基于IMF能量矩特征提取方法

针对辐射源中的信号识别问题中特征提取困难,提出了一种基于总体平均经验模式分解的IMF能量矩特征提取方法,并且与K最近邻分类相结合用于信号识别。首先利用总体平均经验模态分解方法把信号分解成为若干个IMF,再将重要的IMF分量关于时间轴的积分,得到IMF能量矩的特征向量,最后借助K最近邻的分类(KNN)能力对特征向量进行分类,文中对十类FSK仿真信号分类表明,该方法能够有效、准确地识别信号。     

基于EMD时频重构特征的航管应答器个体识别

通过分析航管应答信号样式及特点,提出了基于经验模式分解（EMD）时频重构特征的航管应答器个体识别算法。首先通过EMD将多分量信号分解为有限个固有模式函数（IMF）分量,继而利用IMF来重构辐射源信号的时频分布,最终获得稳定的时频图分解特征。利用实测航管应答信号的验证实验表明,该方法可以有效提取航管应答信号的细微特征,最终的识别性能显著优于使用脉冲包络特征或者功率谱特征的识别算法。     

EMD相关度去噪及其在轧机信号处理中的应用

基于EMD时间尺度滤波特性,在引入相关度分析的基础上提出了EMD相关度去噪方法.对含噪信号进行EMD分解得到各IMF分量,并结合相关度阈值函数计算各分量的相关度值,再与预定阈值比较获取满足阈值要求的IMF并对其进行信号重构最终得到去噪信号.该方法消除了EMD时间尺度滤波不适用于噪声和信号在IMF成分混叠情祝下的限制.通过平稳和非平稳含噪信号去噪仿真实验表明了该方法的有效性;通过轧机在轧钢时实测信号分析验证了该方法的可靠性.     

基于EMD和奇异值分解的心律失常分类方法

基于经验模态分解(Empirical Mode Decomposition,简称EMD)和奇异值分解(Singular Value Decomposition,简称SVD)理论,提出一种新的心律失常类型分类方法.首先,利用经验模态分解方法自适应地将心电信号(ECG)分解为一组固有模态函数(Intrinsic Mode Function,简称IMF)和一个残余分量,解决了目前广泛应用的小波分解方法中小波基选取困难以及分解结果不唯一的难题.利用这组固有模态函数构造初始特征向量矩阵,对初始特征向量矩阵进行奇异值分解,得到矩阵的奇异值.奇异值是矩阵的固有特征,具有较好的稳定性,根据奇异值计算奇异熵.最后依据奇异熵和马氏距离判别函数对心电信号的心律失常类型进行分类.实验结果表明,本方法能方便有效地对心律失常类型进行识别判断,可用于心电信号病理辅助诊断领域.     

修正阈值的经验模态分解去噪算法研究

针对传统的经验模态分解(EMD)降噪方法容易丢失高频部分有用信号的不足,提出了一种修正阈值的EMD去噪方法。通过考察每个IMF的平滑度来判断其中噪声强度并以此修正用传统方法求得的阈值,再用修正的阈值对IMF进行阈值处理,实现对每个IMF的降噪,进而实现信号去噪的目的。在Matlab构造的超声信号的模型中分别添加3种不同强度的噪声模拟实际的噪声干扰,并进行去噪实验,结果表明修正阈值的EMD去噪方法对不同噪声环境下超声信号均有理想的去噪效果。     

总体经验模态细分法提取血流超声多普勒信号的研究

提出基于总体经验模态分解（EEMD）血流细分法提高血流超声多普勒信号提取精度.首先估计辅助分析所需的白噪声幅度,进而用EEMD得到无模态混叠的本征模态函数（IMF）组,最后分离出血流信号的IMF.将本方法应用于计算机仿真和人体实测超声多普勒信号,并与高通滤波器法、原EMD法和EMD细分法比较.结果表明本文方法,提取的血流信号精度最高,特别对WBSR=70dB的混合信号,其精度比上述方法分别提高35%、38%及17%.     

