基于噪声方差估计的小波阈值降噪研究

信号中包含的噪声不仅降低了信号的质量,而且还严重影响着各种相关处理算法的有效性,因此,高效稳健的噪声方差估计对于各类信号处理非常重要。提出一种噪声方差估计的新方法,该方法首先应用两状态高斯混合模型对高频系数建模,混合模型的各项参数通过EM(Expectation-maximum)算法迭代估算得到。在建立的高斯混合模型中,当参数满足一定条件时,可以将高频系数分为噪声类和边缘类。基于高频子带内系数的相关性,对噪声类所包含的系数再次应用高斯混合模型的方法分类,并在每个类中分别进行噪声的估计,最后对所得噪声信号计算方差作为原始信号的噪声方差估计。基于这种估计方法,将小波阈值法应用到反求工程的降噪中,实际信号的降噪结果在光滑性和特征保持方面均有较好的效果。试验表明,该噪声方差估计方法对噪声大小具有一定适应性,且小波阈值降噪法简单易行,应用广泛。     

应用分数低阶循环相关估计单电磁矢量传感器的波达方向和极化参数

提出了一种在α和高斯混合噪声以及循环平稳干扰并存背景下基于分数低阶循环相关(FLOCC)联合估计单电磁矢量传感器波达方向(DOA)和极化参数的多重信号分类(MUSIC)方法。该方法利用信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声以及循环平稳干扰信号;然后利用MUSIC方法对单电磁矢量传感器的DOA和极化参数进行联合估计,并利用DOA参数与极化参数的相互独立性,将传统MUSIC方法的四维搜索简化为两次二维搜索,从而有效地减少该算法的计算量。对所提算法与基于分数低阶矩的MUSIC算法进行了实验对比。结果显示:提出的方法可充分地抑制与待测信号循环频率相异的任意循环平稳干扰信号;在α和高斯混合信噪比为0dB,信干比为3dB时,估计得到的DOA和极化参数的均方根误差分别为0.3°和0.7°,明显优于基于分数低阶矩的MUSIC方法。     

FFT+FT离散频谱校正法参数估计精度

研究用FFT谱连续细化傅里叶变换分析法进行离散频谱校正时的参数估计误差。分析无噪声情况下频率﹑相位﹑幅值的估计误差随细化倍数的变化规律,估计精度随细化倍数的增大而提高,当细化倍数大于40时,最大估计误差几乎可忽略不计。在高斯白噪声的影响下,细化后频谱序列最大值找错的概率随细化倍数的增加而增加,综合考虑频率分辨率对频率估计精度的影响及频谱序列最大值找错的概率,提出用归一化频率估计综合误差和归一化频率估计最大可能误差两个指标评价此校正法对频率的估计精度,并基于此给出不同信噪比条件下的最优细化倍数。采用非线性最小二乘拟合法对噪声影响下的FFT谱连续细化傅里叶变换分析校正法进行改进,通过仿真模拟验证改进后该校正方法具备更高的校正精度和抗噪能力。     

Frequency estimation of discrete time signals based on fast iterative algorithm

A fast iterative algorithm for frequency estimation is developed in this paper to improve the frequency tracking performance. If the signal is transformed by a mathematical tool, the signal to noise ratio (SNR) should not be greatly reduced after the transformation. The analysis presented in this paper showed that the traditional method for frequency estimation causes large noise at high frequency range, therefore, the suitable estimation range of traditional method is only from 0 to fs/6 Hz (fs is the sample frequency). In order to overcome this limitation, a new structure of iterative algorithm is established to extend the upper bound frequency from fs/6 to fs/2 Hz. The experimental noisy sinusoid signal frequency estimation and chirp signal frequency tracking confirmed that the novel algorithm showed improved performance. Furthermore, the average estimation error was decreased over 30% (under SNR = 15 dB) when applying the novel iterative algorithm. The novel iterative algorithm will have broad applications in fields of signal processing and communication systems.     

