混响背景下基于分数阶傅里叶变换的自适应LMS滤波算法

针对强混响背景下经典的最小均方误差(Least Mean Square,LMS)滤波算法难以有效地实现信混分离的问题,提出一种基于分数阶傅里叶变换的自适应LMS算法。首先将混响信号和自适应LMS滤波算法中的参考信号进行分数阶傅里叶变换,寻找最优变换域,并在分数阶域进行带通滤波,然后将得到的信号进行分数阶傅里叶反变换,最后将基于正态分布曲线的变步长LMS算法应用于此混响条件下进行滤波。仿真和海试数据验证结果表明,在信混比为0 dB的情况下,算法仍可以有效地滤除混响,使信混比提高6dB。     

扫频激励下的飞机颤振模态参数小波辨识研究

为在大噪声环境下准确辨识飞机颤振模态参数,提出了一种适用于扫频激励的颤振模态参数小波辨识方法.该方法首先采用分数阶傅里叶变换对试飞数据时频滤波,随后由频响函数获得脉冲响应,并运用小波变换从脉冲响应中提取模态参数.该方法即利用了扫频信号在分数阶傅里叶域内的聚焦特性,又借助了Morlet小波的窄带滤波特性,显著降低了辨识过程中噪声的不利影响.讨论了算法性能,给出了适用范围,并采用仿真算例和实测试飞数据予以验证,结果表明该方法在大噪声环境下表现了较高的辨识精度.     

分数阶傅立叶变换的线性调频信号降噪

本文在分数阶Fourier变换原理的基础上,提出了一种基于分数阶傅里叶变换的线性调频（LFM）信号的滤波方法,利用该变换等同于对信号在时频平面进行旋转,将混迭有噪声的信号以特定的旋转角作分数阶傅里叶变换,使得信号与噪声在变换域中的交迭达到最小：然后通过窄带通滤波器对LFM信号进行抽取,再经过分数阶傅里叶反变换,恢复出原信号。     

基于曲线特征分段的多阶FRFT滤波提取齿轮早期故障特征

对于变速器齿轮早期微弱故障特征难以提取的问题,提出了一种基于曲线特征进行分段的多阶分数阶傅里叶变换(Fractional Fourier Transform,FRFT)滤波方法。首先,依据振动信号频率曲线的特征将目标档位的啮合频率曲线分成若干频率近似线性变化的信号段,然后通过计算确定相应信号段的分数阶傅里叶变换的滤波最佳阶次,再逐段进行滤波,从而分离出包含故障特征信息的目标阶比分量,进而进行故障特征提取。通过采用该方法分析变速器变加速工况振动信号,结果表明,基于曲线特征进行分段的多阶FRFT滤波能够有效分离出啮合频率分量,对分离出的分量进行阶次包络解调分析,能准确提取出齿轮微弱故障特征。     

基于分数阶傅里叶变换的振动信号分析

通过仿真实验验证了分数阶傅里叶变换可以抑制高斯噪声,检测出chirp信号。通过机械振动实验进一步验证了分数阶傅里叶变换不仅可以分析平稳振动信号,而且分析非平稳振动信号比传统傅里叶变换更客观地表达出信号的频谱,提取出非平稳成分。     

基于STFrFT域无穷范数的CT图像边缘检测

针对医学CT图像边缘模糊、对比度低、噪声污染严重等特点,本文提出了短时分数阶傅里叶变换域的向量无穷范数方法,用于CT图像的边缘检测。短时分数阶傅里叶变换域的虚部能够反映非平稳信号的局部信息。首先,对一维非平稳信号做短时分数阶傅里叶变换,得到短时分数阶傅里叶变换域;其次,计算变换域虚部的向量无穷范数,将二维时频面映射为一维信号,得到非平稳信号的边缘信息。实验表明本文方法具有检测信号边缘的能力,能够有效提取CT图像的边缘,对弱边缘信号也具有较好的检测结果。与经典微分算子和小波变换比较表明,本文方法对CT图像边缘检测表现优良,对噪声污染图像具有较好的鲁棒性。     