基于PCA与EMD的超宽带雷达生命信号检测算法

 本文分析了脉冲超宽带(UWB)生命信号模型,提出了基于主元分析(PCA)和经验模态分解(EMD)的非接触生命信号检测方法.根据UWB信号杂波与生命目标回波特点,结合PCA去除杂波.提取适当的主元特征向量序列曲线上峰值所对应的时延,估计目标距离信息.采用EMD分解目标回波序列为有限个固有模态函数(IMF)分量,在时域上重构平滑生命特征曲线,且其在高信噪比下可实现心跳与呼吸信号的分离.实验研究表明该方法简单有效,能同时提供生命信号的频域和时域波形位置信息,且重构得到的生命信号较符合实际信号时变、非平稳特性.     

基于经验模态分解的管道超声回波信号识别

在管道超声无损检测中,超声回波信号常受到噪声干扰或者因管道壁缺陷原因导致回波波形重叠,故检测信号很难判断缺陷大小。现采用一种基于经验模态分解(Empirical Model Decomposition,EMD)的方法,对超声回波信号的到达时间进行准确识别。该方法首先把原始采集的超声回波信号进行经验模态分解,预处理回波信号中的噪声干扰,处理后的信号通过正交检波处理得到该信号的峰值包络,则该包络的峰值时刻对应了回波信号的到达时刻。通过对实测缺陷信号的试验,验证了该方法的可行性和准确性。     

基于EMD分解与1-D CNN算法的光纤振动信号的识别

为提高基于相敏光时域反射计(-OTDR)的分布式光纤声传感系统(DAS)对入侵振动事件的识别准确率,提出一种基于经验模态分解(EMD)与一维卷积神经网络(1-D CNN)相结合的识别方式。该方式首先使用EMD将振动信号分解为m阶本征模函数(IMF),然后使用皮尔逊相关系数(PCC)判断出有效的IMF分量,将有效的IMF分量使用小波阈值去噪算法(WTD)进行去噪,对所有去噪后的IMF分量求和得到重构信号,最后使用1-D CNN对重构信号进行识别。实验证明该识别方式能快速完成对识别模型的训练,训练时间小于3min,并且能有效识别在实际环境中采集的入侵振动信号,对入侵信号的识别准确率可达98.3。     

基于EMD方法的X波段双偏振雷达衰减订正

针对X波段双偏振雷达信号在降雨路径中的衰减现象,本文提出经验模式分解（Empirical Mode Decomposition,EMD）方法进行X波段双偏振雷达衰减订正,首先对总差分传播相移进行EMD分解得到有限个基本模式分量（Intrinsic Mode Function,IMF）,并基于皮尔逊相关系数准则将IMF分为噪声IMF和信号IMF两类,然后对信号IMF进行有效重构得到差分传播相移,再将差分传播相移通过最小二乘法拟合得到差分传播相移率,最后对求得的差分传播相移与差分传播相移率采用自适应约束方法进行反射率衰减订正。利用EMD方法和其他方法进行对比分析,其结果表明,EMD方法能够有效地消除X波段双偏振雷达回波数据中后向散射的影响,在保留真实的气象信息的同时,有效地抑制差分传播相移的显著波动,进而衰减订正效果更好。     

基于VC＋＋的超声探伤仪接收端测试系统

为确保超声探伤仪在探伤过程中的可靠性,提高其检测数据的可信度,基于VC＋＋平台,以工控机为核心,设计了一款超声探伤仪接收端性能参数检测系统,实现了探伤仪接收端各项特性参数的检测。系统采用PCI-5124采集卡对测试接收端的输入输出信号进行采集,并实现界面设计和采集卡驱动程序以及各项参数检测方法的研究与设计。测试结果表明：系统很好地实现了接收端放大器的频率响应带宽、输入阻抗、等效输入噪声、动态范围、串扰度、阻塞时间等参数的检测。     

一种基于聚类的GRBF网络机械缺陷识别方法

针对煤矿机械缺陷超声信号的非平稳特性,利用小波包和基于聚类的广义RBF神经网络进行缺陷的智能识别.重点研究了利用小波包方法提取反映不同缺陷性质的特征值和GRBF神经网络分类方法.并以机械焊接缺陷为研究对象,进行了实验研究.结果表明该方法与其他方法相比,具有较高的缺陷分类准确率.     

