基于SSA的弹头激波信号处理方法研究

针对弹头激波信号混杂其他噪声干扰无法分离时延特征参数问题,利用奇异谱分析(SSA)的自适应滤波特性进行处理,并对嵌入维数和重构主分量数目对分离效果的影响进行了讨论,建立性能评价函数和选择准则来进行优化。仿真结果表明,采用最优参数时SSA能有效提取出噪声条件下激波信号特征。     

基于改进奇异谱分析的信号去噪方法

传统的去噪方法,比如小波阈值去噪,它只对高斯噪声有效,对于脉冲噪声却无能为力.近年来发展起来的奇异谱分析方法可以在高信噪比的条件下很好地滤除上述两类噪声,但该方法降噪过程涉及了一定的主观因素,并且受矩阵扰动理论的限制,该方法随着信噪比的降低,去噪能力也随之下降.针对上述情况,提出一种改进算法,将矩阵秩最小化理论应用于奇异谱分析方法中.仿真结果表明,改进算法去噪效果明显,能够最大限度降低信号均方误差,提高信噪比,增强奇异谱分析方法的通用性.      

基于奇异谱分析的混沌序列降噪

基于奇异谱分析的基本思想，提出一种降低混沌信号中噪声的算法及一种基于噪声奇异谱特性的最佳重构阶次选择方法．对一个混沌时间序列进行奇异谱分析，得到各主分量和经验正交函数，选择合适阶次重构信号，即可得到降噪后的混沌时间序列．数值仿真证实了该算法的有效性．     

基于奇异谱分析的上证指数预测模型

该文应用奇异谱分析(SSA)的方法,对一维时间序列--证券指数,构造延迟矩阵,运用时间经验正交函数(EOF),对原序列进行重构,有效地提取序列中隐含的波形信号;利用自回归移动平均模型(ARMA模型)对原序列和重构结果分别进行预测,并进行比较.     

基于随机衰减信号的耐波性谱分析

提出了一种新的基于随机衰减信号的谱分析方法以用于船模耐波性能分析.该方法通过求解随机衰减信号获得自相关函数,再经快速傅里叶变换计算波浪谱、运动谱以及响应幅算子.将该方法应用于某型船的船模耐波性分析,分别给出了自相关函数、自谱密度函数、频率响应幅算子的结果.通过与规则波试验结果和其他常规谱分析方法的结果比较,验证了新方法的准确有效性.     

基于变权重奇异谱分析的心律不齐识别方法

现有心律不齐研究多数围绕心电信号中不同频率特性成分的分离展开,而不同子序列的信息量对于最终目标决策的贡献则缺少研究与分析.为增强高贡献度子序列对于分类器的影响,提出了一种变权重奇异谱分析与深度学习结合的识别方法.通过奇异谱分析获得多个子序列,结合各个子序列的奇异值计算随机森林下的基尼系数,并将其作为权重.变权重的序列样本用于训练神经网络模型,更高效地挖掘了有用信息,进一步提高了识别精度,最终的心律不齐识别准确率为98.35%,Macro-F1为97.95%.相对于传统的定值权重,本文提出的变权重识别方法在各个性能指标上均有明显提升.     

联合预测效果确定噪声信号嵌入参数的方法

针对用不同方法分别确定时延和嵌入维数可能存在的矛盾性,以及特别复杂的实测信号序列各有特殊之处,分别确定的参数有时未必是最合适的情况,本文提出了用联合预测效果同时确定嵌入参数的方法。     

基于奇异谱分析的校正磁共振图像非均匀场的新方法

提出一种基于奇异函数分析数学模型的校正磁共振图像非均匀场的新方法.首先将受非均匀场污染的图像低频分量移去,然后由较高频率的不受非均匀场污染的频率分量重构被移去的低频分量,进而重构无非均匀场的磁共振图像,最后估计非均匀场.该方法不需要组织密度参数模型,不用事先对图像进行预处理,完全不需要用户的参与.     

基于奇异谱分析的轴承温度趋势预测及其应用

采用奇异谱分析方法对轴承温度信号在相空间进行重构,并利用重构吸引子轨道矩阵的奇异谱特性来分离温度信号的趋势成分,从而得到轴承温度的变化趋势特征.在此基础上开发了水电机组轴承故障预测系统,该系统包括数据采集、趋势分析和故障预测3部分.试验结果表明,该系统能早期预测轴承温升趋势,提取温度信号中的故障特征,对烧瓦故障作出早期预警,可用于水电机组的状态分析、状态评估和故障预测.     

时间序列分维数提取算法的研究

混沌时间序列的分维数是描述其混沌特性的一个重要参数．这里介绍的改进的分维数提取算法是在传统的Ｇ－Ｐ关联维数分析算法的基础上，结合奇异谱分析技术，构造了基于奇异谱分析的关联维数提取算法，克服了原始Ｇ－Ｐ算法抗噪声干扰能力较差的缺点，同时具有可靠性较高、结果精度较理想、运算速度较快等优点     

基于奇异谱分析的桥梁索塔锚固区应力分析

工程结构的实时应力监测数据可以反映其自身的安全状态.针对苏通大桥北索塔锚固区下部首节钢锚箱的应力时间序列具有潜在的随温度呈周期振荡变化的特征,引入奇异谱分析方法,并加以改进,从原序列中提取出趋势成分和周期成分.再利用ARIMA模型对振荡序列有着良好的分析预测能力,对趋势及周期主分量进行预测,最后对分项预测结果加和校正.结果表明,与纵向的传统ARIMA模型及横向的基于粒子群优化算法的支持向量机(PSO-SVM)模型相比,上述所提方法的预测结果最为接近实测序列,该模型在工程结构应力健康监测中具有一定的应用价值.     

