随机信号AR频谱模型的本质研究

本文对期望为准周期函数的随机信号AR频谱模型进行了深入研究,将AR模型从平稳随机信号扩展到非平稳随机信号,研究了该AR模型的基本原理,成立条件,模型参数求解等问题,并利用该模型对一实际随机信号进行了频谱分析。     

基于AR模型MEM法的轧机扭矩信号分析

本文给出了AR模型MEM法的基本理论,通过实例证明这种方法得到的功率谱出较光滑,并且不需要预先知道信号的频率幅值等信息,适合于不以信号处理为研究方向的科研人员和现场操作人员用来分析轧机信号。     

基于累积量的非高斯信号AR模型估计

高阶统计量能反映信号的非高斯信息,用高阶统计量对非高斯信号建立AR模型,并建立基于信号高阶统计量的Yule-Walker方程就可以进行AR模型谱估计。与基于二阶统计量的参数估计相比,基于高阶统计量的AR谱估计有更好的精度。     

AR模型在爆破震动信号频谱分析中的应用

爆破震动信号的频谱分析以傅氏变换为基础的经典谱估计方法为主,该方法存在方差性能差、易产生虚假峰值、谱曲线起伏大等缺点。AR模型谱估计方法计算精确度高、且简单,并能弥补经典谱估计在信号分析中的不足。采用经典、AR模型谱估计方法对不同类型的工程实测爆破震动信号进行频谱分析,其中以AR模型谱估计方法得到爆破震动信号的频谱曲线平滑、方差小、主频明确,且主频附近无虚假峰值,表明AR模型现代谱估计比经典谱估计在爆破震动信号的频谱分析中更具优越性。     

基于稀疏编码的振动信号特征提取算法与实验研究

针对海量冗余数据中设备状态信息特征提取问题,借鉴生物感知系统"冗余度压缩"的信息处理原则,基于神经科学研究中的稀疏编码算法,提出了连续长时间采样时振动信号有效特征提取方法。介绍了稀疏编码算法及其模型,详细研究了稀疏编码的系数求解和字典学习两大问题。基于人工轴承故障数据集进行了实验研究,实验表明:基于稀疏编码的振动信号特征提取算法不仅能有效提取设备状态特征,而且稀疏特征具有良好的可分性。该方法可用于设备故障诊断,为基于状态的设备智能维护提供有效工具。     

基于小波包的振动信号去噪应用与研究

小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力。基于小波包变换的优良时频分析特性,论述小波包分析的基本原理,研究小波包在振动检测信号消噪处理中的应用,给出应用小波包变换对基于MSP430F449单片机的信号采集电路所检测到的振动信号进行消噪处理的实例。结果表明小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法能够更好地去掉高频部分,从而达到有效去除信号中噪声的目的。     

基于FRFT的改进多尺度线调频基稀疏信号分解方法

针对全局搜索基函数计算量大的问题,提出了基于分数阶傅里叶变换(Fractional Fourier Transform,FR-FT)确定基函数的改进多尺度线调频基稀疏信号分解方法。通过解析信号的FRFT消除实信号FRFT结果中的对称项,两级搜索FRFT幅度谱确定信号的最佳基函数,检验该方法的计算效率和抗噪性能,并采用该方法分解频率呈曲线变化的多分量非平稳信号。试验结果表明:对解析信号进行FRFT能有效消除实信号FRFT结果中的对称项;基于FRFT确定基函数速度快、精度高、抗噪能力强,与频偏大小、频率变化快慢无关,不需先验知识,有效克服了全局搜索方法计算量过大的问题;基于FRFT的改进多尺度线调频基稀疏信号分解方法能快速、准确地分解频率呈曲线变化的多分量信号,适合于旋转机械瞬变工况下非平稳信号的瞬时频率估计与目标分量隔离分析。     

基于小波变换的荧光检测信号的去噪研究

用荧光分析法对物质进行定量分析时,荧光信号的去噪影响测量灵敏度.本文基于小波变换的多分辨率分析,研究了应用小波变换进行荧光信号滤波的方法,通过正交小波对荧光信号的分解,把频率成分复杂的荧光信号分解到互不重叠的频带,根据需要删除某些频带的荧光信号,然后用小波重构算法对荧光信号进行重构,实现对荧光信号的提取.并且通过对二氧化硫荧光暗电流信号提取实验,验证了小波变换的优越性.     

