非平稳随机过程功率谱密度估计的小波方法

讨论了已有文献中基于一般非正交小波以及广义谐和小波的非平稳随机过程演变功率谱密度（Evolutionary Power Spectral Density, EPSD）估计的问题。在一种新的非平稳随机过程模型（局部平稳小波过程,Locally Stationary Wavelet process, LSW）的基础上,提出了一种新的估计非平稳随机过程时变功率谱密度的方法。所建议的新方法能与估计非平稳随机过程EPSD的经典方法统一起来,当以上两种方法均使用广义谐和小波时,二者退化为同一形式。为了验证所建议方法的有效性,给出了基于广义谐和小波的多变量均匀调制下非平稳随机地震动互/自功率谱估计的算例。并以汶川8.0级地震中某近场地及远场地上的地震加速度为例,计算得到了其能量在时－频域上的不同分布。     

基于MUSIC功率谱估计的直升机空中信号分析

针对直升机飞行的辐射噪声特征谱线进行分析,提出一种基于MUSIC算法的直升机声信号处理方法。首先阐述MUSIC谱估计方法,然后针对实测不同机型直升机的飞行辐射噪声数据,分别进行MUSIC算法和传统方法的频谱分析,对得到的结果进行分析比较,数据处理结果表明MUSIC算法能够抑制噪声,明显改善信噪比,并能够更为细致地体现直升机声信号的谐波特性。     

基于小波变换的非平稳脉动风时变功率谱估计方法研究

为揭示非平稳随机脉动风的时频特性,基于小波变换原理推导了时变功率谱的时间、频率和幅值与小波变换系数的关系,建立了非平稳随机脉动风时变功率谱估计的小波函数加权和法,并采用模拟非平稳脉动风和实测台风过程对理论推导结果进行了验证。研究结果表明:非平稳随机过程在某一时刻的不同尺度小波变换系数是一个以此非平稳随机过程的调制函数与小波函数的乘积为调制函数的非平稳随机过程的傅里叶变换,非平稳随机过程的时变功率谱等于不同尺度和不同时移的小波函数模平方的加权和,小波函数加权和法计算的非平稳随机脉动风的时变功率谱与理论结果具有良好的一致性。小波函数加权和法可有效地估计非平稳随机脉动风的时变功率谱,估计的时变功率谱可为进一步理解强(台)风的随机脉动特性奠定基础。     

小波变换在蒙库铁矿爆破振动信号时频分析中的应用

爆破振动信号具有非平稳随机特性。利用小波变换分析技术,将爆破振动信号分解在不同的频率带上,得出爆破振动信号在不同频率范围内振动分量的时间变化规律,结合爆破振动信号的能量分布特征和功率谱波形,定性评价了爆破振动对边坡稳定性的影响程度。     

屋盖风振响应功率谱及背景与共振响应的分离

提出一种利用小波包变换的随机信号功率谱分析的新方法。采用该法首次实现了背景响应与共振响应的分离。通过一个双频率信号的谱分析,考察了该方法的频率检测精度和分辨率。然后将该法应用于一个大跨屋盖风振响应的功率谱计算,检验了该法对随机信号的谱估计精度。计算结果表明:该方法速度快、精度高、分辨率也高,是一种适用于大型屋盖各种响应信号的谱估计算法;脉动响应信号的小波包分解是获得背景和共振响应时程的有效途径。     

随机信号功率谱估计的递归带通数字滤波算法的性能分析及参数选择

用于非有理谱随机信号功率谱估计的非递归带通数字滤波算法，即使采用ＦＦＴ快速算法，仍有计算量较大的缺点。因此，对于较宽频率内随机信号谱估计不太实用。由于递归带通数字滤波算法在大减少计算量，可以用于同信号谱估计。本文讨论了这种算法用于谱估计的性能，给出算法参数选择原则，并给出谱估计实例。     

扩频信号的声光谱相关检测

传统检测扩频信号的声光技术,是将扩频信号建模为随机平稳过程,而扩频信号是被伪随机码调制的周期信号,应建模为循环平稳随机过程。基于声光技术与循环谱相关技术,提出了扩频信号的声光谱相关检测方法。建立了基于声光时间积分的声光谱相关检测模型,分析了当干扰瞄准扩频接收机时,扩频信号在循环频率α=1/Tc的循环谱,给出了循环谱峰的检测公式TcRs1/。仿真实验结果表明,与传统的声光技术检测扩频信号的功率谱相比,在光电检测阵列上检测的循环谱峰,谱峰旁瓣几乎为零,并可多获得约3dB的增益,表明声光谱相关检测方法具有更优异的检测和抗干扰性能。     

