基于高阶累积量的参数化双谱分析的肺音特征提取

用高阶谱分析方法,对肺音信号进行了特征提取.以非高斯白噪声激励的AR(AutoRegressive)参数模型对肺音信号进行建模,导出了基于三阶累积量的三阶递推方法的非高斯参数化双谱的计算方法,用双谱的互相关估计模型阶次,并对肺音数据进行了参数化的双谱估计,给出了在双频域内从双谱及其切片谱提取肺音特征信息的方法,并利用该方法对正常、哮喘和细罗音3种肺音目标进行了神经网络的识别实验.结果表明:所提出的特征提取方法大大降低了输入特征的维数,具有较高的识别率     

基于高阶谱的混凝土材料断裂声发射特征提取

针对混凝土受载时声发射信号的非高斯特性,提出了一种基于高阶谱技术的声发射信号特征提取的新方法。通过对声发射信号的双谱分析,提取了不同载荷阶段下信号的非高斯特征。以信号双谱幅值的平均值作为特征值,对不同载荷下信号偏离高斯分布的程度进行了定量分析,并讨论了不同载荷强度的混凝土声发射信号的双谱特性及非高斯特征。实验结果表明,提取的特征值反映了信号偏离高斯分布的程度,据此可以作为混凝土受载时断裂临界点的判据。通过与声发射事件等常规参数的比较,可以发现高阶谱参数具有更好的敏感性。     

亚健康脉象信号的非参数化双谱估计

根据脉象信号的非高斯随机特性,应用双谱估计对其进行分析,提取处于亚健康状态的脉象信号的异常信息,探索亚健康的诊断与治疗评估的客观诊断依据。在信号处理过程中,双谱的相位携带有信号的重要特征信息。采用双谱估计分析法中的非参数化算法对脉象信号进行研究发现,处于亚健康状态的双谱幅值谱峰比处于健康状态的更突出,较大双谱值的分布更为集中。实验结果表明：非参数化双谱估计是分析脉象信号的有效且可行的方法,可以作为识别亚健康状态的方法进行深入研究。     

双谱二次特征在雷达信号识别中的应用

针对利用常规参数进行复杂体制雷达辐射源信号识别存在的问题,提出将信号双谱作为雷达辐射源特征参数,并将Bhattacharyya分离度准则作为双谱的二次特征提取的算法.利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,提高雷达辐射源特征参数的有效性;针对信号双谱中包含许多对识别辐射源不起显著作用的双谱和与辐射源识别无关的冗余双谱,将Bhattacharyya距离作为双谱二次特征提取的依据,将具有最强类可分离度的双谱提取出来作为信号的特征参数.仿真结果表明,提取的双谱二次特征具备一定的抗噪能力,在较宽信噪比范围内能够较好地体现辐射源之间的个体差异,平均识别正确率可达到95%.     

高阶统计量在气固流化床中的应用研究

提出了一种基于高阶统计量进行气固流化床流化状态分析的新方法。通过对气固流化床压力波动信号的非高斯性检验，验证了压力波动信号的非高斯性，并以双谱幅值的平均值为特征值，得到了不同流化状态下压力波动信号偏离高斯分布的程度。同时利用高阶谱分析方法对压力波动信号进行分析，讨论了不同流化状态下信号的双谱特性。研究结果表明，利用高阶谱分析方法对气固流化床流化状态进行分析，可以获得更多的关于流化状态的有用信息。     

基于高阶谱的气液两相流差压波动信号的分析

针对水平管气液两相流差压波动信号的非高斯特性，提出了一种基于高阶谱技术的差压波动信号分析的新方法.通过对气液两相流差压波动信号的双谱分析，提取了不同流型下信号的非高斯特征.以信号双谱幅值的平均值作为特征值，对不同流型下信号偏离高斯分布的程度进行了定量地分析，并讨论了在不同管径下不同流型的差压波动信号的双谱特性及非高斯特征.实验结果表明，提取的特征值反映了信号偏离高斯分布的程度，据此可以作为气液两相流流型转变的判据.     