基于样本熵和分数阶傅里叶变换的滚动轴承故障特征提取

提出了一种基于样本熵和分数阶傅里叶变换的故障特征提取新方法。这种方法的核心思想是首先把原始数据空间中可分性较差的数据映射到合适的分数阶空间,然后计算并比较经过合适阶次分数阶傅里叶变换后数据的样本熵,从而实现故障的特征提取。实测数据的研究结果表明,用这种方法提取信号特征,能增强不同故障模式的可分性,可以容易地将正常滚动轴承、内圈故障、外圈故障和滚动体故障的信号区分。     

基于分数阶滤波的全息阶比解调谱及齿轮早期故障诊断

为提高变速器齿轮早期故障诊断的准确性和可靠性,提出了一种基于分数阶傅里叶变换(fractional Fourier transform, FRFT)滤波的全息阶比解调谱方法。对变速器变转速过程的水平与垂直测点振动包络信号进行分数阶滤波,分离出调制频率分量,再对分离后信号进行全息阶比谱分析,得到调制分量的全息阶比解调谱,并对齿轮早期点蚀故障进行故障诊断。试验结果表明,基于分数阶滤波的全息阶比解调谱,兼具分数阶滤波分离频率变化分量的特点与全息阶比谱融合多维特征的优势,既能有效分离变转速过程的调制分量,隔离其他分量和噪声干扰,又能有效融合两个方向的关键特征信息,有效诊断出单测点单特征方法难以识别的齿轮早期故障。     

基于分数阶傅里叶变换的NURBS曲面拟合

为了实现对自由曲面模型的高精度非均匀有理B样条(NURBS)曲面拟合,提出了一种基于分数阶傅里叶变换的NURBS曲面拟合方法。首先,借助分数阶傅里叶变换对自由曲面模型点云数据的高程图像展开分析,从中提取出表征自由曲面表面三维结构的特征点;然后,利用外切圆取点法结合提取的特征点选取用于NURBS曲面拟合的数据点;最后,利用分数阶傅里叶变换滤波及反插节点法对拟合曲面形状进行优化,提高拟合精度。实验结果表明:该方法与传统NURBS拟合方法相比,在不同调整次数下拟合结果的均方根误差降低了28%,取得了更好的拟合效果。     

时频域滤波及在飞机颤振试飞试验中的应用

针对飞机颤振试飞试验信号噪声过大的问题，提出了一种时频域滤波算法。采用Modet小波对扫频激励及其响应进行时频分析，利用该类信号聚焦于时频域特定区域的特性，有效地提取真实响应信号，达到信噪分离的目的。给出了具体的滤波算法，并研究了信号的重构问题。最后将上述方法应用于仿真算例和实际试飞数据，结果表明该方法显著的提高了频响函数的估计精度。     

应用分数傅立叶变换方法的水下目标特征提取

针对基于传统时频分析方法的水下目标特征提取方法的缺陷,引入了一种新的时频分析方法——分数阶傅立叶变换（FRFT）方法用于处理水下目标特征提取问题。仿真信号和实际试验数据的处理结果表明,当主动声纳的发射信号为线性调频信号时,分数阶傅立叶变换方法可以使目标的回波能量在分数阶域的对应区域聚集,使目标和混响的分数阶傅立叶变换在分数阶域上不仅呈现明显不同的特征,而且较其他时频分析方法具有抗混响的优点。     

Effective simulation of signals for testing ECG analyzer

In this paper the solution of the specialized measuring system for electrocardiography (ECG) signal recording and introductory recognition is presented. The project aims at designing the complete PC-based Virtual Instrument as a "testing platform" for acquisition, processing, presenting, and distributing ECG data. A new design involving the latest technique in signal simulation was developed to create a controllable model of the electrocardiography signal. Then it was implemented for testing of the developed QRS detection algorithm, based on the time-frequency analysis method. The processing stage involving discrete wavelet transform was used to detect QRS complexes in the ECG signal. By using the controlled signal model and the real ones, the algorithm was shown to be advantageous in reducing ventilation artifacts and motion noise, resulting in good accuracy.     

Efficient computation of joint fractional Fourier domain signal representation

A joint fractional domain signal representation is proposed based on an intuitive understanding from a time-frequency distribution of signals that designates the joint time and frequency energy content. The joint fractional signal representation (JFSR) of a signal is so designed that its projections onto the defining joint fractional Fourier domains give the modulus square of the fractional Fourier transform of the signal at the corresponding orders. We derive properties of the JFSR, including its relations to quadratic time-frequency representations and fractional Fourier transformations, which include the oblique projections of the JFSR. We present a fast algorithm to compute radial slices of the JFSR and the results are shown for various signals at different fractionally ordered domains.     

