信号奇异性计算方法在电噪声信号中的应用*

为了快速准确地计算电噪声奇异性,在介绍信号奇异性计算方法的基础上,将其引入到电噪声信号分析中,提出一种新的基于多重分形奇异性指数计算信号电噪声的方法。新方法利用多重分形来提取电噪声中可以表达信号内在细节特征的奇异点Hlder指数,通过计算电噪声中Hlder指数的差异来进行噪声分析。通过对实测电迁移和光耦电噪声的计算分析表明,电迁移后期奇异性指数会发生突变;而良品光耦器件和次品光耦器件在信号噪声的平均Hlder指数方面差异明显。实验结果证明本方法是一种快速可靠的电噪声奇异性计算方法。     

几种复小波在奇异性检测中效果的比较分析

介绍了信号奇异性检测的基本方法以及奇异性检测与小波变换的关系,基于复小波变换模极大方法检测奇异性的理论,在加性高斯白噪声环境下,分别用几种复小波检测了信号奇异点的位置,估计了信号奇异点的Lipschitz指数,并对实验结果进行了比较分析。     

心室纤颤和心动过速的多重分形分析

基于多重分形分析对心动过速（VT）与心宣纤颤（VF）进行了研究。通过直接计算，（a）奇异谱的方法，计算出VF和VT信号的奇异谱。发现这两种信号奇异谱曲线所包含的面积存在较大差异，并且在大多数情况下VF信号的奇异谱曲线面积大于VT信号。本文用奇异谱曲线面积作为区分VF和VT的一个判据。实验证实该判据可有效区分VF和VT。     

小波基和噪声对信号奇异性检测性能的影响*

在分析小波变换物理本质和奇异性检测原理的基础上,研究了小波基和白噪声对信号奇异性检测性能的影响。仿真结果表明,对于信号本身的突变性,支撑区较短的小波基具有较好的检测效果,且检测性能一般不受噪声的影响;而对于K阶奇异信号,只有具备K阶或K+1阶消失矩的小波基才能检测出这类信号的奇异性。同时,由于这类信号的奇异性十分微弱,易被噪声扰动,因此难以保证在噪声背景下准确检测信号中的奇异性质。     

小波变换用于催化剂表面图象的局部特性分析

文中讨论了催化剂表面ＳＥＭ图象关于多重分形生长过程的局部奇异性分析，通过小波变换获得的局部奇异强度，比描述整体的单一分形维数和奇异谱，能提供更加准确的Ｈｏｌｄｅｒ指数绝对值和空间定位，用奇异强度直方图描述了图象上分形测度的分布，进而确定了催化剂表面活性区域的分布。     

基于奇异性的语音端点检测方法

噪声信号对于语音信号是相对奇异的.小波变换是分析信号奇异性的有利工具.在利用小波对含噪语音进行分析研究的基础上,提出了一种新的端点检测方法.该算法利用了基于信号奇异性的统计特征和高低频能量比特征.实验结果表明,在低信噪比的情况下,该算法依然能有效地进行语音分割.     

一种时间序列多重分形分析的改进方法及其应用

通过分析时间序列广义维数的不同计算方法,本文引入一种新的多重分形奇异测度概念,提出了一种时间序列多重分形分析的改进方法。该方法不仅计算量小,而且其得到的连续分段线性曲线序列的广义维数具有恒等于１ 的性质。由于现实中许多信号可以用连续分段线性曲线逼近,因此上述性质深入刻划了这类信号的一个共同特征。仿真结果表明,本文推导出的性质为信号奇异性检测开辟了一条新途径,利用本文方法还可以快速有效地提取实测舰船噪声的短时多重分维特征。     

基于SVD-EMD的有效微弱信号提取算法

针对奇异值差分谱的信号提取方法不能有效提取出强噪声环境中的微弱信号这一问题,提出了一种基于奇异值分解(SVD,singular value decomposition)和经验模态分解(EMD,empirical mode decomposition)相结合的微弱信号提取方法。采用奇异值差分谱选择奇异值进行信号重构,提取出带噪部分信号,对其进行EMD分解和SVD降噪处理,叠加得到降噪后的信号。仿真结果表明,该方法能够准确提取微弱信号信息,并能有效地去除信号噪声。     

基于小波多重分形的复杂机械故障诊断方法研究

针对复杂机械系统的复杂性和非平稳性，给出了一种基于小波多重分形的故障诊断方法，并给出了参数优化和噪声抑制措施。该方法克服了单一分形维数难以全面刻画信号特征的缺点，又能够表征信号能量分布的奇异状况和几何特征分布几率，可用于非平稳信号内在特征信息的精细刻画和准确提取。仿真证明了该方法的有效性。     

奇异值能量差分谱在信号降噪中的应用

为了提高现场采集信号的信噪比,针对奇异值分解中重构矩阵有效阶次确定难的问题,提出了一种基于奇异值能量差分谱的信号降噪方法。该方法根据有用信号与噪声能量的差异性,通过构造信号的奇异值能量差分谱,将能量差分谱曲线中最大峰值点作为重构信号的有效阶次来实现有用信号和噪声的分离,能够使信号奇异值降噪阶次得到合理确定,较好地保护了原始信号中有用信息的完整性,获得了较大的信噪比,对后续进行信号特征的准确提取和分析至关重要。仿真和实例分析结果验证了该方法的有效性。     

