混沌与噪声信号的谐波小波分析

研究周期信号的理想工具为Fourier变换。但对于非周期信号,需要一种具有良好时频特性的函数基来进行分解,Fourier变换所用的三角函数基不能满足此要求。而近些年提出的小波函数很好地解决了非周期信号的时频分解问题。混沌信号与噪声之间差别过于微小,人们在工作和实验中常常将他们混淆。在本文中通过对混沌信号与噪声进行谐波小波分析,最后根据分解结果,可从时频特性方面对混沌与噪声的差别作进一步说明。     

混沌振子在强噪声背景信号检测中的应用

混沌振子在强噪声背景信号检测中的应用＊王冠宇陶国良陈行林建亚（浙江大学流体传动及控制国家重点实验室杭州３１００２７）０引言噪声干扰是信息科学的一项主要问题。混沌系统对小信号的敏感性以及对噪声的免疫力，使它在信号检测中非常具有潜力。对于一个非线性动力系...     

基于经验模态分解的混沌噪声背景下弱信号检测与信号提取

基于经验模态分解方法,研究了在强混沌噪声背景下进行弱信号的检测与信号提取。对仿真信号的研究表明:用该方法可以直接提取出微弱的偶然性和周期性冲击时域信号,对弱谐波信号可能不能直接提取,但可以直接提取出其频率特征,这些弱冲击信号和弱谐波信号完全淹没在强的混沌噪声背景信号中,无论从时域上还是频域上基本上都看不出来。对齿轮箱的实际信号的研究也表明:尽管某些故障信号有时极其微弱,EMD方法也能有效地实现这些非线性非平稳信号的分离和提取,从而为机械设备故障诊断提供直观的有效的参考。     

湮没在混沌噪声背景下方波信号的检测方法

混沌信号背景下弱方波信号的检测在混沌信号工程应用中是备受关注的问题之一,当方波信号完全湮没在混沌信号中且方波频率在混沌信号频带内时,直接应用常规时频分析方法无法检测方波信号.文中提出了基于改进的经验模式分解法(EMMD)实现对方波信号的检测方法.仿真实验表明,该检测方法对方波信号检测有效可行.     

混沌噪声背景下周期小信号频率估计新方法

利用待测小信号的周期性及混沌信号的相关特性,提出一种将倍频法与经验模式分解法相结合的混沌噪声背景下周期小信号频率估计的新方法.首先利用相关法对原始混合信号进行初步去噪处理,再利用倍频法与经验模式分解法对信号进行自适应分解,最后对分解出来的固有模态函数进行交叉功率谱分析,估计出周期小信号频率.该方法适用于强混沌信号与强观测噪声为背景的周期小信号频率估计.仿真实验结果表明,方法简单有效,计算量小.     

基于噪声和混沌振子的微弱信号检测

利用混沌振子来检测淹没在强噪声背景中的微弱信号，详细研究了Duffing振子检测微弱信号的原理和过程。理论分析和仿其实验均表明混沌振子能有效地检测微弱信号。     

混沌测量系统耦合的噪声抑制效应

利用混沌系统的初值、参数敏感性来进行小信号测量已取得了较好的成功，这种技术进一步发展的主要任务之一是降低测量过程中的噪声，提出一种可以抑制噪声影响的新方法，即将多个混沌测量电路耦合起来同时进行互相关的测量，根据符号动力学理论，数值实验表明，在一定条件下，耦合确能有效抑制噪声。     

基于噪声信号分析的轴流风机故障诊断

噪声是风机运行过程产生的一种信号,包含了风机结构振动的信息特征,据此提出通过分析风机噪声信号来实现风机不停机故障诊断的方法.结合风机噪声信号模型,对轴流风机轴系不对中、转子不平衡、基座松动、叶片损坏4种典型故障的Fourier频谱特征做出了理论分析预测.通过现场检测试验,采集了电机的转速信号与风机的噪声信号,分析了风机噪声的时域波形,初步诊断该风机存在故障.再分析了轴流风机噪声信号的Fourier频谱,提取出相关故障特征频率,发现频谱中n倍高次谐波比较明显,并且其中2n倍高次谐波占主导地位,因此判断该风机故障种类为轴系不对中.经过重新校正与检修,该风机恢复正常运转.试验及分析结果成功验证了基于噪声信号诊断轴流风机故障理论方法的可行性,对于工业领域通过噪声信号来诊断风机故障具有一定的指导作用.     

一种用于混沌信号去噪的循环相关算法

基于局部相关原理,提出了一种可以有效实现混沌信号和噪声分离的方法。通过分析混沌信号在一定维数的相空间中存在的局部相关性,阐明了混沌信号内在的局部特征,引入循环相关算法对相空间中的相点进行有限次相关迭代以重新估计各个相点的值,利用相空间重构技术从这些新的相点中恢复出原始信号序列。试验仿真结果表明,该方法具有良好的噪声抑制能力和计算收敛性,算法简洁等优点。滤波效果与背景噪声类型无关。     

混沌、随机共振在信号检测中的应用研究

混沌作为一种复杂的非线性动力学现象,以其独特的行为吸引了工程技术领域的广泛关注,混沌学在工程上具有巨大的应用潜力.混沌在信号检测与处理方面的应用也日渐显露出强大的生命力,这里仅对混沌在信号检测中的应用进行了回顾和总结,并指出目前研究中的关键问题和今后研究的方向.     

微弱正弦信号的一种新的混沌检测系统

用特定的Duffing-Holmes方程实现了强噪声背景下弱正弦信号的有效检测.并用梅尔尼科夫函数给出系统出现混沌状态的阈值.仿真实验表明该混沌系统对微弱正弦信号非常敏感,对任意零均值噪声均具有极强的抑制能力,系统信噪比工作门限可达到-90dB.     

