基于时频谱图的脉冲噪声抑制方法

从时频分析的角度,提出了一种新的音频信号脉冲噪声的处理方法。该方法基于被污染信号的时频谱图,通过区分纯净信号和脉冲噪声信号的频域特性与相关性来检测脉冲噪声。首次提出前后信息相关联的"限幅"噪声抑制方法,并利用带过滤系统的中值滤波方法分别对短时和暂态两种脉冲噪声信号加以抑制和消除。和信噪比相比,还进一步提出了四个指标专门用于评价去除脉冲噪声方法的性能。基于这四个指标,分析了如何调整参数以获得更好的检测和修复性能,并用大量仿真实验证实了这种新方法的有效性。最后给出了系统仿真结果,并指出了该方法的应用前景。     

随机过程的白噪声功率谱及工况诊断

工程中常遇到各类噪声信号，噪声存在于电子设备和系统中，它经常妨害长距离通信和检测弱信号的能力。随机数发生器被用来仿真物理世界中常遇到各类噪声信号和其它随机现象，通过产生这样的噪声，可用MATLAB仿真通信系统来研究这种噪声对系统的影响，并评价噪声存在的情况下系统的性能。     

一种改进的智能天线算法

本文研究了一种改进的智能天线算法。这种方法在自适应的过程中,可以逐步学习非探视方向的噪声统计特性来消除噪声干扰。天线阵的输出可以用于信号检测或者信号分选。如果干扰信号落在副瓣内,它除了能在期望信号方向上形成最大增益外,还可以在干扰信号入射方向形成较深的零陷,通过理论和仿真证明了其计算量小、抑制干扰能力强的特点。     

基于EMD和小波熵阈值算法的超声回波信号降噪

超声检测信号中通常包含大量噪声,而其中材料晶界散射的噪声是一种相关噪声。鉴于传统的方法难以将这种噪声和缺陷回波信号区分,提出一种EMD和小波熵阈值联合降噪的算法。该算法首先对目标信号进行EMD分解,提取具有噪声特性的IMF分量进行小波分解,利用含噪系统熵增的特性,在分解各尺度层的细节部分选用小波熵自适应阈值降噪,然后将剩余分量和降噪处理后的信号进行重构。仿真信号结果表明:该降噪方法(EMD-WET)输出信号的信噪比(SNR)为7.9 d B、均方根误差(RMSE)为18.1、相似系数(NCC)为0.92,优于传统的小波软、硬阈值方法。对实测信号进行处理,该方法降低信号中的大部分噪声,更好地还原回波信号的波形。     

非高斯噪声中随机信号的渐近最优检测

本文研究了非高斯噪声中随机信号的检测问题。基于随机信号的参数模型和广义似然比检测理论,导出了非高斯噪声中随机信号Rao检测的数学解析式,其检测性能渐近等同于广义似然比检测但计算更有效。仿真结果表明,该检测器性能大大优于传统的能量检测器以及高斯噪声假设下的广义似然比检测器。     

基于小波分析的电动机噪声检测系统研究

电动机的噪声是其质量控制和故障检测的关键参数之一。基于小波分析方法，提出一种应用计算机声卡的电动机噪声检测方案。利用计算机声卡的A/D转换功能来采集电动机的噪声信号，应用小波包滤波方法消除与回转频率无关的噪声干扰，提取与转速直接相关的振动信号。实验表明，这种方法降低了电机检测成本，能够准确地获取测试信号。     

基于变尺度多稳随机共振的微弱信号检测研究

针对强噪声背景下微弱信号难以检测的难题,提出基于变尺度多稳随机共振的微弱信号检测方法。多稳随机共振系统比双稳随机共振系统具有更好的微弱信号检测能力,为强噪声背景下微弱信号的检测提供了新方法。首先对大频率信号进行尺度变换使之满足随机共振条件,将频率压缩后的信号通过多稳系统,调整参数使其发生随机共振得到信号的频谱特征,并与双稳随机共振方法得到的特征频率进行比较,仿真和实例结果均表明:相同条件下,多稳随机共振方法比双稳随机共振方法得到的频率准确,可以增强信号的幅值,有效地检测出被噪声淹没的微弱信号。     