粗晶材料超声检测信号模型及其通过窄带滤波器分析

分离谱处理技术已被用于增强粗晶材料超声检测的缺陷回波信号.在分离谱技术中,宽带超声脉冲回波通过一组窄带滤波器阵列分别进行滤波处理,由于人们尚不清楚该技术是如何有效利用这些滤波器的输出特性进行工作的,使得该技术的各种算法都有性能不够稳健的问题.本文通过构造一粗晶材料超声检测信号模型,进而获得超声信号通过窄带滤波器阵列的输出特性.文中还给出了计算机模拟的结果.     

基于改进Morlet小波的超声回波信号处理

粘结复合材料的超声回波检测信号夹杂了大量的噪声,完全淹没了有用的裂纹缺陷信息,基于时域或频域的分析方法难以判断其是否存在缺陷.在对信号作多尺度分析的基础上,改进了Morlet小波,并基于改进Morlet小波对信号进行了各种分析.当取多个尺度参数时,基于改进Morlet小波变换得到的小波系数都包含有缺陷信号的频率成分,这样便解决了多分辨率分析时多尺度小波系数在分析窄频带缺陷信号时的不足.     

非均匀介质体中缺陷响应初探

该文对非均匀介质固体中缺陷响应的研究,用多高斯光束 (MGB)模型来表示入射超声波波束.在对缺陷响应的研究中,由于粗颗粒界面的散射作用,所以考虑到超声波在非均匀介质体中传播时的衰减以及相速度的频散特性.分析了不同尺寸的方形孔缺陷由于压电超声传感器距离其位置的不同对接收到回波信号的影响.     

火车轮轴、轮箍超声探伤工艺

目前,超声波探伤工艺在无损检测中具有广泛的应用,超声波探伤工艺对超声检测技术的发展起到至关重要的作用。通过分析火车轮轴、轮箍的疲劳裂纹及各种缺陷的特点,采用不同的超声探头和探伤工艺来针对不同的裂纹和缺陷进行探伤,并对缺陷进行了定性和定量的评价。结果表明,超声波探伤存在一定的优势,它减少了检测的时间,提高了检测的精度,且所需探头数目比常规探伤大大减少,具有很大的发展前景。     

基于激光超声方法的钢轨缺陷检测

针对钢轨探伤可靠性试验及缺陷信号采集处理要求,建立了一套基于激光超声技术的无损检测系统。该系统主要包括高能量脉冲激光器、电磁超声换能器、嵌入式信号采集处理系统以及带有人工缺陷裂缝的P60钢轨试件。在分析利用瑞利波探伤机理的基础上,重点研究了激励线圈阻抗匹配方法,介绍了嵌入式信号采集处理系统工作原理及其信号处理过程。最后利用搭建的激光超声检测系统,实现钢轨表面深度不少于0.5 mm缺陷的定位,并给出了接收信号幅度与提离距离以及缺陷尺寸的关系。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

超声波在钢轨探伤中的应用

超声波探伤技术是超声波特性与现代电子技术以及微电脑技术相结合的产物。从钢轨探伤的实际出发，将超声波技术运用于现代钢轨探伤中，阐述了超声波探伤的一般原理，分析了超声波在钢轨探伤中优越性，以及今后的发展方向。     

合金弹头超声检测缺陷定位方法研究

首先论述提出的一种结合信号包络线和阈值判定的缺陷定位方法,然后针对采集的合金弹头内部及近表面缺陷超声回波信号采用这种方法进行合金弹头缺陷定位。通过实验表明,该方法能够较准确地判断出合金弹头内部及近表面缺陷所在的位置,参照C扫描方式重构图,能直观地判定缺陷的位置、形状和大小,为合金弹头自动超声检测提供了一种有效的手段。