基于经验与变分混合分解的超声回波信号噪声消除方法

超声缺陷检测结果易受超声回波信号中复杂噪声的干扰,为了提高超声缺陷检测的准确度,提出一种基于混合分解的超声回波信号噪声消除方法。 采用经验模态分解算法结合相关系数指标对超声回波信号进行预处理,得到消除低频噪声分量的超声回波预处理信号。 基于变分模态分解将该预处理信号分解为一系列窄带本征模态函数,引入互信息指标估计变分模态分解的最优模态数量,并根据窄带本征模态函数与预处理信号的相关系数提取有用的模态分量,实现对超声回波信号去噪结果的重构。 通过仿真和实测超声回波信号验证了本文方法的去噪性能,并与现有方法进行了对比。 结果表明,本文方法可同时消除超声回波信号中的高频和低频噪声,在不同信噪比条件下 EMD、VMD 和本文方法去噪结果的 SNR 均值分别为 10. 01、9. 48和 16. 09 dB,验证了本文方法对于超声回波信号噪声消除的优越性。     

基于LabVIEW的机电设备噪声信号采集分析系统开发

利用传声器、放大器、数据采集卡等组成的硬件,基于Lab VIEW2011开发了机电设备噪声信号采集分析系统。该系统具有噪声信号采集、信号存储、信号截取、信号滤波、倍频程频谱、1/3倍频程频谱、功率谱、功率谱密度等功能模块。利用该系统可对机电设备运行时的噪声进行采集分析。以系统获取的数据为基础,结合相应的消声降噪技术,可开展噪声源识别和噪声污染治理等研究工作。     

用特定的混沌系统检测弱周期脉冲信号

用修正的Duffing -Homes方程{+k-x3+[1+αδT(t)]x5＝γsin(ωt)}构成特定的混沌系统,实现了强噪声背景下周期脉冲信号的有效检测,仿真实验表明该混沌系统对微弱周期脉冲信号非常敏感,对任何零均值噪声均具有极强的抑制能力.系统信噪比工作门限可达到-83dB.     

调频连续波激光雷达及数据采集信号链噪声分析

在调频连续波激光雷达中,用于中频信号采集的模拟-数字采集模块是其关键组件,信噪比、信纳比、无杂散动态范围等参数是衡量该数据采集信号链交流特性的重要指标,直接决定着调频连续波激光雷达的探测范围和测距精度等性能。设计了用于调频连续波激光雷达的中频信号采集模块,获得49.13 dB的信噪比和48.90 dB的信纳比;然后研究了其噪声特性,获得系统的主要噪声来源为采样时钟的相位噪声,并且通过引入数字滤波器将信噪比和信纳比分别提升11.38 dB和11.32 dB,理论上激光雷达的探测范围提高3.7倍。可通过采用专业时钟芯片降低噪声,经计算可将信噪比提高8.65 dB;最后,搭建了光学相控阵调频连续波激光雷达系统,验证了数据采样模块的有效性,完成了40 m距离的探测,最大测量误差为7.7 cm,最大探测范围为133.67 m。     

机构综合的混沌Lorenz系统族方法研究

自然科学与工程中的许多问题都可以转化为非线性方程组的求解问题,牛顿迭代法是重要的一维及多维的迭代技术,其迭代本身对初始点非常敏感.应用混沌Lorenz系统族方法产生初始点,首次提出了基于广义Lorenz混沌系统族的牛顿迭代法求解非线性方程组的新方法.机构综合与近似综合实例表明了该方法的正确性与有效性.     

基于Duffing混沌系统微弱信号检测的数值分析

基于混沌系统对噪声信号的免疫性和对微弱信号的敏感性,从数值分析的角度对在噪声中微弱正弦信号的检出,幅值、频率、相位的测量进行了讨论.     

机械设备振动噪声故障特征声信号分析

机械故障噪声信号可反映机械的故障特征,因此对机械故障噪声信号中的故障信号进行提取、分析及处理至关重要。基于卷积混合模型对机械故障噪声进行去噪和分离可知,当机械故障的噪声情况较为复杂时,可采用改进小波-卡尔曼两步降噪算法对噪声信号进行降噪处理;当机械故障噪声较为简单时,传统阈值法的降噪效果较好。当噪声环境较为单一时,可采用经验指纹图像比较算法（Empirical Fingerprint Image Comparator Algorithm,EFICA）和盲解卷积算法（Efficient FastICA-Second Order Blind Identify,EFICA-SOBI）对机械噪声信号进行分离;当噪声环境较为复杂时,可采用二阶盲辨识（Second Order Blind Identification,SOBI）算法对机械噪声进行分离。     

化学实验室中的噪声与微弱信号检测

在信号检测中不可避免地存在噪声,被测信号往往是被噪声搞得很模糊的微弱信号,因此,噪声的抑制对微弱信号检测有着重要意义.例如在红外和紫外光谱仪、核磁共振、电子顺磁共振、俄歇电子谱仪、质谱仪、光声光谱仪、光电子能谱仪等表面分析仪器中都需要利用锁定放大和取样平均等微弱信号检测技术.在电化学测量、气(液)相色谱、荧光分析等测量中微弱信号检测技术也不可缺少.下面仅以电化学为例说明微弱信号检测技术的应用.     

量子噪声和白噪声中脉冲信号的探测研究

本文利用信号探测概率和虚概率的统计概念，对量子噪声和白噪声中激光脉冲信号的探测进行了研究，并且给出了虚警概率和信号探测概率以及激光接收机最小可探测功率的信噪比公式。