多自由度结构动力可靠度分析的小波方法

该文发展了基于小波分析的局部平稳法在多自由度结构动力可靠度中的应用。首先,基于广义谐和小波和随机过程的局部平稳小波模型,发展了线性多自由度结构系统在各时间-频率子域上激励功率谱与响应功率谱之间的关系,并计算得到了在一般随机动力激励下结构随机动力响应功率谱密度和各阶谱矩。随后,根据随机动力激励和响应的高斯假定及超越过程的Markov假定,得到了线性多自由度结构在均匀/非均匀调制随机激励下层间位移的动力可靠度指标。结构动力可靠度的Monte Carlo模拟显示了所提方法的可靠性与计算高效性。     

微弱随机信号功率谱的互相关测量原理及性能研究

本文提出一种采用双通道前放的互功率谱估计方法。对互谱周期图估计的偏量及方差计算表明,互谱估计的期望值可以消除前放噪声及零漂等影响,从而保证了微弱信号功率谱的准确测量。文中指出,前放噪声会加大互谱估计的方差,并引起幅值估计的附加偏量,因此采用低噪声前放及平滑周期图平均法仍是十分必要的。用本方法对低于前放噪声一个数量级的小电阻热噪声及二极管PN结电流散弹噪声功率谱进行了测量,测量结果与理论值基本一致。     

分数阶导数系统响应功率谱密度的小波-Galerkin方法

利用小波的时间-频率联合分辨率,提出了一种在完全非平稳随机激励下,计算分数阶阻尼线性系统响应功率谱密度的方法。方法的思路在于选用广义谐和小波,并利用小波-Galerkin近似,将具有分数阶导数的运动微分方程转化为一组以响应小波变换为未知量的代数方程,解之并求得响应小波变换后,结合随机过程功率谱密度的小波变换表达得到激励与响应功率谱密度之间的关系。为此,在频域中推导了小波-Galerkin方法必需的小波整数阶与分数阶联系系数。数值算例表明:对具有不同分数阶导数的系统,所建议的方法具有较好的适用性。     

基于多重信号分类算法的复合材料冲击定位

为了提高复合材料结构冲击定位的精度和实时性, 将阵列信号处理技术引入到结构健康监测领域, 提出了利用小波变换和多重信号分类算法实现复合材料结构冲击定位的新方法: 通过小波变换提取冲击响应信号某一窄带频率成分, 运用多重信号分类(MUSIC) 算法实现冲击源到达方向的估计; 根据Lamb 波传播特性, 用小波变换求出某一中心频率下的对称模式和反对称模式的Lamb 波到达同一传感器的时间差, 结合对称模式和反对称模式Lamb 的速度差就可以估计出冲击源到达传感器的距离, 实现冲击定位。对玻璃纤维/环氧树脂复合材料层合板和碳纤维/双马树脂基复合材料层合板2 种试件的实验均表明该方法能快速、精确地识别出冲击源位置。      

LabVIEW环境下小波变换的实现与应用

虚拟仪器(Virtual Insrument，简称VI)代表着目前测试仪器领域的发展方向，LabVIEW语言是一种功能强大的虚拟仪器开发平台；小波变换是信号分析处理的一种重要方法。本文旨在对LabVIEW进行二次开发，拓展其小波分析和小波包分析功能，将其应用于对非平稳信号的消噪处理，并与传统的傅里叶变换进行了比较。     

Reactive power measurement using the wavelet transform

This paper provides the theoretical basis for the measurement of reactive and distortion powers from the wavelet transforms. The measurement of reactive power relies on the use of broad-band phase-shift networks to create concurrent in-phase currents and quadrature voltages. The wavelet real power computation resulting from these 90° phase-shift networks yields the reactive power associated with each wavelet frequency level or subband. The distortion power at each wavelet subband is then derived from the real, reactive and apparent powers of the subband, where the apparent power is the product of the v, i element pair's subband rms voltage and current. The advantage of viewing the real and reactive powers. In the wavelet domain is that the domain preserves both the frequency and time relationship of these powers. In addition, the reactive power associated with each wavelet subband is a signed quantity and thus has a direction associated with it. This permits tracking the reactive power flow in each subband through the power system     

