基于混沌振子的微弱ASK信号解调

针对微弱数字调制信号的解调问题,提出了利用混沌振子对周期小信号的敏感性和对噪声的免疫力来解调强噪声中幅移键控(ASK)信号的新方法。详细阐述了基于duffing振子的微弱信号检测方法,结合ASK信号的调制方式,分析了利用duffing振子解调微弱ASK信号的基本思想,并提出利用功率谱熵判别系统状态的新方法。仿真表明,在信噪比为-20dB时,该方法实现了对ASK信号的解调,且抗噪性能优于传统的解调方法。     

基于相空间重构和主分量分析的遥测信号噪声消除

信号消噪的目的在于有效地滤除噪声干扰以达到对原始信号的真实复现。提出了一种基于主分量分析的遥测信号噪声消除方法。首先利用相空间重构(RPS)将一维时间序列信号嵌入为等效的多维时间序列信号,然后利用主分量分析(PCA)实现信号的提取,其实质是利用了真实信号在混合信号中占主导地位的特性。实验结果表明,该方法去噪效果明显,且与小波去噪效果比较接近。与一般滤波方法相比,具有效果好,自适应较强等特点。     

基于自适应稀疏表示的光谱去噪和基线校正

通过分析光谱信号特征,结合稀疏表示理论,提出了一种自适应稀疏表示的光谱去噪方法.该方法对信号分段构造学习样本,分别用OMP法和K-SVD法初始化和过训练原子库.将光谱信号在新的原子库上进行自适应稀疏分解,实现光谱信号去噪.利用信噪比(SNR)、均方根误差(RMSE)、波形相似度(NCC)、峰值平均相对误差(AREPV)四个指标来评价去噪效果.仿真实验结果表明,与小波软阈值和小波硬阈值方法相比,该方法能更好地同时消除噪声和基线漂移.     

基于干扰加噪声协方差矩阵重构的稳健自适应波束形成

在自适应波束形成中,由于期望信号(SOI)导向矢量(SV)的误差、采样点数较少、训练数据中存在期望信号成分等原因,造成波束形成的性能严重下降。针对以上问题,提出了一种稳健波束形成方法。首先利用MUSIC算法和参数估计来重构不包含SOI的干扰噪声协方差矩阵,再通过利用相关系数来估计出期望信号导向矢量。仿真结果表明,该算法可以处理较大的方向误差,并且信噪比(SNR)在较大的范围内都可以得到比传统方法更佳的性能。     

一种ECG信号肌电干扰去除方法的研究

实测心电(ECG)信号通常被多种因素干扰,尤其是肌电干扰的去除存在较大困难.本文提出一种结合经验模态分解法(EMD)与主成分分析(PCA)的消噪算法来去除ECG信号的肌电干扰.解决了通常采用小波算法和EMD等方法会导致ECG信号产生振荡和丢失有用信息的难题.本研究利用PCA对含噪信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理,通过对MIT-BIH心电数据进行仿真,以及定性分析了信噪比(SNR)和均方误差(MSE).结果表明,ECG信号中的肌电干扰被有效去除,所提方法的消噪效果整体上优于小波去噪算法和EMD消噪算法,是一种有效的消噪方法.     

基于DSP和CPLD的人机接口实现

本文介绍了在DSP系统中,利用复杂可编程逻辑器件(以下简称CPLD)来产生可以灵活配置的等待状态发生信号(以下简称READY信号)、片选信号LCD和数据指令切换信号LCD_C/D;并在此的基础上,进一步介绍了人机接口的软件实现,主要是一种新型的键盘扫描方法和菜单的数据结构。     

独立成分分析算法及其在脑电图中的应用

研究脑电图成像的数据处理问题时,独立成分分析(ICA)是一种新的信号处理统计方法,被广泛用于各个领域.脑电图就是,利用独立成分分析从混合信号中还原出源信号,通过目标函数,如极大似然估计,信息最大化和互信息最小化等,对源信号的概率密度函数(PDF)进行估计.在基于互信息最小化算法的基础上,提出一种新的独立成分分析算法,算法中的核心参数是由信号本身来确定的,能使所估计的PDF更加准确,从而提高分离的性能.最后,用新的ICA算法来实现脑电图(EEG)信号的盲源分离,结果表明,算法可以快速有效的分离其源信号,且准确性优于Boscolo提出的非参量ICA模型.     