基于变形Lorenz系统和李雅普诺夫指数的微弱周期信号检测

提出了一种变形的Lorenz混沌检测系统,此系统主要具有混沌态和类周期态2种状态。利用最大李雅普诺夫指数作为判断混沌系统由混沌态趋于类周期态变化的量化依据,自动识别混沌系统的临界状态,更准确地判断微弱信号的存在。将互相关检测方法与混沌检测方法相结合,实现强噪声背景下微弱周期信号检测。仿真结果表明,该方法能有效地检测出强噪声中的微弱周期信号。     

利用间歇混沌检测含噪未知频率信号的研究

研究发现被测信号频率和干扰噪声变化都会引起间歇混沌间隔的变化,通过仿真实验分析了被测信号频率和干扰噪声对间歇混沌特征影响的相互关联关系,从理论上分析了被测信号频率和相角变化对间歇混沌特征的影响,提出了一种利用间歇混沌特征变化测量含噪未知频率信号的方法,设计了有噪声和无噪声两种环境中对声波信号频率的检测实验。实验结果显示与Duffing混沌系统相比,利用Liu-cos混沌系统间歇混沌检测含噪未知频率信号的效果更好。     

基于频域形态滤波的低速滚动轴承声发射信号降噪新方法

声发射检测技术以其灵敏度高、频响范围宽、信息量大等优点,为机械故障诊断提供了一条新的检测途径,但应用于旋转机械设备时,容易混入各种有色噪声。当噪声频率与声发射信号重叠时,传统的降噪方法难以满足要求。将形态滤波应用到信号频域,可以有效消除有色噪声的干扰。根据声发射频响特性,对频谱进行拟合平滑高斯白噪声的影响,最后重构到时域。仿真和实际低速轴承信号表明此方法具有较好的降噪效果,有利于信号后续的处理和分析。     

静态随机共振的非高斯噪声中瞬态信号小波域Power-Law检测

研究非高斯噪声中微弱瞬态信号的检测。利用静态随机共振方法对微弱信号进行处理,使瞬态信号的信噪比得到增强。在小波域建立了新的Power-Law检测器。通过仿真实验对比发现,在相同的信噪比和虚警概率下,采用提出的方法可以得到更高的检测概率。     

基于滤波器组和高阶累积量的信号特征检测

结合高阶累积具有对加性高斯和对称非高斯噪声不敏感的特性，提出了一种基于滤波器组和高阶累积量的特征检测方法。该方法既不需待检信号做高斯和平稳的假设，也不需要有信号的先验知识。其原理是首先通过滤波器组将检测信号在频域上进行分离，选取输出能量较大的一组子频带信号近似给出信号的时频描述；然后在各个选中的子频带内分别计算三阶累积量的短时估计，从而抑制有色噪声，将信号的特征检测出来。仿真信号和实验信号验证了该方法的有效性和适应性，即使信号特征完全淹没在噪声中，也能检测出来。     

惯组野外测试时振动干扰的检测与提取

惯组（即惯性器件组合）在外场进行标定时常常会受到地基振动的干扰,这种干扰会对惯组的测试精度造成极大的影响。首先建立振动信号的数学模型,然后根据振动信号与噪声信号奇异性的差异,利用小波模极大值法对惯组的输出信号进行分析,并推导抑制噪声干扰、提取振动信号的算法。仿真实验表明该算法对振动干扰具有很好的检测能力。     

基于白化滤波器和频段加权的微弱信号检测方法

针对平台振动噪声影响下的舷侧阵声呐弱信号检测问题,充分利用振动噪声和目标信号的频谱先验信息,给出了两种能够有效提高系统弱信号检测能力的处理方法,一种是利用白化滤波技术对阵列输出信号进行预白化处理,另外一种是利用频段加权对普通宽带自适应波束形成输出结果进行后置处理,设计了两种有效获取参考噪声的方法,从阵列输入信噪比改善角度重点讨论了白化滤波技术对提高系统弱信号检测能力的贡献,并简单说明它与频段加权后置处理方法的等效性。仿真和实际数据分析结果验证了两种处理方法的有效性。     