一种非平稳转速下不平衡信号提取方法

针对动平衡测量中实际存在的转速波动问题,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和瞬时频率估计的不平衡信号提取方法。与传统的平稳信号分析方法不同,该方法采用3次样条插值法从键相信号中获取转子的瞬时频率,由瞬时频率构造不平衡信号,进而采用最小二乘法(least square method,简称LSM)辨识出不平衡信号的幅值和相位。为提高幅值和相位估计的精度,采用EMD算法对振动信号进行滤波处理后,再从中抽取数据样本。仿真和实验结果表明,该方法能够有效克服转速波动和干扰信号对不平衡信号提取精度的不利影响,提高不平衡量测量精度和稳定性,非常适合于工程应用。     

SWT based separation method for periodic signal with non-stationary noise and its application in EMF

Periodic signal superimposed with strong non-stationary noise that follows an approximate 1/f distribution cannot be easily separated with traditional signal processing methods. Using the stationary wavelet transform, the noisy signal is decomposed into wavelet coefficients including both the detail and approximate coefficients. According to its periodic feature, detail coefficients on each scale are extracted to form the same-phase sequences which consist of coefficients with the same phase values in each cycle. The amplitude probability distribution functions of same-phase sequences follow approximate Gaussian distribution. Therefore, noise in the same-phase sequences can be removed with the non-linear median filter and moving average filter. Since non-stationary noise follows approximate 1/f distribution, the approximate coefficients on the lowest frequency level have strong non-stationary property. Due to spectrum leakage of different frequency sections, the leakage signal components are superimposed on the approximate coefficients. Three different filtering methods are proposed to process the approximate coefficients in order to extract the useful signal components and to reconstruct the periodic signal accurately. Finally the proposed method is used to process the output signal of electromagnetic flowmeter during slurry flow measurement under different slurry concentrations and different flow rates. Results show that the proposed method is effective in the separation of periodic signal and strong non-stationary noise which follows the approximate 1/f distribution.     

A quadratic polynomial signal model and fuzzy adaptive filter for frequency and parameter estimation of nonstationary power signals

Accurate estimation of amplitude, phase and frequency of a sinusoid in the presence of harmonics/inter harmonics and noise plays an important role in a wide variety of power system applications, like protection, control and state monitoring. With this objective, the paper presents a novel hybrid approach for the accurate estimation of dynamic power system frequency, phasor and in addition to suppressing the effect of harmonics/interharmonics and noise in the voltage and current signals. The algorithm assumes that the current during a fault occurring on a power system consists of a decaying dc component, and time variant fundamental and harmonic phasors. For accurate estimation of fundamental frequency, phasor, decaying dc and ac components in the fault current or voltage signal, the algorithm uses a quadratic polynomial signal model and a fuzzy adaptive ADALINE filter with a modified Gauss–Newton algorithm. Extensive study has been carried out to demonstrate the performance analysis and fast convergence characteristic of the proposed algorithm. The proposed method can also be implemented for accurate estimation of dynamic variations in the amplitude and phase angles of the harmonics and inter harmonics mixed with high noise conditions.     

M-PSK突发通信测试中DFT内插载波盲估计算法研究

在宽带通信信号实时多域分析通用架构基础上,针对宽带M-PSK突发通信信号实时多域分析中的快速载波同步,提出了一种基于离散傅里叶变换(DFT)插值的载波频偏相偏联合估计算法.该算法根据最大似然估计理论,首先对定时同步后的被测信号进行非线性变换去除调制信息,然后利用DFT变换得到载波频偏相偏粗估计,最后通过线性内插改善估计精度,实现载波频偏和相偏的精确估计.仿真及实验结果表明:通过内插算法处理后,载波估计误差方差更加逼近克拉美-罗(Cramer-Rao bound)界.该算法可在不增加DFT变换点数情况下,提高DFr对频率和相位的分辨力.     

基于Duffing振子和ML的微弱信号幅值估计新方法

基于Du ffing振子和最大似然参量估计方法,提出一种微弱正弦信号幅值估计的新方法。介绍了新方法的原理和具体实现过程。将混有噪声的待测信号送入Du ffing系统,依据大周期工作状态下Du ffing系统具有优良的信噪比改善特性,采用最大似然法估计Du ffing系统的输出信号幅值,进一步由系统输入输出之间的关系确定输入的微弱正弦信号的幅值。通过仿真实验,对该方法和最大似然法直接用于微弱正弦信号幅值估计的结果进行了对比。实验结果表明:该方法明显提高了估计精度。     

Cross-spectral root-min-norm algorithm for harmonics analysis in electric power system

To avoid drawbacks of classic discrete Fourier transform (DFT) method,modern spectral estimation theory was introduced into harmonics and inter-harmonics analysis in electric power system.Idea of the s...     

