基于连续相位调制的OFDM信号研究

采用连续相位调制技术中相位转移平滑、频带利用率较高和带外功率较低的特性,研究了连续相位调制信号与部分响应序列相结合的方法,解决了OFDM信号峰平功率比较大的问题。建立了系统的数字模型并进行了仿真,仿真结果验证了该方法可以明显降低OFDM信号峰平功率比。     

基于移动最小二乘曲线拟合的LFM信号参数估计

针对二维搜索方法实现基于分数阶傅里叶变换(FrFT)的线性调频信号(LFM)参数估计中存在的峰值估计偏差问题,提出可利用移动最小二乘(MLS)技术来拟合FrFT模函数峰值检测向量的方法以提高参数估计性能.该算法将复杂的二维搜索问题简化至一维曲线拟合来进行处理.理论分析与仿真结果表明,该方法在保留分数阶域处理优点的同时,可明显减少运算量,并达到较高估计精度,为基于FrFT的LFM信号实时检测提供了可能.     

改进参考信号的差分发送参考UWB自相关接收机

针对超宽带(UWB)差分发送参考(DTR)自相关接收机参考信号中含有的较强噪声分量严重影响了其性能的情况,提出了改进参考信号的差分发送参考( MRDTR)自相关接收机.首先通过将前一符号周期内各帧的接收信号相加取平均作为解调当前符号的参考信号,通过平均减少了参考信号中噪声的影响,然后将当前符号间隔内各帧的接收信号与参考信号进行相乘积分,随后将码元内各帧积分结果进行相加,最后通过判决恢复发送的符号通过改进参考信号,改善了接收机的误比特率性能,并分析了该接收机在可分辨多径信道中的理论误比特率性能.理论分析和仿真结果证实MRDTR自相关接收机的误比特率性能明显优于DTR接收机.     

基于DDS技术的函数波形发生器

给出一种基于DDS技术的函数波形发生器设计方法.介绍了DDS技术在波形产生功能电路中的应用,并对FPGA实现DDS功能做了具体的说明.给出用单片机、FPGA、信号处理电路组成整个发生器的硬件结构和输出信号的波形.结果表明,该函数波形发生器具有输出频率稳定、准确,波形质量好和输出频率范围宽等优点.     

多路高速开关信号采集中的一种软件消抖算法

总结了在测控系统中进行开关信号采集时常用的消抖方法 ,指出了它们用于多路高速开关信号采集时的不足之处 .并提出了一种基于概率统计方法的软件消抖算法 .该算法具有很高的动作顺序分辨率和抗干扰能力 ,且不需要额外的硬件电路的支持 ,可广泛用于各种开关信号采集电路中 .     

低压电力载波通信技术及其应用

本文对几种比较典型的低压电力载波技术做了介绍,并对载波调制方式、信号传输性能、实际应用效果、系统的功能等方面做了技术分析.通过比较和分析,总结了电力载波集中抄表的技术发展趋势.     

LTE-Advanced CA信号分析测试方法设计

在LTE-Advanced CA信号分析测试需求的基础上,提出了一种可对LTE下行非连续双载波信号进行解调的方法和硬件实现技术,并通过了实验验证,符合相关协议要求。     

基于可闻声信号的配电变压器内部放电故障识别方法研究

提出了基于可闻声信号的配电变压器放电故障识别方法.首先,采用希尔伯特-黄变换(HHT)对放电声信号进行处理,提取频带能量作为特征量.然后,利用单分类方法支持向量数据描述(SVDD)对特征量进行识别.通过现场实测配电变压器本体声信号和实验室模拟配电变压器内部放电故障对该方法进行了验证,结果表明该方法能够较好地识别配电变压器内部放电故障.     

EMD及其在脑电分析中的应用研究

基于经验模态分解(EMD)的数据分析方法,是一种针对非线性、非平稳信号处理的新方法.使用EMD法可以将任意复杂的数据信号分解为多个有限的、数据量较小的“本征模函数”(IMF).这些本征模函数很适合求其Hilbert变换.信号的局部能量和瞬时频率都可以从其本征模函数中推导出来.这个完整的能量-频率-时间关系称为Hilbert谱,它是一种分析非线性、非平稳信号的理想方法.介绍了EMD法的原理和实现过程,给出了多个实例的本征模函数和Hilbert谱.并展示了它在非稳态信号处理中的特性.同时,还探索将这种基于EMD的分析方法应用于脑电信号的分析中,并给出了脑电信号的部分本征模函数(IMF)分量及Hilbert振幅和频谱图.试图用一种新的方法分析复杂的非平稳脑电信号.     

数字AGC的分析和设计

模拟接收机主要关心的问题是信号过载和外界环境对电路的影响,而数字接收机的主要问题则是A/D转换器的过载。在数字AGC中,信号经A/D转换器数字化后,增益衰减主要是通过采样数据的运算处理来完成。相对于模拟硬件电路设计的AGC而言,采用了一种用于短波数字接收机中自动增益控制(AGC)的设计方法。数字AGC具有控制平坦、建立时间快、电路结构简单和成本低等特点。在最终实现的电路性能达到了120dB的动态范围,输出信号变化小于或等于0.5dB.     