基于IMF复杂度和RBF网络的配气机构故障诊断

针对柴油机振动信号的非平稳特性,提出一种经验模态分解(Empirical Mode Decomposition,EMD)、复杂度和RBF(radical basis function)神经网络相结合的故障诊断方法;运用经验模态分解方法对特定时段的振动信号进行分析,计算前5个固有模式分量(Intrinsic Mode Functions,IMF)的Lempel-Ziv相对复杂度作为故障特征向量,并利用RBF神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对柴油机工作状态和故障类型的判别;最后,利用实际柴油机试验数据的诊断和对比试验验证了该方法的有效性。     

基于独立分量分析特征提取的带噪信号端点检测

运用独立分量分析(ICA)提取信号高阶统计特征的方法,提出一种新的利用信号自身统计特性的信噪区分方法,由于ICA变换可以增大语音和噪声的统计性差别,故在ICA域内可以有效区分语音和噪声。在此基础上提出了ICA能量(ICAE)和滤波ICAE(FICAE)特征来进行端点检测。实验表明,结合FICAE与ICAE的端点检测方法在不同信噪比时具有一定的稳定性,在很低信噪比下也能有效检测出语音的端点,显示了良好的抗噪性能,为强背景噪声下弱信号的端点检测提供了新的途径。     

基于小波多尺度分解与GLR的UWB信号检测技术

由于常规窄带信号检测方法不能适用于超宽带信号,为了对超宽带信号进行有效检测,提出了一种基于小波多尺度分解与广义似然比(GLR)相结合的新颖目标检测方法;首先利用小波进行多尺度分解,获得目标所在的位置,通过计算小波域能量,来截取目标信号,由此计算散射中心的分布密度,然后结合利用广义似然比,来实现超宽带信号检测;仿真试验结果表明,该方法与常规的双门限方法相比,在信噪比相同情况下,能获得更好的检测概率,从而体现其优越性.     

基于混沌振子的BPSK信号解调

基于混沌系统对参数的摄动及其敏感性,分析了混沌系统微弱信号检测的基本原理,推导出混沌系统产生相变的相位条件,结合二进制相移键控(BPSK)信号的相位变化特点,提出了利用duffing系统进行强噪声背景中二进制相移键控(BPSK)信号解调的方法。鉴于观察混沌系统相平面判别系统状态的不足,提出了利用功率谱熵对系统不同状态复杂度进行判别的新方法。理论分析和仿真实验都证明了利用混沌振子解调BPSK信号的可行性。     

基于松下PLC与触摸屏的变频控制系统设计

介绍了变频控制系统的硬件组成和参数设置。对利用FP∑PLC发送脉宽调制信号(PWM信号)来控制VF0变频器的运行频率的原理和方法进行了研究,设计了相关PLC梯形图程序,制作了触摸屏界面,提供了一种电机变频控制的方法。     

基于SFTD的信号状态融合方法

为了解决无线网络信号在传输过程中由于受到其他信号的干扰,导致接收端接收的信号与原始信号相比存在误差的问题,本文在利用数据关联和卡尔曼滤波对信号进行融合的基础上,提出了一种新的信号状态融合方法( signal fusion based on wavelet transform and date association,SFTD),该方法利用FARIMA( p,d,q)模型和数据关联来建立一种新的信号融合算法。通过仿真实验研究了信号发送速率与干扰信号功率之间的关系,仿真结果说明,SFTD算法比FSWC算法具有更好的信号状态融合准确性；并且发送速率、功率对融合信号也产生较大影响。     

经验模态分解与EOSA方法的滚动轴承故障诊断

提出了一种利用经验模态分解(EMD)与Teager能量算子解调算法(EOSA)相结合的滚动轴承故障诊断方法;故障轴承振动信号往往是多分量AM-FM信号,首先对滚动轴承内圈故障调制信号进行EMD分解,得到若干个不同特征时间尺度的内禀模态信号(IMF),然后利用Teager能量算子解调法计算各个内禀模态信号的瞬时幅值,对主要内禀模态信号的瞬时幅值包络谱进行分析,可提取轴承故障信号特征信息;实验分析结果表明,利用经验模态分解与EOSA相结合的方法,可有效提取6205-2RS型深沟球滚动轴承的内圈特征频率fi=162.2Hz及其倍频。     

