非稳态振动信号分析(连载)

第四讲宽带变谱信号的分析 实用中有一类常见的信号,它的谱的频带很宽,其频率分量遍布在低频及高频的频段内,例如汽车在行驶时,尤其是变速行驶时由于路面粗糙而引起的车辆振动,飞机飞行时的机翼湍振以及地震时造成的结构振动,还有门户闭锁时产生的撞击声等等都属于这一类.这类信号通常带有随机性质,而且往往是非稳态的.它们的谱的形态,除了也包含有波峰形的频率分量外,其谱线一般在很宽的频带内分布,并且谱型随着时间不断地变化.由于信号有随机性质,所以作谱分析时,只能用所获得的有限次记录(往往仅一次)的有限长数据来予以估计,我们称之为"谱估计".     

一种基于神经网络的LFMCW雷达目标距离提取方法

根据LFMCW系统的特点，提出了一种通过对信号自相关矩阵进行秩—1分解的方法来替代传统的FFT方法，以实现对目标距离的超分辨提取．通过应用Hopfield神经网络能量函数变换，将分解问题转化为一个简单的迭代问题来求解．文中通过计算机仿真和硬件系统的实际测试研究了它的性能，并与MUSIC、最大熵等其它谱估计方法做了比较，结果表明该方法具有更好的信噪比和分辨性能．     

具有先验估计的最大熵谱分析

提出一种具有先验估计的最大熵谱分析方法。仿真结果表明，在低信噪比场合，当某些先验信息已知时，该方法可得到改善的结果。     

流化床风室与炉内压力波动信号的对比研究与分析

基于鼓泡流化床的冷态试验台,对流化床风室、炉内的压力信号进行采集,利用自相关函数的傅里叶变换和Welch功率谱估计法处理压力波动信号,得到了功率谱密度(power spectral density,PSD)随频率的分布情况。试验不同静床高下,研究不同压力测点的压力波动信号特性,并对风室与炉内的压力波动信号进行对比研究分析。结果表明:压力信号频谱的5~7 Hz频段表征了流化床内物料量特征信息,且风室和炉内测点压力波动信号都包含了流化床物料量的特征信息。对以后流化床压力测点位置的选择与炉内物料的实时检测与控制等提供了重要价值。     

基于相干和互谱估计的延时基因网络构建

针对基因之间的延时调控关系,从数字信号处理的角度将基因表达数据视为离散的时间序列,提出了基于小波去噪、相干和互谱估计的时间延迟基因网络构建方法,并初步构建了延时基因调控网络.该网络能够更好地反映生物现象的内部作用过程,为进一步分析基因之间的功能提供了参考.     

基于相干和互谱估计的延时基因网络构建

针对基因之间的延时调控关系,从数字信号处理的角度将基因表达数据视为离散的时间序列,提出了基于小波去噪、相干和互谱估计的时间延迟基因网络构建方法,并初步构建了延时基因调控网络.该网络能够更好地反映生物现象的内部作用过程,为进一步分析基因之间的功能提供了参考.     

小波包-最大熵谱估计及其在水轮机故障诊断中的应用

充分利用小波包(WP)的时频局部化分析能力和最大熵谱估计(MESE)的频谱细化优点,提出了一种新的谱分析方法——小波包一最大熵谱估计(WP-MESE)。该方法能对振动信号进行多分辨分解,提取故障特征信息,进而进行精确的频谱分析;并运用此法有效地提取了水轮机轴系动态特性信息。实践证明该法是提取微弱故障信息并进行早期诊断的有效方法。     

混合色噪声背景下的弱信号频率估计：基于互高阶累积量的矩和最小范围—TLS方法

谱估计方法是用于噪声背景下测量微弱正弦信号的一种有效方法。但以往的谱估计都是采用互功率谱估计和高阶自谱估计的各种方法。本在互功率谱估计和高阶统计量理论基础上,提出了互高阶谱估计方法。从理论上建立了基于互四阶累积量的Yule-Walker方程,并在此基础上提出了互高阶谱估计的矩和最小范数－总体最小二乘（TLS）方法。仿真结果表明,在混合色噪声背景下,这两种方法能够有效地抑制噪声,具有良好的频率估计性能。     

混合色噪声下：可消除谱估计伪峰的多正弦信号率估计互谱奇异值分解方法

本文依据对正弦谐波信号的扩阶互相关函数矩阵的特征分析,提出消除扩阶方程产生的谱估计伪峰的理论及方法,仿真结果表明本文所提出的互谱异值－整体最不二乘法（SVD－LS）可完全消除谱估计伪峰,从而提高了谱分辨率及噪声抑制能力。     

AR模型功率谱估计在抗干扰中的DSP实现

本文在AR模型(自回归模型)功率谱估计方法的基础上,对其在抗干扰领域中的应用进行了研究,提出了自适应滤除干扰信号的方案,并对该方案进行了DSP实现。实验结果表明,该方案在自适应去除多个干扰信号方面是行之有效的。