QIM digital watermarking based on LDPC code and message passing under scaling attacks

基于量化索引调制(QIM)的数字水印系统,被越来越广泛地应用于数字水印信号的嵌入和提取,但是它对于幅度缩放攻击有明显的脆弱性。本文结合LDPC编码辅助和消息传递算法进行水印信号的提取和参数估计,改善了QIM数字水印系统的性能。对于固定幅度缩放攻击,本文提出的算法比利用重复码编码辅助的消息传递算法,更接近于脏纸码代码香农限。     

基于经典谱估计改进方法的涡街流量计

针对涡街流量计高精度、高量程比的要求,在分析涡街信号及其噪声特点的基础上,提出一种采用自适应采样频率和Welch功率谱估计相结合的涡街信号分析处理方法。该方法首先使用经典功率谱估计的FFT算法计算出信号频率的区间范围,然后将信号通过相应截止频率的低通滤波器以防止发生混叠现象,采用信号抽取的方法降低采样频率从而减小频谱的最小频率分辨率,最后采用Welch功率谱估计的方法进行谱分析提高信噪比、减少谱失真。仿真及实验结果表明:所提出的涡街信号处理方法能有效地抑制噪声,实现高精度的功率谱计算,对于提升和改进涡街流量计的性能有良好的效果。     

基于四阶累积量的测深侧扫声纳波达方向估计方法研究

针对高频测深侧扫声纳工作时会受到高斯色噪声影响的问题,提出基于四阶累积量及幅相误差自校正的波达方向估计方法。首先,计算声纳回波信号的四阶累积量,得到协方差矩阵;其次,采用加权平均算法对协方差矩阵进行降维处理,得到构造矩阵;再次,通过恢复构造矩阵的Toeplitz特性完成幅相校正,并增加相位线性拟合算法进一步提升校正效果;最后,采用求根多重信号分类(Root-MUSIC)算法求解得到波达方向估计。仿真结果表明,本文算法的角度估计均方误差相对于基于自校正的Root-MUSIC算法有约0.07°的提升,改善了四阶累积量算法在阵元幅相误差条件下估计精度下降的问题。海试数据分析表明,本文算法的相对测深精度相对于基于自校正Root-MUSIC算法有约0.03%～0.08%的提升,且在水平距离90 m范围内的满足0.75%的测深精度标准。仿真和海试数据均证明了本文算法在高斯色噪声及阵元幅相误差条件下的DOA估计性能优于传统算法。     

基于信号延拓的采样信号频谱泄漏抑制

提出一种基于信号数据延拓的采样信号离散傅里叶变换频谱泄漏抑制方法,分析了经典谱估计方法中频谱泄漏产生的原因,得出含噪声周期信号的无泄漏条件,进而提出频谱泄漏抑制方法:对采样信号作周期估计和整数周期数据延拓处理,使DFT计算窗内信号的边界连续或近似连续,以达到抑制频谱泄漏的目的。对通信、电力系统中常出现的加性高斯白噪声恶化信号的仿真表明:该方法可以显著减少频谱能量泄漏,获得更高质量的频谱。     

基于自适应脉宽的超声信号FRI采样方法及应用

脉冲超声信号求取包络后可视为具有有限新息率(FRI)的高斯脉冲串信号,对于FRI采样框架下的高斯脉冲串信号,时延和幅值的准确估计是以高斯脉冲宽度准确先验为前提的。针对此问题,研究了FRI采样框架下信号脉宽、时延和幅值的关系,并提出一种基于信号峰值先验信息的FRI采样方法,该方法可自适应调整脉冲宽度参数,无需准确先验脉宽参数,解决了传统FRI采样中脉宽准确先验的难题。通过仿真试验和在管道缺陷检测中的应用表明,即使在无法预知信号脉宽真实值的情况下,仍能准确从稀疏采样数据中估计得到信号的准确参数。     