基于自适应滤波的滚动轴承故障诊断研究

针对固有频率未知的滚动轴承故障诊断问题，提出了一种基于经验模态分解的自适应滤波方法。讨论了经验模态分解方法及其在获取固有模态函数过程中的自适应滤波特性。通过对滚动轴承故障振动信号进行经验模态分解得到固有模态函数，运用希尔伯特变换解调固有模态函数得到包络幅频图，获取滚动轴承故障特征频率，进而确定滚动轴承的故障位置。应用该方法对仿真和实际数据进行了分析，并与冲击脉冲法作了比较。结果表明，基于经验模态分解自适应滤波的滚动轴承振动信号解调方法能够更有效地突出故障特征频率成分，避免误诊断。     

基于EMD的绝缘子泄漏电流去除噪声研究

针对绝缘子泄漏电流信号在安全区阶段信噪比较低,传统去噪方法去噪效果不佳的问题,结合经验模态分解(Empirical Mode Decomposition,EMD)的特点,设计了基于白噪声统计特性的EMD滤波器和EMD阈值滤波器。利用设计的两种EMD滤波方法对泄漏电流信号的仿真模型进行去噪,从除噪后信号的波形形状和信噪比等方面对去噪效果进行评价。研究表明EMD去噪方法去噪性能优于小波去噪。同时还发现,针对不同信噪比的含噪信号,基于白噪声统计特性的EMD去噪和EMD阈值去噪各具有优势,可根据信噪比的不同,选取最适合的滤波方法。     

一种基于样条插值的经验模态分解改进算法

经验模态分解过程中经常由于信号采样率不足而产生伪固有模式函数(IMF),希尔伯特变换中也常出现无物理意义的负瞬时频率,就这两个问题进行研究后认为,HHT谱中产生负频率的主要原因是由于经验模态分解结果中的伪IMF所造成的,而伪IMF产生的原因主要是信号采样率不足引起的,并提出以HHT谱是否稳定来判断IMF的真伪。还针对信号采样率不足这一问题,提出了一种应用三次平滑样条拟合插值来加密信号采样点,进行信号重构的方法,算例表明:该重构方法可以有效消除分解过程中由于信号采样率不足而引起的包络线失真,从而可有效消除分解结果中的伪固有模式函数和HHT谱中的负频率。     

调制故障源信号盲分离的经验模态分解法

针对非线性、非稳态、含噪原始信号混合且混合信号数目小于源信号数目的旋转机械调制故障源信号盲分离问题，提出了一种基于经验模态分解(EMD)和主成分分析(PCA)相结合的方法.对混合信号进行经验模态分解提取嵌入在信号中的所有振荡模式，应用主成分分析方法对所提取的模式进行共性分析，得到模式中的主要成分.利用该方法对仿真数据和两通道滚动轴承加速度振动数据进行了分析，结果表明，该方法能够有效突出旋转机械的故障特征频率成分，避免了误诊断，且适用范围优于独立分量分析方法.     

经验模态分解在相关峰检测和测向中的应用

互相关测向法在低信噪比时检测不到相关峰,无法实现有效的方位估计.经验模态分解可以在突出信号局部特征的基础上,把信号分解成多个固有模态函数.采取对互相关函数进行经验模态分解,适当选取分解出的IMF重构互相关函数.重构的互相关函数有明显的相关峰,可以有效地提高检测目标的能力.将经验模态分解与互相关测向法相结合,可以实现低信噪比下的时延估计,从而更好地估计目标的方位.仿真结果表明重构的互相关函数较原互相关函数,其相关峰较最高伪峰的相对值提高了约4.9 dB,从而可以更好地实现时延估计.方位估计结果显示此方法在信噪比为-14 dB时,仍能准确地估计目标的方位.     

基于经验模态分解的目标特征提取与选择

经验模态分解(EMD)是一种新的非平稳时变信号处理方法,可以自适应地将信号的局部特征逐级分解出来。提出了基于EMD的舰船噪声特征提取与选择方法,将本征模态函数(IM F)分量及其瞬时频率作为特征,并选择其判别熵作为特征向量的可分性度量。数值仿真和实际噪声数据处理的结果表明IM F分量和频率可以充分体现目标的特征,具有良好的类别可分性。     

基于经验模态分解的短期负荷预测

提出了一种新的电力系统短期负荷预测混合模型,该模型将经验模态分解（EMD）、支持向量机与BP型神经网络有机结合在一起,充分利用了各方法的特点。利用经验模态分解将负荷序列分解成若干序列,根据各序列的变化特点,在考虑温度影响因素的基础上构建不同的支持向量机模型,然后利用BP网络进行非线性重构得到最终预测结果。仿真结果表明基于该方法的电力系统短期负荷预测具有较高的精度。     

分离EMD中混叠模态的新方法

针对经验模态分解(empirical mode decomposition,EMD)过程中可能出现的模态混叠问题,提出一种新的处理方法.该方法利用了差分运算、累计求和,同时结合EMD来实现混叠模态的分离.该文对数值仿真信号和LOD(1ength-of-day)数据进行了仿真分析,比较了原始EMD和所提算法的分析结果.仿真结果表明,该算法可有效分离混叠模态,得到尺度成分清晰的本征模态函数.     

基于EMD与ICA的滚动轴承复合故障诊断

针对单通道情况下滚动轴承复合故障难以分离问题,提出基于经验模式分解(empirical mode decomposition,EMD)的独立分量分析(independent component analysis,ICA)算法.该方法首先对单通道采集的轴承复合故障信号进行EMD分解,得到多个基本模式分量函数(intrinsic mode function,IMF),然后依据帩度指标及相关系数值,选取有效的IMF分量与原观测信号组成新的观测信号,对其进行ICA处理,进而实现轴承复合故障的分离.实验结果表明,该方法可有效地分离轴承早期的复合故障.