基于大数据挖掘的立式击弦机磁力自复位水平测试研究

针对传统立式击弦机微弱信号检测率低,导致磁力自复位水平不高的问题,提出一种基于WT-LSTM的微弱信号检测方法。首先,基于长短时神经网络构建基于LSTM的微弱信号检测模型,以检测立式击弦机的原始信号;然后引入小波分解,得到基于WT-LSTM的微弱信号检测模型,通过小波分解提取信号分量的近似系数,去除噪声分量;最后将数据传输至LSTM中进行新特征学习。结果表明,在-13 dB～0 dB的信噪比下,提出的WT-LSTM微弱信号检测方法的检测准确率均保持在85%及以上,其ROC曲线和AUC值明显高于传统的LSTM检测方法和RBF检测方法,虚警概率和漏警概率低于前两种方法。在信噪比为-13 dB时,本方法的检测准确率最高可达99.87%,比另外两种方法分别高出了8.8%和25.8%。由此说明,本方法可实现噪声抑制,提升微弱信号检测准确率,进一步增强立式击弦机磁力自复位水平。     

基于小波分解和Duffing振子的变尺度微弱信号检测

传统的时频分析方法在对周期性微弱信号进行检测时,提取的信息具有信噪比不高的缺点,从而影响了检测效果,为此,利用Duffing振子混沌系统对噪声的强免疫力的特征,提出了一种基于小波分解和混沌阵子的混合微弱信号检测方法;首先,采用小波变换对信号进行分解,通过小波变换的平滑作用实现对含噪微弱信号的离散处理,并设计了一种根据阈值来确定分解层数的方法,然后将降噪后的重构信号作为Duffing阵子的周期驱动力并入混沌系统,采用混沌Duffing阵子阵列实现在强噪声背景下的微弱信号检测,并提出了一种临界状态策动力幅值和初始相位的自适应确定方法;在Matlab7仿真环境下进行实验,结果表明:文中方法能有效地对湮没在强噪声下的微弱信息进行检测,具有信号检测信噪比高,重构信号频率较其它方法更接近于真实频率,具有较强的可行性。     

基于小波核函数-支持向量算法的信号检测

关于水声信号检测优化问题,对在极低信噪比情况下被背景噪声所淹没的微弱信号进行检测时,由于舰船航行时接收目标信号的噪声较大,使检测更加困难。通过对谐波小波变换和支持向量回归算法的分析,在谐波小波函数的窄带信号分析支持向量回归基础上,提出了一种谐波小波核函数-支持向量回归的信号检测算法,实现小样本情况下微弱信号的检测。通过仿真信号和海上实测噪声数据的分析,利用改进算法可以很好地检测出在极低信噪比情况下噪声背景中的微弱信号,从而验证了改进算法在低信噪比情况下检测线谱信号的有效性。     

一种基于小波变换的红外导引头信号检测方法

针对某型号红外导引头信号的检测问题,提出了一种基于离散平稳小波变换的微弱脉冲信号检测方法.根据有用脉冲信号与噪声信号在频谱特性上的差异,对导引头信号进行多尺度的离散平稳小波变换,利用分解后得到的低频近似信号逼近信号中的低频噪声来滤出低频噪声的干扰,同时采用阈值去噪的方法处理信号中的白噪声.将该方法应用于仿真信号和真实导引头信号检测,仿真实验结果表明:该方法在有效克服传统离散正交小波变换去噪时容易产生的Gibbs现象的前提下,极大地提高了导引头信号的信噪比,增强了导引头的探测能力.     

基于经验小波变换的多通道微弱电流信号噪声控制

多通道微弱电流信号受很多噪声因素的干扰,导致微弱电流信号输出相对误差增加,为此提出基于经验小波变换的多通道微弱电流信号噪声控制方法。采集多通道微弱电流信号,利用经验小波变换技术分解采集到的微弱电流信号,判断电流信号中是否存在噪声并确定噪声类型。装设微弱电流信号噪声控制器,根据电流信号中的噪声量与噪声类型生成控制指令,对不同通道微弱电流信号噪声进行控制。实验结果表明,该方法的多通道微弱电流信号信噪比较高,输出信号与原信号之间的相对误差较小,可以实现多通道微弱电流信号噪声控制。     

小波去噪和混沌理论应用于输电线缺陷检测

为了解决在利用电磁超声检测高压输电线路缺陷时,回波信号微弱且易被强大的电磁噪声覆盖而难以提取的问题。认真研究了Duffing方程和小波理论。将小波去噪技术和混沌理论结合起来,设计了一种新型微弱信号检测系统。利用MATLAB/Simulink对系统进行了仿真。实验结果证明,此系统能有效检测强电磁背景下的超声信号,进一步降低了系统的输出信噪比,提高了检测性能。     

基于多尺度随机共振变换的微弱信号检测

针对在高噪声背景下微弱信号的检测,以绝热近似小参数的随机共振理论为依据,根据随机共振的噪声选择性和频率敏感特性,提出了基于多尺度随机共振变换的微弱信号检测方法.将含噪输入信号经小波变换分解为不同尺度频率的信号成分后,通过引入归一化变换来调节各尺度信号成分的大小,再将不同尺度的分解信号作为非线性双稳系统的输入,从而实现大参数条件下微弱信号的检测.数值仿真结果表明:该方法可以从高噪声背景下提取微弱信号,并能获得较高的输出信噪比,在信号检测领域具有很好的应用前景.     