基于稀疏表示的电力系统谐波信号频率分析

谐波污染对电力系统和电力设备产生严重的危害和影响,当电力信号中存在强大的噪声成分时,传统的快速傅里叶变换(fast fourier transform,FFT)无法准确提取出谐波成分。该文在信号稀疏表示理论的基础上,提出基于稀疏表示的电力系统谐波信号频率分析方法,并设计出谐波频率分析快速算法。通过Matlab仿真,结果表明该方法能准确提取谐波成分的频率,具有较强的抗噪能力。     

基于AR模型的声发射信号到达时间自动识别

声发射信号到达时间的信息,对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中,常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点,本文结合噪声信号的AR模型和声发射信号的AR模型,应用Akaike信息准则,实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示,该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下,该方法识别的偏差要小于阈值法。当信噪比较低时,阈值法可能会给出错误的结果,而该方法仍然能够给出较准确的结果。     

一种基于阶比域的AR模型盲辨识算法

摘要：结合阶比分析和现有时序模型盲辨识方法各自的优点,提出了一种基于阶比域的AR模型盲辨识算法。该方法是将时域采样所得的非稳态信号按等角度重采样,从而得到阶域中的稳定信号,对其建立AR模型进行盲辨识。该方法继承了现有的时序模型盲辨识方法的所有优点,同时克服了现有时序模型盲辨识方法在处理非平稳信号的不足。仿真结果表明,该方法是有效的,可很好地处理非平稳信号。     

一种基于SSNF的新型阈值滤波去噪算法

介绍了一种空间选择性的噪声滤波（SSNF）方法，并在此工作之上提出了一种新的自适应于小波变换尺度的闽值函数，从而对经SSNF滤波之后的小波系数进行了进一步的阈值处理，以去除残留在系数中的噪声部分。仿真试验和理论分析表明，相比其它传统的去噪方法，该方法的优点在于：所得到的小波系数不仅连续性好，而且更加接近于未加噪信号的小波系数，阈值函数具有很大的灵活性和自适应性，并适用于一些掺杂非白噪声的场合。     

基于稀疏分解的多分量线性调频信号参数估计∗

本文提出了一种多分量线性调频信号的参数估计方法。基于过完备Gabor字典的Matching Pursuit算法,可以将信号表示为Gabor原子的线性组合。这些原子有效的揭示了信号的内在时频结构特征,是信号的一种稀疏表示。本文直接利用分解得到的稀疏信息对信号中调频分量的调频率、初始频率和结束频率进行估计。仿真结果显示,该方法适用于存在强有意干扰或者有色噪声的环境。     

时变AR模型的一种定阶方法

自回归（AR）模型的定阶对其分析结果的准确性、效率和可靠性具有重要影响。对时变AR模型的定阶问题进行了深入研究,提出了一种基于采样频率以及分析频率之比的定阶方法。对一质量随时间变化的悬臂梁进行了有限元建模,运用计算所得到的振动响应建立了梁的时变AR模型,利用所提方法进行了该模型的定阶,采用递推最小二乘法对梁的模态频率进行了估计。对一质量时变的悬臂梁进行了试验,对采集的振动响应信号建立了时变AR模型并识别了其振动模态频率。模拟计算和试验结果都表明,提出的时变AR模型定阶方法是有效且可行的,且识别算法具有一定的抗噪性。     

基于字典学习的轴承早期故障稀疏特征提取

针对低速重载机械滚动轴承早期故障的振动信号中故障特征冲击成分微弱易被噪声覆盖难以识别,而利用稀疏表示方法提取冲击成分时因轴承工况非平稳性,准确匹配冲击成分字典难以构造问题,提出基于字典学习的轴承早期故障稀疏特征提取方法。利用改进型K-SVD字典学习算法构造自适应字典;采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)对振动信号进行稀疏分解,计算每次迭代逼近信号的峭度值,找出最大峭度值对应的逼近信号;重构特征成分并进行包络谱分析,获得故障类型。仿真及轴承振动数据测试结果表明,所提方法能更好匹配早期故障特征成分、满足轴承实时故障监测需求。     