噪声非线性效应的增强与弱涡街信号检测方法

噪声与非线性势场相互作用产生的效应能够助长微弱信号。针对小流量产生的涡街信号较弱而难以检测的问题,从增强噪声非线性效应的角度出发,比较了不同非线性形式势函数下的噪声效应,构造了对称抛物线势函数。理论分析和数值仿真结果表明具有对称抛物线势函数的系统输出有较高的信噪比。提出了一种利用对称抛物线系统增强噪声效应的检测弱涡街信号方法,实测弱涡街信号检测结果表明该方法能有效获取小流量涡街信号的特征频率。     

平移不变量小波阈值去噪法在齿轮振动信号处理中的应用

齿轮振动信号往往受到噪声干扰,用传统的小波阈值去噪法去噪时,由于信号中存在不连续点,会在不连续点处引起PseudoGibbs现象.采用平移不变量小波阈值去噪法对信号进行去噪,首先对含噪声信号进行循环平移,然后对信号进行小波阈值去噪,最后对信号进行反平移后平均,得到去噪后的信号.应用这种方法对仿真信号和实验采集的含噪声齿轮故障信号进行去噪,并和小波阈值去噪效果进行对比,结果表明这种去噪方法有效抑制了PseudoGibbs现象,并有更好的去噪效果.     

强干扰背景下的鱼雷辐射噪声信号检测方法

常规被动声纳利用宽带波束能量进行目标检测,在低信噪比、强目标干扰情况下,宽带能量检测的性能迅速降低。利用鱼雷辐射噪声信号中含有丰富线谱成分的特点,提出了一种针对鱼雷辐射噪声信号的窄带和宽带联合检测方法。通过对预成波束方向信号的窄带处理和线谱提取,利用特定频段的线谱能量对宽带波束输出进行加权,提高了线谱目标的检测能力。该方法能够有效地抑制非线谱强干扰目标,提高低信噪比信号的检测能力。仿真和海试数据处理结果验证了该方法的有效性。     

水下混沌背景中的瞬态声信号检测法研究

水下瞬态声信号中蕴含着目标的特征信息,但其突发性强、持续时间短致使检测难度很大。为解决瞬态信号检测的问题,提出了混沌背景中瞬态冲击信号的RBF神经网络检测法。建立了混沌背景噪声的一步预测模型,通过预测误差的变化来检测瞬态信号。分别以Lorenz系统和Logistic系统作为混沌背景噪声进行了仿真,证明检测方法的有效性,并在Lorenz系统背景检测中加入白噪声来检验该方法抗白噪声干扰的能力,结果表明该方法对白噪声敏感;在理论研究的基础上通过对外场试验数据的处理验证了该方法的有效性,并在实际测量数据中加入混沌背景噪声,通过改变信噪比检验了该方法在不同信噪比情况下的性能。     

基于频率调制随机共振的弱周期信号检测

将调制技术与随机共振原理相结合,提出用频率调制随机共振的方法,实现在大参数情况下从强噪声中检测微弱周期信号,并对随机共振技术运用于强噪声背景下的弱信号检测进行研究。分析调频信号的频谱,发现其含有的低频信号通过双稳系统易产生随机共振,数值分析及仿真结果表明该方法能使微弱的故障信号特征突出、明显而易于捕捉。     

双稳随机共振降噪下的经验模式分解研究

研究了强噪声混合条件下微弱信号的经验模式分解(EMD)问题,提出了一种基于随机共振降噪的EMD分解方法。该方法利用随机共振在微弱信号检测方面的独特优势,首先对有噪微弱信号进行随机共振输出,微弱信号得到降噪和加强后,再进行EMD分解。在仿真实验中,对随机共振输出前后的信号分别进行EMD分解,分析结果表明该方法不仅能够提高原始信号的信噪比,有效检测出被噪声淹没的微弱信号从而提高了EMD分解的质量,同时减少了EMD分解的层数,提高了运算效率。