小波域利用Duffing振子检测的图像水印算法

为了提高图像Chirp类水印的鲁棒性能,提出一种利用混沌振子检测微弱水印信号的方法。将嵌入在载体低频小波域的非周期Chirp信号通过分块平滑转化为单频周期信号,然后通过Duffing振子阵列检测器检测微弱的周期信号,使水印检测问题转化为超低信噪比下,确定性微弱周期信号的检测。实验表明信噪比为－40dB时仍然能有效检测到水印的存在。     

强噪声下的微弱信号检测技术

"微弱信号"主要指那些被噪声淹没的信号,"弱"是相对于噪声而言的。弱信号在强噪声背景下的检测一直是工程应用中的一个难题。在强噪声背景下,提高信噪比,检测有用的微弱信号是微弱信号检测的首要任务,满足了现代科学研究技术的需要,因此研究微弱信号的检测技术具有重要意义。本文对强噪声下的微弱信号检测技术进行分析,以期为相关研究人员提供参考意见。     

基于小波-EEMD-Adaline网络的容栅传感器信号去噪方法

针对容栅传感器检测的转动轴扭振信号掺杂的环境噪声干扰和自身的电磁噪声干扰使得信噪比低、微弱信号难提取的问题,提出了一种基于小波-EEMD-Adaline自适应线性神经网络去噪方法.该方法对信号进行小波、EEMD、Adaline网络消噪处理,采用三级去噪、噪声过滤、对消来逼近原始信号.用典型加噪超声信号、Doppler信号、Block信号对该方法进行有效性验证,与EEMD、基于小波分解的EEMD去噪效果相比较.实验结果表明,后两种方法信号去噪的SNR提升小(均不到20),而本文方法SNR(RMSE)提升(减小)明显,对于9 dB的Doppler信号SNR提升达90,RMSE从1.038 5降至0.009 5.对容栅电路实测大噪声微弱信号去噪,结果表明,该方法去噪性能更优,去噪后信号光滑性好,波动稳定性强.     

微弱通信信号盲检测技术

在研究背景噪声和目标信号不同特性的基础上提出一种实用的非合作微弱信号盲检测技术。对新的检测技术进行理论分析和算法流程的阐述。并针对复杂电磁环境下多信号检测的性能和低信噪比环境下单信号检测性能进行仿真与分析。表明新的检测方法在高斯白噪声信道下对不同的无线信号都有较好的检测和估计精度,而且具有运算量小、精度高、易于硬件实现的特点。     

混沌背景中微弱网络传输信号有效检测仿真

针对传统微弱信号检测方法存在检测准确性较低、检测时间较长等缺点,提出混沌背景中微弱网络传输信号有效检测方法。根据Wiener-Khinchine定理对信号函数计算,并经过傅里叶变换获得信号的自相关函数与其相对应的功率谱,利用周期图法分析获得微弱信号的检测原理,运用Briot-Bouquet引理进行计算,根据计算结果证明瞬态信号以及周期信号的存在,并以此为基础构建混沌背景下噪声的检测模型,从预测误差中检测出在噪声层下的微弱网络传输信号。仿真结果表明,所提方法能够快速检测出在混沌背景下的微弱信号,且检测时间较短、检测误差较低,可广泛引用在现实生活中。     

弱信号锁相放大CD552-R3电路

锁相放大电路是微弱信号检测的重要方法.基于CD552-R3相敏检波芯片设计了一种锁相放大电路,应用于大背景噪声下微弱信号的检测.采用信号发生器产生的标准信号和染噪信号,对该锁相放大电路进行了鉴幅和鉴相性能测试,并在不同强度噪声下对弱信号进行检测.测试结果表明:研制的锁相放大电路输出线性度高于0.9999,具有良好的鉴幅和鉴相特性,能将信噪比为-36 dB的毫伏级信号提取出来,可用于大背景噪声下微弱信号的检测.     