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。     

MIMO线性系统输入输出信号统计特征的双谱评定方法

基于高阶统计量具备处理随机信号的特性,提出了一种利用三阶谱(双谱)评定MIMO线性系统时域输入输出信号统计特征的新方法。通过建立线性系统双谱数学模型,根据系统响应、所测得的频响函数以及离散信号的双谱数值估计算法,经逆运算获得系统的双谱驱动信号,随后利用高阶谱对高斯随机信号的盲性判定其输入信号的高斯性。将上述方法与采用传统相位随机化法(对功率谱添加随机相位)所获得的驱动信号分别应用于一悬臂梁模拟控制系统中,通过对输入信号的分析及控制结果的比较,发现基于双谱所生成的时域随机驱动信号呈现出较强的非高斯性且收敛速度更快。对于输出信号统计特征的评定,提出从输入信号与系统频带接近的程度入手,再次利用高阶统计量对高斯随机信号的盲性进行定性判定,对于无法判别满足何种非高斯统计分布特征的,不管是对于输入信号还是输出信号,一律采用绘制信号的概率分布特征曲线进行定量评定。     

快递运输包装随机振动信号采集与分析

目的 研究中国南方快递运输包装车辆的随机振动特性,为随机振动试验研究提供理论指导.方法 实地采集快递运输包装终端配送车辆在实际工况中遭受的随机振动信号,通过经验模态分解,对各固有模态函数(IMF)的时域、功率谱密度、Hilbert时频谱、Hilbert边际谱等进行分析.结果 经验模态分解将运输包装随机振动信号按频率高低依次分解成若干IMF分量,前若干IMF分量代表原始信号中的高频瞬态振动信号,后若干IMF分量代表原始信号中的低频振动信号,进而实现高频与低频振动信号的有效分离.结论 希尔伯特-黄变换适用于快递运输包装随机振动信号的分析研究,将在振动信号中间歇性的、加速度幅值较大且持续时间短暂的高频冲击信号进行分离,为运输包装随机振动信号模拟提供新思路,并对产品包装防护设计具有一定的理论指导意义.     

基于EEMD-SCBSS的岩石声发射信号去噪方法

针对岩石声发射(AE)信号的低信噪比、随机性强、非平稳性等特点,提出了一种基于总体经验模态(EEMD)及单通道盲源分离(SCBSS)的AE信号滤波方法。将含有背景噪声的AE信号进行EEMD分解,得到一系列按频率从高到低排列的本征模函数(IMF);提取高频背景噪声信号与观测信号构建虚拟多通道观测信号;利用快速不动点优化算法(FastICA)对构建的虚拟多通道观测信号进行盲源分离(BSS),进而得到滤波后的AE信号。通过构造含噪声AE信号进行数值仿真实验及实测数据分析,将基于EEMD及SCBSS滤波方法与小波阈值滤波方法进行比较。实验结果表明:小波阈值滤波方法会导致滤波后的AE信号频域信息失真,影响滤波后的AE信号上升时间,能量等参数识别;该方法可以对含噪声AE信号进行有效地滤波处理,能够较好地滤除AE信号中的非平稳随机噪声,并且能够保护滤波后的AE信号频域信息。     

基于声发射信号与BP神经网络的煤粉粒径识别研究

煤粉粒径的测量是燃煤电站一项重要的工作。针对目前筛分法存在的缺点,提出了一种结合声发射信号与BP神经网络在线识别煤粉粒径的方法。在频域中对噪声信号与煤粉声发射信号进行比较,确定了信号中反映煤粉粒径的频率区间,并利用小波包置零方法对信号进行去噪,在信噪比与信号平滑度方面比较了几种常用小波函数的去噪效果。通过功率谱分析发现了信号能量随煤粉粒径的变化特征。最后提取信号能量特征,利用BP神经网络对煤粉粒径进行识别。研究结果表明,结合声发射信号与BP神经网络识别煤粉粒径,可以获得良好的效果。     

基于信号匹配追踪的模态参数提取

传统的的设备模态参数提取多是建立在频谱计算的基础上,提取精度受采样频率和时域截断产生的能量泄漏的影响较大。为此,提出了一种基于信号匹配追踪的模态参数提取方法,该方法将Laplace小波作为信号匹配追踪的基元函数;同时引入粒子群算法来实现Laplace小波的参数寻优,克服了传统算法计算复杂的缺点。仿真和实际应用表明,该方法可有效地提取设备的模态参数;且比传统的半功率带宽法具有更高的精度。