基于信噪比测量的欺骗干扰检测方法

在捕获北斗信号的过程中,接收机根据预先设定好的信号搜捕策略和门限值来捕获信号;欺骗干扰源通过产生虚假的相关峰和增加噪声基底,可以有效地干扰普通型北斗接收机正常的捕获工作;针对欺骗信号检测问题,在分析欺骗信号入侵对接收机噪声基底影响的基础上,提出了在捕获阶段利用信噪比(SNR)检测技术识别欺骗干扰信号的方法,并对其有效性进行了分析;仿真结果表明,采用该方法的接收机具有一定程度的欺骗干扰识别能力,为提高GNSS接收机抗干扰能力提供了有益的参考 。     

一种LMS/LMF自适应谐波电流检测方法

在分析了现有谐波电流检测方法不足的基础上,提出了一种改进的最小均方(Least mean square,LMS)与最小四阶矩(Least mean fourth,LMF)相结舍的自适应谐波电流检测算法,利用一种变步长LMS/LMF算法来进行权值更新,用归一化的当前误差信号和上一次误差信号的自相关估计来进行步长迭代.该方法能够获得较快的动态响应速度和较小的稳态误差,而无需像一般自适应算法去折中考虑两者.仿真和实验结果验证了该方法的可行性.     

强噪声背景与变转速工况条件下滚动轴承故障诊断研究

煤矿机械设备工作环境恶劣,背景噪声强,轴承早期的故障特征信号微弱,从传感器所测得的振动信号中提取反映故障状态的信息比较困难;同时,煤矿机械设备工作在高速、冲击等工况下,是典型的非平稳工况,不稳定的激励及复杂工况直接导致提取轴承故障特征信号困难。针对以上问题,以矿井提升设备的运行工况为背景,提出了一种基于计算阶次分析与自适应随机共振的滚动轴承故障诊断方法。首先,模拟了矿井提升机运行过程中典型的变转速工况,分别构造故障仿真信号,并采集了轴承振动实验信号;其次,通过等角度采集同步时域鉴相序列,利用计算阶次分析将轴承非平稳的振动信号重采样为平稳信号;然后,利用变分模态分解(VMD)方法将平稳信号分解为若干本征模态函数(IMF)分量,通过轴承故障阶次实现对轴承故障类型的判断;最后,利用自适应随机共振方法来增强轴承故障特征阶次,从而实现故障特征的提取与增强,达到故障诊断的目的。仿真和实验结果证明了该方法的有效性。将该方法与最大相关峭度反褶积(MCKD)方法进行了对比,结果表明,MCKD方法虽然也可以观察到故障特征阶次,但是特征阶次比周围干扰阶次幅值仅高0.001 96,低于本文所提方法的结果,说明了本文所提方法具有一定的优越性。     

基于自动搜峰和shannon熵的车辆轴承多普勒畸变故障声信号校正研究

针对传声器采集的运动声源信号存在多普勒畸变问题,提出一种基于自动搜峰和shannon熵的滚动轴承多普勒畸变故障声信号校正方法。首先对所采集的声音信号进行短时傅里叶(STFT)时频分析;然后利用自动搜峰方法进行瞬时频率估计,设置shannon熵来提高瞬时频率估计精度,并得到拟合的瞬时频率曲线,进而得到信号重采样时间点;最后对原信号进行时域重采样,从而使畸变信号得以矫正。通过仿真和动态滚动轴承内外圈故障声信号的实验验证了此种方法的可行性。     

基于特征值分解的循环平稳离散时间信号的盲分离

盲分离的目的是从观测到的混叠信号中恢复出各个未知的源信号,现今的很多方法都是利用了信号时域表示的某些统计特性来解决这个问题。从信号频域分析的角度提出了一种利用信号的循环平稳特性来处理离散时间信号的频域盲分离方法。该方法构造两个二阶统计矩阵的乘积,并对该乘积矩阵进行特征值分解,从而实现源信号的分离;同时,还对特征值分解的条件进行了分析。该方法在低维信号的情况下可以取得相当满意的分离效果,仿真结果表明该方法具有良好的性能。     

基于局部投影和提升小波的混沌信号降噪

根据信号和噪声的不同特性,提出了一种基于局部投影和提升小波的混沌信号降噪方法。该方法利用提升小波变换得到实际混沌信号的近似系数,对其进行相空间重构,与实际混沌信号的重构相空间进行比较,来选取局部投影的邻域,在局部邻域内进行奇异谱分析,利用代表吸引子的主分量来重构混沌信号。通过对Lorenz模型和月太阳黑子进行仿真分析,证实了提出方法对混沌信号降噪的有效性。