基于双稳随机共振的多频弱信号检测

针对利用非线性双稳系统随机共振逐一检测多个频率弱信号存在效率低、无法满足信号实时处理要求的问题,研究了基于随机共振的多频弱信号同时检测方法。首先建立了同时检测多频弱信号的仿真模型,通过调节双稳态随机共振系统参数、噪声强度,将在单个低频弱信号上产生的随机共振效应扩展到多个低频弱信号上,实现了多个低频弱信号的同时检测,分析了检测结果所呈现出的特点、原因。进一步研究了多频弱信号同时检测时不同频率信号之间的最小频带间隔问题。采用参数补偿的方法将其扩展应用到高频弱信号的检测中,实现了多个高频弱信号的检测。仿真结果表明该方法是可行的,能有效提高信号检测的速度及效率。     

基于特征向量盲分离的多频微弱信号检测方法

研究了低信噪比条件下混合信号的盲分离,针对实际探测的微弱信号常常是多个频率微弱信号共存的情形, 进行了利用特征向量盲分离检测多个频率周期性微弱信号的研究, 以便把利用特征向量盲分离的微弱信号检测应用于信号处理中微弱信号的提取.该方法首先建立混合信号阵元接收模型,利用多路传感器信号盲分离提取有用信号,达到微弱信号检测的目的.仿真和实测数据试验结果表明,此方法可检测出湮没在强噪声环境中的微弱信号的幅度和频率,在-30dB极低信噪比下恢复出了多个弱信号,具有很高的可靠性.     

基于混沌振子的微弱ASK信号解调

针对微弱数字调制信号的解调问题,提出了利用混沌振子对周期小信号的敏感性和对噪声的免疫力来解调强噪声中幅移键控(ASK)信号的新方法。详细阐述了基于duffing振子的微弱信号检测方法,结合ASK信号的调制方式,分析了利用duffing振子解调微弱ASK信号的基本思想,并提出利用功率谱熵判别系统状态的新方法。仿真表明,在信噪比为-20dB时,该方法实现了对ASK信号的解调,且抗噪性能优于传统的解调方法。     

电力系统故障的微弱信号检测方法的研究

为了确保电力系统能够安全稳定的运行,实时检测故障中的微弱信号。通过噪声干扰情况下微弱信号的不同变化进行研究,得到了一种微弱信号的DUFFING混沌检测模型。系统发生故障时会产生相应的微弱信号,运用DUFFING混沌振子法分析不同情况下微弱信号的时域波形和相平面轨迹变化规律,并建立数学检测模型,对其幅值进行混沌检测仿真。结果表明,当r=0.8264V,w=1rad/s时将白噪声和微弱正弦信号同时加入后,此时,混沌状态、大尺度周期状态的相平面运行轨迹依然在进行有规律的运行,可以清晰的观察出需要检测的微弱信号。在强噪声存在于系统中时,该方法明显克服了噪声对信号稳定性的干扰,能精确有效检测微弱信号。系统在应对不同工作环境、仪器设备老化等情况时,提高了检测效率,保证系统的稳定运行。     

自适应经验小波塔式分解的齿轮微弱故障诊断方法

针对强背景噪声下齿轮微弱故障特征难以有效提取的问题,本文提出了一种基于自适应经验小波塔式分解的齿轮故障诊断方法 .首先,在齿轮故障信号傅立叶变换基础上,通过设定分解层数对信号频谱进行有效划分,进行经验小波变换;然后进一步提出时-频峭度指标,绘制信号在不同分解层数下各分量信号的时-频峭度图,确定所感兴趣的最优共振频段范围;最终得到最优单分量信号,利用包络解调分析提取齿轮微弱故障特征.采用所提方法对齿轮故障信号进行分析,结果表明该方法可以有效提取齿轮微弱故障特征,而传统经验小波方法因为受强背景噪声影响较大,无法准确提取齿轮微弱故障特征信息.     

基于局部直方图相关的造影图象边缘检测方法

造影图象的边缘检测是造影图象的组织或器官分割、测量和分析的基础 .由于造影图象的信噪比低、低电平纹理多 ,而且大量边缘是渐变的小幅度微弱边缘 ,因而其检测一直是造影图象研究与临床应用的重点之一 .针对这一问题 ,提出了一种检测数字造影图象边缘的新方法 .由于图象边缘区域与非边缘区域的局部直方图明显不同 ,因而可以利用这种差别来检测图象的边缘 ,同时还基于局部直方图构造了一种匹配滤波器算法——最大统计相关算法 ,该方法不敏感于图象的噪声和低电平纹理 ,而且能够有效地从噪声和纹理中分离提取造影图象的微弱边缘 .     

低信噪比条件下正弦信号幅度盲估计

研究了电子侦察信号处理中正弦信号幅度盲估计问题。提出了一种基于相关累加及线性回归的正弦信号幅度盲估计算法。先对接收到的信号进行频率估计,建立参考信号,将接收信号与参考信号相关后变换到基带并作累加,后将相关累加曲线进行最小二乘线性回归,以回归得到的直线斜率值作为信号幅度的估计值。仿真结果表明,当信噪比大于[-3 dB]时,方法的估计均方根误差小于1.1倍克拉美罗限,可在低信噪比条件下,实现正弦信号幅度的盲估计。