雷达目标双谱特征分析与分类方法研究

利用复信号双谱估计技术分析了常规相参雷达实测飞机目标回波信号,研究指出目标回波是典型的非高斯信号,且其双谱分布区域信息较好地反映了目标的部分散射调制特性,可作为目标分类特征．在此基础上,提出一种目标双谱特征抽取和模板构造方法．利用双谱经阈值化处理后的二值特征图,分别定义了“核”和“域”来表征目标双谱分布区域的共性和范围,并用其构造目标模板．实测数据实验结果表明了该方法在分类效果和特征降维方面的有效性．     

雷达目标双谱持征分析与分类方法研究

利用复信号双谱估计技术分析了常规相参雷达实测飞机目标回波信号,研究指出目标回波是典型的非高斯信号,且其双谱分布区域信息较好地反映了目标的部分散射调是特性,可作为目标分类特征,在此基础上,提出一种目标双谱特征抽取和模板构造方法。利用双谱经阈值化处理后的二值特征图,分别定义了“核”和“域”来表征目标双谱分布区域的共性和范围,并用其构造目标模板,实测数据实验结果表明了该方法在分类效果和特征降维方面的有效     

基于HOS的雷达目标分类新算法

提出一种基于高阶谱（HOS）的雷达目标分类方法,将双谱概念从频域推广到时域和距离域,并给出了将双谱和双相干函数的“均值”及“重心”作为特征量的特征提取新算法,在目标散射信号中含有加性噪声和指数噪声的情况下,进行了模拟,同时对BSB(Brain State in Box)模型的人工神经网络进行了学习训练和分类仿真,结果证明本方法具有很好的性能和一定的实用价值。     

基于三阶矩的非最小相位MA模型参数估计

提出一种新的非高斯信号激励的非最小相位ＭＡ模型参数辨识方法。该方法基于三阶矩和自适应算法，并利用ＦＫＡ算法极小化输出信号的三阶矩估计方差。计算机模拟结果表明，木文方法的收敛速度比最大梯度下降法（ＮＰＧ）快，与ＮＰＯ算法同数量级，但每次递归的运算量比ＮＰＯ算法少，占内存量也小。     

基于形态小波理论和双谱分析的滚动轴承故障诊断

为了探索基于双谱估计流程的对包含高斯和非高斯成分的故障信号进行有效处理的方法,将非线性小波-形态小波引入到振动信号处理中来,并进一步完善形态小波理论,提出形态小波包分解与重构算法.通过形态小波包软阈值降噪实现非高斯信号高斯化处理,在此基础上,发展了3种形态小波包-双谱分析级联算法:形态小波包-双谱估计、形态小波包-Hilbert-双谱估计、Hilbert-形态小波包-双谱估计,该方法对故障信号的高斯和非高斯成分都能有效抑止,尤其是Hilbert-形态小波包-双谱估计算法,适应性强,处理效果更好.经过滚动轴承故障诊断试验,结果表明,基于形态小波包和双谱分析的算法,能够准确区分不同类型、不同程度的故障序列,并取得了良好的效果.     

倒双谱估计在海洛因吸毒者脉象信号检测中的应用

提出了用倒双谱估计和BP神经网络来检测中医脉象信号的方法，用该方法对15例吸毒者和15例正常人的脉搏波的倒双谱进行了估计，提取出每例脉搏波信号的倒双谱的3个特征参数，并将这3个参数构造1个三维特征参数向量作为所设计的BP神经网络的1个样本输入．研究结果表明。该方法能有效地区分吸毒者和正常人脉象信号的差异，并可进行自动识别．     

基于对角积分双谱的雷达辐射源信号识别

双谱以其独特的抗噪优势,广泛应用于信号分析。双谱的数据量较为庞大,目前减少双谱数据量的方法中积分双谱的效果最好,然而各种积分双谱均存在一定的缺陷。文章提出了对角积分双谱,它沿平行于双谱次对角线的直线序列积分,不但避免了插值,而且包含了更多的相位和幅度信息。最后将对角积分双谱应用于低截获概率（LPI）雷达信号的特征提取。仿真条件下,对比分析了各种积分双谱的识别性能,结果表明对角积分双谱的识别性能优于其它积分双谱。     

