离散频谱能量重心法频率校正精度分析及改进

研究噪声对离散频谱能量重心法的频率校正精度的影响,推导了在高斯白噪声背景下用能量重心法对加对称窗的离散频谱进行校正的频率误差理论公式,分析找错和找对最大值谱线情况下的理论误差和某些情况下校正误差较大的原因,为了提高能量重心校正法的频率校正精度,提出用谱线间相位差为阈值作为选择用3条或4条谱线进行校正依据的改进措施。通过对加Hanning窗的离散频谱进行计算机仿真计算,结果表明在大噪声背景下改进的能量重心校正法有很高的频率校正精度,与理论推导十分吻合,验证了理论推导的正确性,表明改进后的能量重心法具有更高的抗噪性能,扩大了能量重心校正法的工程应用范围。     

城市轨道交通多普勒雷达测速算法研究

针对基于多普勒频偏估计的雷达测速方法精度不高的问题,提出采用自相关处理和改进的能量重心法相结合的频偏估计方法.该方法对接收信号进行自相关处理以抑制噪声的影响,并根据能量重心法中谱线选择与矫正精度的关系,对能量重心法进行改进.对所提算法进行了仿真验证.结果表明,与常规算法相比,本算法有效提高了多普勒频偏估计的精度和多普勒雷达测速的精度.     

离散频谱校正方法的抗噪性能研究

系统分析了四种离散频谱校正方法(比值法、能量重心法、FFT+FT法和相位差法)的抗噪性能,井通过仿真研究表明了;比值校正法校正精度高,但有插值方向错误的可能;能量重心法由于本身是一种近似方法,校正精度相对较差,但抗噪性能稳定;FFT+FT连续细化分析傅立叶变换法的校正精度和抗噪性能跟细化倍数有关;相位差法的校正精度较高,其抗噪性能与时移点数和谱分析点数有关,并且算法本身存在将相位差调整到主值区间而导致校正错误的可能。加窗总体来说都会导致抗噪性能的下降,但能够避免比值法插值方向错误的可能,也可以显著提高能量重心法的校正精度。     

频谱校正方法在激光测速中的研究

由于多普勒信号处理技术在整个激光多普勒测速(LDV)系统中起到关键作用,针对仅利用快速傅里叶变换处理多普勒信号存在精度低的问题,频谱校正方法的研究显得十分必要。通过阐述比值法、能量重心法和相位差法三种离散频谱校正方法的基本原理和仿真实验,表明三种方法均可使校正频率更加接近真实值。考虑到算法的复杂度和抗噪性能等因素的影响,选用了能量重心法对实测多普勒信号进行频率校正,且校正效果明显。     

基于极值法和重心法的离散频谱校正方法

针对多频率信号,在分析矩形窗函数的频谱泄漏特点的基础上,应用极值法搜索需校正的频率,然后用重心法求得校正后的频率、幅值和相位。该方法计算量小,能够快速找到需校正的谱线并进行校正,满足工程实时监测的需要。     

FFT+FT离散频谱校正法参数估计精度

研究用FFT谱连续细化傅里叶变换分析法进行离散频谱校正时的参数估计误差。分析无噪声情况下频率﹑相位﹑幅值的估计误差随细化倍数的变化规律,估计精度随细化倍数的增大而提高,当细化倍数大于40时,最大估计误差几乎可忽略不计。在高斯白噪声的影响下,细化后频谱序列最大值找错的概率随细化倍数的增加而增加,综合考虑频率分辨率对频率估计精度的影响及频谱序列最大值找错的概率,提出用归一化频率估计综合误差和归一化频率估计最大可能误差两个指标评价此校正法对频率的估计精度,并基于此给出不同信噪比条件下的最优细化倍数。采用非线性最小二乘拟合法对噪声影响下的FFT谱连续细化傅里叶变换分析校正法进行改进,通过仿真模拟验证改进后该校正方法具备更高的校正精度和抗噪能力。     

适用于频率偏移情况下谐波参数估计的改进算法

针对电网信号基波频率偏移时传统相位差校正法测量结果存在较大误差,甚至可能产生测量失败的问题,提出了一种基于传统相位差的改进算法。将电网电压信号加入Blackman-Harris窗,通过分析加窗信号的频谱表达式,研究了电参量估计的误差来源,将频谱表达式进行了多项式变换从而加快了旁瓣衰减速度,进一步减轻频谱泄漏和各谱线之间的干扰,再依据传统相位差法的估计公式和多项式变换所得的新频谱表达式对电参量进行了重新估计。分别使用传统相位差法和经多项式变换的改进相位差法进行了数值仿真对比。研究结果表明:改进算法较传统相位差法相比各次谐波的测量精度提高了至少一个数量级,适用于频率偏移情况下电力系统谐波参数的高准确度估计;即使在噪声条件下,改进算法的优势也比较明显。     