A Formal-Numerical Approach for Robust In-Workspace Singularity Detection

Singularity is a major problem for parallel robots as in these configurations the robot cannot be controlled, and there may be infinite forces/torques in its joints, possibly leading to its breakdown. Hence, such a configuration must usually be avoided, and certifying the absence of singularity within a prescribed workspace or on a given trajectory is essential for a practical use of this type of robots. Singularity conditions are usually quite complex, and therefore a purely analytical analysis is difficult. We present here an algorithm that combines formal and numerical calculations for detecting singularity or closeness to a singularity within an arbitrary workspace or trajectory. This algorithm has the very important advantage of being able to deal with any robot mechanical structure and to manage uncertainties in the robot control and in the robot modeling.     

最小p范数准则α谱估计及载波频率检测

针对共变系数矩阵和分数低阶协方差矩阵估计ARSαS信号α谱精度不高的情况,提出了一种最小p范数准则的α谱估计方法。该方法对传统的奇异值分解（SVD）方法估计ARSαS信号模型最小阶数进行改进,得到一种分数低阶的奇异值分解方法（FLO-SVD）,然后利用最小p范数准则和IRLS算法求出信号模型参数,用于作α谱估计。应用于脉冲噪声环境下的QPSK信号的仿真表明,改进后的方法对α谱有更好的估计,对载波频率有更准确的检测性能。     

Singularity robust algorithm in serial manipulators

Singularity is a fundamental problem with robotic manipulators. Various methods of singularity handling have been published in the past. In this paper, a singularity robust method is presented and its implementation issues discussed. It focuses on the discontinuity problem inherent in the singularity robust techniques with removal of degenerate components. Sources of the discontinuity are discussed and the null motion is proposed as the means of providing a continuous control of the end-effector over the boundary of the singular region. The presentation of this paper covers a complete treatment of singularities, starting from identifications of the singular configurations and the associated singular directions, the handling algorithm and the discontinuity issues. The algorithm was implemented on PUMA 560. The experimental results are presented and discussed.     

基于小波消噪和盲源分离的信号奇异点检测方法

研究工业过程故障诊断中的信号奇异点检测问题．采用结合小波消噪的盲源分离算法提取有用的源信号，在分析李氏指数和小波变换的极大值与信号奇异点的关系基础上，分析了信号奇异点检测所用的小波尺度及闯值选择方法．实例分析和比较表明，该方法的主要优势在于它对随机噪声的降噪效果明显，而且能有效地检测出信号的奇异点．     

基于小波分析的故障系统在旋转机械中的应用

就小波分析技术在旋转机械故障诊断应用中的故障特征提取问题进行了深入研究,提出了基于小波奇异性及小波变换模极大值的故障特征提取方法,通过对故障信号与小波变换的多分辨率方法以及奇异性理论相结合进行研究,发现小波分析便于对信号的总体和局部进行刻画;利用小波变换对信号的分解和重构特性,可有针对性地选取有关频带的信息以及降低噪声干扰,通过对重构信号的频谱分析能更有效地提取裂纹故障的典型特征。结果表明,对于旋转机械的非平稳信号来说,利用小波变换方法进行故障诊断是行之有效的。     

多分辨率奇异谱熵及其在振动信号监测中的应用研究􀀂

在信息熵模型的基础上,将多分辨率分析和奇异谱分析有效结合,提出了多分辨率奇异谱熵及其算法,该指标能够表征不同尺度上信号能量分布的奇异状况.进一步,针对奇异谱分析是基于信号二阶平稳的假设,本文提出了基于高阶累积量的高阶多分辨率奇异谱熵,它能够充分体现信号的内在信息,提高了信号形式变化的适应性和对于嵌入维数变化的稳定性.通过对机械振动信号的仿真分析,该信息熵能够作为设备运行状态识别的有效依据.     

基于奇异值分解技术的离心机故障诊断

在简单介绍WH-800型离心机基本结构及工作原理的基础上,介绍了基于重构吸引子轨迹矩阵的奇异值分解技术,并引入自相关函数对现有奇异值分解技术加以改进．通过对现场实测故障信号的分析,表明改进的奇异值分解技术具有很好的降噪效果,能在强噪声背景环境下准确提取设备的故障特征信号,为离心机的故障诊断提供了一种新的思路．     

基于Bayes决策的奇异点检测

针对奇异信号中奇异点的检测和定位问题,提出了一个新的信号奇异点检测方法。根据脉冲奇异点的特点,首先将脉冲奇异点的检测建模为一个分类问题：信号中的脉冲奇异点为一类,非脉冲奇异点为另一类。然后,基于Bayes决策和Neyman-Pearson准则,在限定脉冲奇异点漏检概率的情况下,导出了两类点之间的分界面。据此设计了一个新的脉冲奇异点检测方法--基于Bayes决策的脉冲奇异点检测(BDPSD)方法。模拟及真实信号上的实验结果表明,与基于小波变换的模极大法相比,BDPSD方法在检测质量和定位精度方面都有很大的改善,证明BDPSD是一个有效、可行的信号奇异点检测方法。