中医脉象信号的参数化双谱估计及切片分析

采用ARMA参数化双谱估计法对15例吸毒者和15例正常人的脉象信号进行了参数化双谱估计．在得到每一例脉搏波的归一化双谱幅值对角切片后，应用K—L变换得到30个样本特征向量，然后设计4—9—1的BP神经网络进行模式识别．除1例正常人被误判外，其余的受测者全部予以正确识别．研究结果表明，归一化双谱对角切片与K—L变换相结合的方法是提取中医脉象信号特征的有效方法．这种方法与BP神经网络的联合应用，对海洛因吸毒者和正常人的脉象信号具有很高的识别率．     

一种用于脉冲星信号去噪的新方法

为改善脉冲星辐射脉冲信号的信噪比,提出了一种基于双谱重构的脉冲星信号消噪方法．该方法将含噪脉冲星信号变换到双谱域,利用α-删减滤波器分别对其双谱相位和幅值进行滤波处理,再根据滤波后的双谱重构信号的功率谱和相位．实验结果表明,该方法可有效地滤除脉冲星信号中的噪声,显著改善了信噪比．     

1 1/2维倒谱在滚动轴承故障诊断中的应用

从三阶累积量的概念出发，提出了1 1/2维倒谱的概念，并从理论上推导出其能抑制噪声、提高信噪比．将其应用于实际的滚动轴承故障特征提取中，分析表明，与其他一般的信号处理方法相比1 1/2维倒谱能有效地从复杂的信号成分中提取出特征信号来，且计算量小、精度高．     

非高斯信号的非因果非最小相位ARMA模型辨识

提出了一种新的ＡＲＭＡ模型参数辨识方法，该方法以受噪声污染的系统输出信号的三阶矩和双谱作为工具，通过求解一系列线性方程组，分别估计出ＡＲＭＡ模型的ＭＡ部分和ＡＲ部分的参数。其主要特点在于应用了基本域内的所有双谱采样，从而有效的利用了信息量。计算机模拟结果表明，它具有很好的数值特性和较好的参数估计。     

电子器件噪声高斯性和线性的定量分析方法

基于高阶统计量理论,采用双相干系数平方和对电子器件噪声进行了定量分析．通过分析非线性非高斯信号、线性非高斯信号、非线性高斯信号、线性高斯信号,给出噪声信号的线性与高斯性的定量判定标准．将这种分析方法用于实验测量的电子器件噪声信号分析,表明电子器件噪声中存在这4种类型的信号,并可以用该方法进行有效区分．研究结果为电子器件噪声非常规特性的分析提供了理论依据与定量判据．     

基于轴向积分双谱与灰色关联分类器的通信辐射源识别

针对现有技术对通信辐射源个体识别率低、占据计算资源的问题, 进行了无线通信辐射源特征提取和分类以及物理层认证的相关研究, 提出了一种基于轴向积分双谱(AIB)和灰色关联分类器(GRC)的通信辐射源个体识别模型。首先将预处理的辐射源无线信号进行双谱变换, 提取二维双谱特征, 然后以AIB和主成分分析(PCA)理论进行一维特征映射及降维, 最后通过GRC实现无线通信辐射源的物理层识别。该模型具备认证速度快、计算复杂度低、多系统易移植等特点, 且无需考虑各种通信协议及编码设定。     

基于声道频谱参数的语种识别

针对低信噪比下语种识别正确率低的问题,提出了一种声道冲激响应频谱参数和Teager能量算子倒谱参数融合的识别方法.根据语音中不同特征信息量分布特性,首先在特征提取前端引入低通滤波器滤除信号高频部分,并采用重采样方法降低采样率,再基于信号频谱提取声道冲激响应频谱参数,然后融合Teager能量算子倒谱参数,最后通过高斯混合通用背景模型进行语种识别验证.不同信噪比条件下性能测试表明,所提方法相对于基于单一的梅尔频率倒谱系数特征、单一的伽玛通频率倒谱系数特征和基于对数梅尔尺度滤波器组能量特征,在低信噪比下提升约15 dB,显著提高了识别正确率.