基于单光子计数激光雷达的Bayesian检测研究

在单光子计数激光雷达检测领域,目前的检测方法在低信噪比情况下虚警概率会增加,同时也无法适应噪声变化的问题。针对这些问题,提出了一种基于Bayesian的检测方法,该方法首先通过雷达方程估计回波信号光子数的范围,将其作为先验信息,而后结合二项分布建立了累计概率模型,基于Bayesian判决准则计算得到检测阈值,此阈值能够在检测概率与虚警概率中间择其平衡。这种方法不仅克服了低信噪比检测困难的情况,还减少了先验信息的获取难度。实验结果表明,对比固定阈值其虚警概率降低了10倍。对比“恒虚警”其检测概率提高了约20。验证了方法具有良好的检测效果,具备一定的可操作性。     

利用FDM和随机共振检测风机主轴承微弱旋转信号

轴承作为风力发电机设备中重要部件,其健康状态直接影响风力发电机运行的稳定性和现场的安全可靠性.由于风力发电机特殊的工作环境,导致采集到的振动信号中包含大量的噪声干扰,难以准确提取轴承振动信号包含的信息成分,给评估主轴承健康状态带来困难.因此本文采用将傅立叶分解(Fourier decomposition method,FDM)和随机共振(Stochastic resonance,SR)相结合的方式提取信号中微弱的轴承振动信息.首先用FDM将原始信号自适应地分解为一系列包含轴承振动特征的傅立叶频带函数,然后找出相关性大的频带函数进行重构,最后采用SR对重构信号进行分析获得特征频率,判断轴承的健康状态.结果 显示,将两种方法相结合能有效提高输出信噪比,提升特征频率检测的精度,为实现风机轴承早期微弱故障诊断提供帮助.     

基于无线Mesh网络的煤矿视频监控系统设计

以Microsoft无线路由判断标准WCETT为基础,设计了一种能够充分考虑干扰因素的新型路由判据ICETT。通过与电磁波衰减规律的结合,设计了一种基于无线网络的链状骨干链路的物理模型,信噪比为SINR。最后通过对人民公园的模拟测试结果进行分析,发现基于无线Mesh网络的煤矿视频监控系统能够为指挥中心提供强大的视频监控,为今后煤矿井下视频监控的发展提供实验支持。     

振动监测系统的可调增益技术与实现

文章设计了一种具有可调增益功能的振动监测系统。首先从监测层和测量层两个方面提出了振动监测系统的整体框架,之后给出了硬件系统和软件系统的设计方法及软件实现代码,利用控制芯片和可调增益放大器,在监测系统中整合了一套可根据采集信号幅值大小调整增益的数据采集装置;利用模拟信号发生器对不加增益和设置可调增益之后的两种信号进行了对比分析,并在汽轮发电机组实际工况下进行了振动信号采集。结果表明,具备可调增益功能的振动监测系统可有效提高采集信号的信噪比,提高汽轮发电机组的振动监测能力。     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

移相全桥变换器在电动汽车充电单元中的应用

分析了峰值电流控制模式下移相全桥变换器的工作原理,设计了电动汽车充电单元的串联双闭环控制器。该控制器外环主回路实时获取负载电压与输入参考电压之间的偏差,通过输入PID电压环对输出电压进行调节,其内环副回路实时计算原边控制电流与PID电压环控制输出的偏差,通过输入PID电流环对控制电流进行调节。针对当控制输入信号占空比大于50%后峰值电流变换器系统出现不稳定的问题,设计了一种斜坡补偿方法,并以PIC16F887单片机为核心,开发了一套电动汽车充电控制单元。实验结果表明,所设计的充电控制单元可以满足电动汽车的充电要求,并具有可靠性高、动态响应快、补偿网络易实现以及带宽增益较高等优点。     

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性，提出了一种联合自适应阈值活动语音检测（VAD）算法和最小均方误差对数谱幅度估计（MMSE-LSA）的实时降噪算法。首先，在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计，对得到的背景噪声进行实时更新并保存；然后，将实时更新的背景噪声作为MMSE-LSA的参考噪声，并对噪声幅度谱进行自适应更新，最后进行降噪处理。通过在真实场景中对四类声信号进行实验，结果表明，该算法在保证对低SNR声信号的实时处理的情况下，相较于传统MMSE-LSA算法，降噪信号的SNR能够提高10~15 dB，且不存在信号过减的情况，可应用于实际工程。     

CEEMDAN-PE-TFPF降噪法在齿轮故障诊断中的应用

针对齿轮故障诊断过程中,大量噪声使得故障特征难以完全提取的情况,提出了一种完整的自适应噪声集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、排列熵(Permutation Entropy,PE)和时频峰值滤波(Time-Frequency Peak Filtering,TFPF)相结合的去噪方法。由于TFPF方法在窗长问题上的局限性,引用CEEMDAN和PE对此进行改进,使信号在噪声抑制和信号保真方面得到了很好的权衡。首先利用CEEMDAN算法得到原始信号的本征模态函数(Intrinsic Mode Functions,IMFs),计算每个IMF的PE值来判断IMF是否需要滤波,然后针对不同的IMF选择不同的窗口长度进行TFPF滤波,最后将滤波后的IMFs和剩余IMFs重构得到最终的降噪信号。通过模拟仿真信号和实测齿轮信号验证了该降噪方法的可行性,且降噪后的信号可以有效地揭示故障的特征信息。最后与多种降噪方法对比,体现了所提方法的有效性和优越性。