基于加窗随机解调架构的电网超谐波信号检测方法

针对电网超谐波检测采样压力大、数据处理困难等问题,提出一种基于加窗随机解调架构的超谐波信号检测方法。 该 方法首先利用模拟信息转换技术结合加窗思想,在采样端对超谐波信号进行加窗压缩采样,得到压缩采样后的数据;随后,在重 构端采用逐级二分的思想,将残差的一阶微分作为收敛阈值,改进稀疏度自适应匹配追踪( SAMP)算法,实现对采样数据的快 速重构。 大量的仿真实验和测试结果表明,方法可以在减少 90% 数据量的情况下实现超谐波信号的频率幅值精确检测,其中频 幅值检测的相对误差≤2% ,频率检测误差≤3 Hz,为更准确测量超谐波提供了新思路。     

一种新的信号特征量检测方法及其在自动平衡中的应用研究

快速准确获得振动信号的相位、幅值二特征量具有重要工程意义。本文提出了一种无需整周期采样、无需锁相环和复杂电路硬件的相位检测算法。该算法基于互功率谱估计,具有算法复杂度低、精确度高、适用频率范围广等优点。在该算法基础上又提出了一种相位补偿滤波算法,使信号经滤波后相位保持不变。该方法的运算量低,适于在线实时滤波;相位补偿准确度高,误差在1°以内。综合上述两算法构成的信号特征量检测方法,可以准确、快速地提取振动信号的相位及幅值。最后本文将上述方法应用于旋转机械自动平衡,结果表明两算法可以在线、准确地实现,并且能够达到较好的平衡效果。     

Frequency Domain TOA Estimation Algorithm Based on Cross-HOC

High-Order Cumulants(HOC)and cross-correlation was combined to suppress the Gaussian color noises and the un-related noises in real applications.The cross-HOC TOA estimation model was developed based on the diagonal slice of the forth-cross-cumulant.The eigen analysis was carried out,and the eigen noise space and the eigen signal space was achieved.Then the Frequency Domain TOA estimation algorithm based on Cross-HOC was developed.Different simulation experiments were carried out to draw out the conclusions.     

归一化循环相关超声回波时延估计

传统超声回波时延估计算法是在高斯噪声背景下展开研究的,而实际工况中超声回波不仅含有高斯噪声,还含有脉冲冲击噪声(α稳定分布噪声)等,这导致传统算法失效。为了解决上述问题,本文提出了一种针对混合噪声特别是包含噪声背景下的超声回波时延估计算法:归一化循环相关时延估计算法。首先,对归一化循环相关算法理论进行了简要的介绍。接着,对归一化循环相关时延估计算法进行了理论推导分析。然后,结合仿真分析,在相同α混合噪声情况下对传统循环相关和归一化循环相关时延估计进行比较。最后,在不同信噪比下,对归一化循环相关时延估计算法的估计性能进行了分析。通过对比实验发现,在噪声特征指数趋于1时,循环相关算法已不能估计出时延,而归一化循环相关算法的误差仍能保持在0.4μs;且在-10dB信噪比下,归一化循环相关算法时延估计也能保持在10μs误差范围内。本文所提归一化循环相关算法在混合噪声特别是包含α噪声情况下能够对超声回波时延进行精确估计,具有传统算法所不能比拟的优势。     

基于盲反卷积和参数化模型的超声参数估计

在超声检测中,往往需要获得传播时间(TOF)、回波个数、中心频率、幅值等全面的信息,来综合评判缺陷的位置、大小和类型。通过建立多回波的卷积模型和参数化模型,给出一种结合最小熵盲反卷积(MED)和期望值最大(EM)算法思想的超声回波参数估计方法。首先基于卷积模型,采用最小熵反卷积,实现了重叠多回波信号的有效分离;再基于参数化模型和所获取的回波个数,给出了基于期望值最大算法思想的参数估计算法;最终实现了重叠多回波超声信号TOF、回波个数、中心频率、幅值等参数的精确估计。仿真和实验验证了该方法的有效性和优点。