基于小波变换的奇异信号检测研究

奇异信号的奇异点经常携带有比较重要的信息,它是信号的重要特征之一.证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性.信号局部奇异性用李氏指数来描述.研究了奇异性检测小波基的选择条件.给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性.     

应用双谱分析和分形维数的雷达欺骗干扰识别

为解决频谱弥散干扰(SMSP)和切片组合干扰(CI)2种干扰类型的识别问题,提出了一种利用双谱分析和分形维数的干扰识别方法。首先对零中频处理后雷达接收信号进行双谱分析,得到接收信号的三维双谱信息;然后通过降维方法把三维信息变换成二维特征曲线,以减小干扰识别的计算量;最后提取二维曲线的盒维数和信息维数2个特征参数,通过支持向量机对干扰识别率进行检验。仿真结果表明:在一定的噪声背景下,该识别方法能够较为稳定地识别不同干扰形式;在信噪比为0dB的条件下,干扰的识别成功率能够达到88%以上,证明了干扰识别方法的有效性。     

基于奇异值分解的高精度重力仪信号处理方法

在分析基于矩阵奇异值分解理论的滤波算法基础上,将其应用到高精度海洋重力仪系统信号处理中.在信号处理过程中,首先采用延迟法理论重构系统的相空间,得到吸引子轨迹矩阵,然后对轨迹矩阵进行奇异值分解,用部分奇异值重构有用信号的最佳逼近矩阵,并与自适应卡尔曼滤波进行了对比分析,以实际信号与处理后信号的信噪比作为衡量2种信号处理方法好坏的依据.理论分析和仿真实验表明,奇异值分解滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,奇异值分解滤波的性能优于自适应卡尔曼滤波.     

奇异信号的若干性质

本文详细研究了连续时间奇异信号的若干性质，得出了一些有用的结论。     

基于多尺度奇异谱分析的转子碰磨诊断的数值仿真

针对从系统时间响应谱分析的角度研究转子碰磨故障的识别和诊断问题,提出了一种新的基于多尺度奇异谱分析的故障诊断方法．该方法首先建立转子碰磨模型,并用龙格一库塔法求解碰磨转子的运动方程得到碰磨转子的时间响应;其次构造了一种简单的多尺度奇异谱分析方法,用不同尺度下的各阶经验正交函数作为分析函数;最后用提出的多尺度奇异谱分析方法分析了碰磨转子和正常转子的时间响应信号．数值仿真结果表明,具有数据自适应的分析函数能够捕获信号的不同特征,通过比较不同阶次的分析函数分析的结果,可以有效地对转子碰磨进行识别和诊断．     

一种新型信号奇异值预处理方法

随着变频器等大功率电子开关器件的广泛应用,电信号中电磁干扰现象越来越严重,数据采集系统实时数据中的奇异点增多,且其分布特征不明显,对于低成本小系统来说,一些先进的数据处理方法无法实施,而传统均值滤波法和中值滤波法等滤波效果往往不理想。对此,提出了一种新型的信号奇异值的预处理方法,即PMF（预测均值滤波）法。该方法通过计算信号的前向均值和后向均值来分析信号的趋势,并将这个趋势作为判断奇异值的依据。如果是奇异值则将现有数据舍弃并根据前面判断的趋势对信号进行插值;如果不是则保留原数据,最后再对新的数据序列作均值滤波。应用结果表明,信号经过PMF法处理后其特征性能和平滑性得到大幅度提高,具有较好的实用价值。     

双谱分析条码信号去噪的仿真研究

条码技术目前已经深入到生活的各个领域,条码扫描系统产生的扫描信号的处理仍然是研究的焦点。目前有很多种方法对条码图像进行去噪和识别处理,但去除噪声的效果不尽理想,尤其是对高斯白噪声的去除值是在噪声估计的基础上进行,由于噪声的随机行决定了对噪声的实时估计存在着误差,影响了实际的去噪效果。这里并没有对噪声信号进行估计,而是将扫描系统的扫描采样信号进行双谱分析,在双谱分析下用数学方式理论上去除高斯白噪声从而得到纯净的扫面信号,通过仿真实验证明,在SNR较低的状态下对采用该方法去除高斯白噪声有非常理想的处理效果。     

基于小波变换的滚动轴承故障信号包络谱分析

小波变换是一种有效的时频分析方法,广泛应用于许多领域的非稳态数据分析问题.利用小波变换的多尺度分析能力,对滚动轴承的典型故障(如外圈故障)进行特征分析与提取.首先利用小波变换获取故障信号的细节参数,然后利用希尔伯特包络谱分析提取非稳态的故障特征.实验结果表明,基于小波变换及希尔伯特包络谱分析的联合方法可有效突出滚动轴承典型故障的非稳态特征,可以准确地实现故障诊断.