基于字典算法的OCT图像散斑稀疏降噪

光学相干层析扫描(OCT)作为一种新型无创高分辨率扫描方式,在临床上得到广泛应用,但是OCT图像本身存在严重的散斑噪声,这大大影响了疾病的诊断。本文针对OCT图像中的乘性散斑噪声,改进了两种原始字典降噪算法。该算法首先对OCT图像进行对数变换,采用正交匹配追踪算法进行稀疏编码,以及K奇异值分解学习算法进行自适应字典的更新,最后通过加权平均以及指数变换回到空域。实验结果表明,本文改进的两种字典算法能有效降低OCT图像中的散斑噪声,获得良好的视觉效果。并通过均方误差(MSE)、峰值信噪比(PSNR)、结构相似性(SSIM)以及边缘保持指数(EPI)四个指标评价降噪效果,与两种原始字典降噪算法和传统滤波算法相比,两种改进字典算法降噪效果优于其他算法,其中自适应字典算法表现更好。     

时频流形自适应稀疏重构的遥测振动信号特征增强方法EI北大核心CSCD

针对遥测振动信号非线性、非平稳性、瞬态冲击性等特点,提出一种基于时频流形自适应稀疏重构的遥测振动信号特征增强方法,对振动信号进行相空间重构提取其时频流形;以时频流形为基础,采用KSVD算法自适应构建过完备字典,并从中找到最匹配的时频原子,根据得到的原子与相空间展开信号的时频分布,依次匹配计算获得其重构的稀疏系数;利用稀疏系数和时频原子对相空间中各维信号的时频分布进行重构,通过时频分布的逆运算和相空间还原得到特征增强信号。仿真和实测信号处理结果验证了算法的有效性。     

基于稀疏信号功率迭代补偿的矢量传感器阵列DOA估计

针对现有稀疏信号功率迭代算法对方位相近目标分辨概率与估计精度较低问题,提出了一种稀疏信号功率迭代补偿的矢量传感器阵列波达方向(Direction of Arrival, DOA)估计方法。基于稀疏信号补偿原理和加权协方差矩阵拟合准则,构建了关于稀疏信号功率与补偿权重的目标函数。推导了稀疏信号功率迭代更新表达式的闭式解。通过对稀疏信号功率进行谱峰搜索获得DOA估计值。理论分析表明,所提算法通过对离散网格点上的信号功率进行补偿提高了方位相近目标的分辨率概率与估计精度。仿真结果表明,相较于经典子空间算法与现有稀疏功率迭代算法,所提算法对方位相近目标具有较高的分辨概率与估计精度。     

基于AR模型的印刷机滚筒扭矩及其振动试验研究

稳定性低是国产印刷机面临的共性问题,印刷滚筒扭振是影响稳定性的关键因素之一。以印刷机压印滚筒作为研究对象,分析了压印滚筒在动力传递过程中的扭矩传递规律：滚筒扭矩因空档等原因存在突变。采用AR（自回归）模型和小波分析相结合,提出了滚筒扭振信号的后处理方法,实现了信号去噪;通过对扭矩测试和数据分析,提取出印刷滚筒的扭振前5阶固有频率65Hz、80Hz、300Hz、375Hz、400Hz;通过与传递矩阵法结果比较,验证了扭振信号处理方法的正确性。研究结果为印刷滚筒的减振与结构优化提供了依据。     

加权稀疏信号重构的近场源定位方法

针对近场源定位问题,提出了一种使用加权L1范数优化进行稀疏信号重构的近场源定位方法。该定位方法分步完成目标的方位和距离估计。为了避免二维优化问题出现,首先利用均匀线阵的对称特性,通过菲涅尔近似,将二维参数估计的近场定位问题转换为类远场阵列的一维参数估计问题,接着将该一维参数估计问题转换为稀疏信号重构问题,通过类MUSIC权向量的构造,使用加权L1范数优化方法重构稀疏空间谱得到目标波达方向;在得到信号波达方向之后,再利用稀疏信号重构的思想求解信号源到阵列的距离。最后,通过数字仿真验证了算法在估计精度和分辨率等方面的优良性能。