A virtual instrument for time-frequency analysis

A virtual instrument for time-frequency analysis is presented. Its realization is based on an order recursive approach to the time-frequency signal analysis. Starting from the short time Fourier transform and using the S-method, a distribution having the auto-terms concentrated as high as in the Wigner distribution, without cross-terms, may be obtained. The same relation is used in a recursive manner to produce higher order time-frequency representations without cross-terms. Thus, the introduction of this new virtual instrument for time-frequency analysis may be of help to the scientists and practitioners in signal analysis. Application of the instrument is demonstrated on several simulated and real data examples     

时频分析法在锅炉承压管线泄漏检测中的应用研究

准确检测锅炉承压管线泄漏是保障锅炉安全运行的关键技术,音频分析法是检测承压管线泄漏故障的主要手段,提出一种基于联合时频分析(Joint Time-Frequency Analysis, JTFA)研究锅炉背景声和承压管线泄漏声的时频特征,判定泄漏故障的方法。设计了由前置放大、程控滤波、增益补偿处理的双通道音频信号采集电路;采用快速傅里叶变换获取信号广义谱特征,采用程控滤波对采集信号加动态频率窗,再采用短时傅里叶变换对采集信号时间加窗,多角度分析信号的时频特征,以判定承压管线运行是否存在泄漏故障。相比于传统的RC滤波加快速傅里叶变换分析方法,这种动态加双窗的时频分析法能够提高泄漏信号采集的灵敏度和泄漏故障判定的准确性。     

基于小波分析的电动机噪声检测系统研究

电动机的噪声是其质量控制和故障检测的关键参数之一。基于小波分析方法，提出一种应用计算机声卡的电动机噪声检测方案。利用计算机声卡的A/D转换功能来采集电动机的噪声信号，应用小波包滤波方法消除与回转频率无关的噪声干扰，提取与转速直接相关的振动信号。实验表明，这种方法降低了电机检测成本，能够准确地获取测试信号。     

微弱电信号检测方法回顾

系统分析了微弱电信号检测的理论和技术,着重讨论了强噪声背景下微弱电信号现有检测方法的优缺点及应用.以线性和非线性为主线,将线性分析法按时域(相关检测法、锁定放大、取样积分、数字式平均、时域平均)、频域(功率谱法)以及时频域(小波变换谱分析、分数谱分析)检测方法进行梳理归类,而对于非线性分析法主要分析了高阶谱、神经网络、支持向量机、经验模式分解、混沌理论、差分振子以及随机共振方法.最后认为,多种理论与技术的结合以及借助软件技术,如LabVIEW,是弱信号检测的发展趋势.     

航空发动机试飞中转静子碰摩故障信号处理 的希尔伯特－黄变换（HHT）方法

时变信号处理的新方法希尔伯特－黄变换,是把一时间序列数据通过经验模态分解（Empirical Mode Decomposition,简称EMD）成本征模函数组（Intrinsic Mode Function, 简称IMF）,然后经希尔伯特变换（Hilbert Transformation,简称HT）获得频谱的信号时频分析方法引入到航空发动机转静子碰摩故障振动信号处理领域。该方法的理论和算法为用MATLAB语言编写分析程序,再用仿真信号验证程序的正确性和有效性;然后对飞行试验中获得的故障振动信号进行分析。结果表明,用EMD和HT方法对航空发动机转静子碰摩故障振动信号进行时频分析是有效的。     

集合经验模态分解的稳健滤波方法研究

为了消除野值和噪声信号对观测数据的影响,给出一种基于集合经验分解的具有稳健性的滤波算法：首先用滑动中值滤波算法剔除原始数据中的野值,然后采用集合经验模态分解算法,抑制数据中的噪声。数值仿真和实际工程应用表明,该方法不仅能剔除野值,抑制信号中的噪声,提高信噪比,还能够有效消除模态混叠问题,将被测信号中不同的频率成分独立分解在不同的固有模态函数中,从而得到更清晰的时频分布,有利于实际数据处理中的信号分析和故障诊断。