号的频谱分布，研究了激光目标识别系统光电探测电路的总频带宽度和电路设计问题。根据电子学级联系统的放大器带宽计算方法，设计了激光目标识别系统光电探测电路的频率特性。     

基于TSG110的语音识别控制器

目的研究用自然语言向智能家居系统进行信息输入和对相关设备的控制及语音识别控制器设计．方法通过对语音信号特点和识别技术的分析，对语音识别系统的语音特征提取、声学模型与模式匹配、语言模型与语言的处理，阐述了HMM算法和DP匹配的语音识别算法，指出孤立词识别系统结构的特点．结果利用TSG110芯片，给出语音识别控制器的识别技术和系统硬件结构、软件设计及组成方法．结论语音识别技术运用于智能家居系统的语音识别控制器，使其具有语音分析、识别和系统控制等功能，实现信息输入与控制．     

基于Hilbert-Huang变换理论的语音增强初探

希尔伯特-黄变换是新发展起来强有力的非线性、非稳态信号处理方法．它从信号自身出发自适应地产生具有物理意义的基函数,而不是人为地设定变换的基函数．该文将这一全新的方法应用到语音信号处理．希尔伯特-黄变换基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析．实验表明,希尔伯特-黄变换适于语音信号处理,有广阔地应用前景．结合小波变换的分析表明,该方法在语音去噪方面优于小波变换．     

基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。     

单电源心电图机前置放大器的设计

为使心电图（ECG：Electrocardiograph）机简单便携，采用干电池供电模式，提供不高于3V的电压，应用放大器AD623、TLV2254和阻容器件组成心电图机的前置放大器，实现了心电微弱信号的高精度放大、极化电压的快速消除等功能，保证了心电微弱信号的精确和稳定，便于心电图机后续数据采集和分析。同时，由于采用单电源供电，使心电图机供电模式简化，电路更加简单，促进了心电图机进一步向便携式方向发展。     

测量工业电流互感器频率特性的新方法

电流互感器的频率特性对电力系统中监测与保护方式及其效果有很大影响。为了得到精确的频率特性,在现有测量方法基础上对输入信号、测量回路以及数据分析方式都进行了改进。分析结果表明,该方法能更加准确地测量电流互感器的通频带,并且通过后期数据处理能够拓宽电流互感器的通频带,这对于电力系统的监控与保护有非常重要的现实意义。     

基于虚拟仪器的表面肌电信号采集与识别系统

表面肌电信号(SEMG)的检测分析对临床诊断、康复医学、运动医学等具有重要意义.但由于表面肌电信号比较微弱,信号提取比较困难,本文利用虚拟仪器技术构建肌电信号检测平台并用LabVIEW进行信号处理,采集到了清晰的肌电信号,得出了其绝大部分谱集中在10~300 Hz内.采用功率谱K值法进行动作识别,得到单自由度动作的识别成功率达90%以上.该系统经过扩展可以适应各种生理数据的采集和处理,是未来生理仪器开发的方向.     

FastICA遗传神经网络算法

针对反向传播（BP）算法和基于负熵固定点迭代快速独立分量分析（FastICA）方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.