基于双谱的风电引起强迫振荡模式相关性分析

风机并网容量的增加表明新能源替代正在逐步发展,但含风电的非线性系统可能会激励多模式的强迫振荡,其深层次关系难以用传统方法分析.文中首先由组合风速模型分析了风电引起强迫振荡可能拥有的特性;其次引入了高阶统计量中的双谱分析和双相干分析,所得双谱和双相干系数用于分析风电引起的振荡和振荡之间的二次相位耦合关系;最后在四机两区算例中接入小型风电场进行仿真.仿真结果验证了所提推测的正确性和所提方法的有效性.     

参数化双谱估计在中医脉象信号识别中的应用

采用AR模型参数化双谱估计法对15例吸毒者和15例正常人的脉象信号进行了参数化双谱估计,在得到每一例脉搏波的归一化双谱幅值对角切片后,应用K L变换得到30个样本特征矢量,利用这些特征矢量和BP神经网络对两类脉象数据进行分类,得到平均的正确识别率高达96.7%,研究结果表明应用双谱对角切片作为脉象信号特征矢量,利用BP神经网络对海洛因吸毒者和正常人的脉象信号进行分类,具有很高的识别率.     

基于高阶统计量的心音信号分析

对高阶统计量方法应用于心音信号分析进行了研究。建立了心音信号的AR双谱模型,获得了心音的双谱幅度图,并采用模型参数作为特征参量对心音信号进行了二类模式识别。实验结果表明,高阶统计量在心音信号分析和处理中具有较大的应用潜力。     

基于参数模型的双谱估计在FSK信号检测中的应用

为克服低信噪比情况下的FSK信号检测问题,我们利用双谱能很好地抑制噪声,并且能充分地获取了隐含在数据中的信息的特性,采用了基于参数模型的双谱估计算法;同时为了更好地满足实时性以及数据流量的要求,在实际中采用了双谱估计与功率谱算法的双通道检测系统.仿真结果表明采用双谱估计算法能很好地解决小信噪比条件下的车载FSK检测问题,检测128路信号的处理时间为0.4秒之内,检测精度达到0.1 Hz.目前该技术现已成功运用到相关检测设备中.     

改进加权融合算法与双谱技术在风电轴承故障诊断中的应用

针对风电回转支承转速低、不稳定、受载复杂等问题,并且其故障振动信号为低频信号,往往呈现非高斯、非线性特点。提出了基于改进加权融合算法与双谱技术相结合的数据融合诊断方案。首先提出了改进的加权融合算法对多传感器数据进行融合;然后采用双谱技术处理非高斯、非线性信号,提取出隐藏在融合信号中的非高斯特征。最终通过实验表明,运用该诊断方案提取出的特征频率与理论计算的故障特征频率相吻合,充分显示了其应用在回转支承故障诊断系统中的可行性。     

A bootstrap-based approach for parameter and polyspectral density estimation of a non-minimum phase ARMA process

A bootstrap-based methodology is developed for parameter estimation and polyspectral density estimation in the case of the approximating model of the underlying stochastic process being non-minimum phase autoregressive-moving-average (ARMA) type, given a finite realisation of a single time series data. The method is based on a minimum phase/maximum phase decomposition of the system function together with a time reversal step for the parameter and polyspectral confidence interval estimation. Simulation examples are provided to illustrate the proposed method.     

基于对角积分双谱的雷达辐射源信号识别

双谱以其独特的抗噪优势,广泛应用于信号分析。双谱的数据量较为庞大,目前减少双谱数据量的方法中积分双谱的效果最好,然而各种积分双谱均存在一定的缺陷。文章提出了对角积分双谱,它沿平行于双谱次对角线的直线序列积分,不但避免了插值,而且包含了更多的相位和幅度信息。最后将对角积分双谱应用于低截获概率（LPI）雷达信号的特征提取。仿真条件下,对比分析了各种积分双谱的识别性能,结果表明对角积分双谱的识别性能优于其它积分双谱。     

基于表面肌电信号双谱分析的动作分类

为了提高人体上肢动作识别正确率,提出了一种基于表面肌电信号双谱分析的动作分类方法,以信息增益作为表面肌电信号起止点分割效果衡量标准,结合TKE算子提取出肌肉运动起止区间的表面肌电信号,对提取到的表面肌电信号进行双谱变换,提取双谱的正反对角切片作为表面肌电信号特征,以概率神经网络作为分类器,以100次10折交叉验证为一次动作分类实验,计算10次分类实验的平均正确率,最终得到正对角切片、反对角切片和正反对角切片的分类正确率分别为94.56%、90.93%和95.48%.     

基于双谱识别和人工免疫网络的智能故障检测

针对故障诊断中人为评估振动谱图而导致诊断结果不稳定的情况,提出基于振动谱图模式识别的故障诊断方法,利用Hilbert包络分析和双谱分析的组合方法来提取振动信号的故障频率特征,进而采用双谱图的灰度共生矩阵（GLCM）及其特征统计量来表征故障特征.改进了人工免疫网络（AIN）分类算法,将特征统计量作为抗原,通过对抗原的学习训练,形成记忆抗体集;通过判断待检验抗原与记忆抗体的匹配程度,实现故障分类识别.滚动轴承故障诊断实践证明,人工免疫网络分类方法具有良好的适应性,取得了较BP神经网络更好的检测准确率.     

阶比双谱及其在旋转机械故障诊断中的应用

双谱分析是处理非线性、非高斯信号的有力工具，然而，它是以分析恒频振动的稳态信号作为前提条件的，对分析旋转机械中广泛存在的变频振动信号（如旋转机械升降速信号）是无能为力的。而阶比双谱是一种分析变频振动信号的新方法，它将非稳态信号按等转角间隔进行采样，得到阶域中的稳定信号，再进行双谱分析；仿真显示该方法优于阶比谱和传统双谱。最后，将该方法成功地应用到旋转机械升降速过程的故障诊断中，实验结果表明该方法是有效的，阶比双谱可很好地分析机械振动的非线性非平稳信号。