低频成分校正的两谱线法

目前已经提出多种频谱校正方法,但是将它们应用于低频成分时其精度显著下降,这是由于相应的校正模型忽略了实信号所包含的负频率分量的影响。给出考虑负频率影响的一种显式校正方法,它仅利用局部谱峰附近的两条谱线。采用数值实验对新方法进行考核。考核算例包括无噪声、弱噪声和强噪声三种情形。研究结果表明:①新方法总体上接近无偏,但当接近整周期采样时偏差变大。②新方法的经验方差与Cramér-Rao bound(CRB)总体局势相符,前者大体为后者的1～3倍。当采样条件接近半周期采样时,方差接近CRB;当记录长度接近整周期采样时,方差反而比较大。     

基于小波脊线的多分量信号瞬时参数估计及应用

通过分析小波脊线与信号瞬时幅值和瞬时频率的关系,提出一种基于能量重心脊点定位策略的脊线跟踪提取算法实现多分量信号瞬时参数估计。针对小波脊线提取中定中心频率参数优化方法优化复Morlet小波参数存在的局限性问题,提出中心频率自适应参数优化方法优化复Morlet小波参数并计算归一化小波尺度谱,根据能量重心脊点定位策略定位小波脊点,配合局部方向估计算法实现小波脊线迭代跟踪提取,进而估计信号瞬时参数。仿真分析表明该算法具有良好的抗噪特性,齿轮箱和滚动轴承的故障诊断工程实例结果表明该方法可有效提取旋转机械故障振动信号的特征。     

基于完全抗混叠DTCWPT和包络谱熵的轴承故障诊断

针对经典小波包和双树复小波包(dual tree complex wavelet package transform,DTCWPT)能量泄漏和频率混叠的缺陷,提出完全抗混叠的DTCWPT改进算法,该算法解决了经典小波包存在负频率以及经典小波包和DTCWPT滤波器频率不完全截止问题。根据高斯白噪声频率充满整个频带的特性,通过小波包变换对高斯白噪声进行分解,利用频带能量泄漏的定量分析方法,验证了改进DTCWPT具有完全的抗频带能量泄漏特性。将改进DTCWPT方法和包络谱熵引入到轴承故障诊断中,该方法的核心是:对轴承振动信号进行改进DTCWPT变换得到不同尺度的分解信号,分别计算各分解信号的包络谱熵,合并熵值较小的几个分量信号的包络谱,最后根据合并的包络谱来检测轴承故障。该方法在消除经典小波包变换和DTCWPT频率混叠和能量泄漏的同时还解决了小波包分量选择盲目的问题。最后应用轴承故障试验数据对该方法进行试验验证,结果表明:改进DTCWPT结合包络谱熵选择的方法能够很好提取出轴承故障特征频率的基频、倍频,提高了轴承故障的诊断效果。     

基于频谱校正理论的阶比跟踪分析

传统阶比分析必须在获得参考转速的前提下才能进行,这就使得某些不便安装转速计的情况无法应用阶比分析。而且对于已经采集得到的信号,也会因为缺少转速信号而无法进行阶比分析。为了解决这一问题,结合瞬时频率估计理论和离散频谱校正方法中的能量重心法,提出一种无须转速测量的阶比跟踪分析算法。这种方法利用能量重心法进行瞬时频率和幅值校正,可在精确提取参考转速的同时,一次提取出分析各阶次的幅值;算法简单,计算量相对较小,频率分辨率能自适应地变化,且分析精度受频率分辨率的影响较小;而且简化测试设备,降低测试成本。仿真和试验结果表明该方法的有效性和实用性,将进一步扩大阶比跟踪分析的应用范围。     

应用FFT进行FMCW雷达频谱分析的改进算法

采用快速傅里叶变换(FFT)进行调频连续波(FMCW)雷达频谱分析时很难做到同步采样和整周期截断,由此造成的频谱泄漏将影响分析结果。针对已有算法存在的问题,文中提出一种采样参数调整与频谱校正相结合的测量算法。该算法首先根据当前频率值调整采样点数,以满足整周期采样的要求,然后对谱线进行精确校正。将该算法在Lab-VIEW环境下进行了测量实验。结果表明:改进后的算法可使频率测量精度提高100倍以上,同时具有较好的抗干扰能力。     

一种不依赖窗谱函数的校正方法及应用

在系统分析了对谐波信号进行离散频谱校正的4种方法（比值法、能量重心法、FFT＋FT法和相位差法）对窗谱函数的依赖关系的基础上,将相位差法和连续傅立叶变换法有机结合起来,提出了一种精确的、不依赖窗谱函数的通用离散频谱校正方法,并通过仿真分析和工程实例验证了该方法的正确性和有效性。     

小波firm阈值滤波的光谱实时采集方法

为了提高微型光谱仪光谱采集精度,提出了一种利用小波域firm阈值滤波去除随机噪声的方法。首先采集2次光谱谱线,取均值作为待处理谱线。然后计算出这两次谱线的噪声标准差取代传统小波去噪中的噪声标准差估计,运用通用阈值法 作为上阈值。调整下阈值将待处理谱线小波firm阈值滤波,并判断滤波后偏差是否在计算的噪声方差内。实验结果表明：优于传统10次平均法,在高采集精度的基础上提高了采集速度。在以光纤光谱仪为主体的微型生化分析仪样品检测过程中的应用表明：提高了检测精度,减少了检测时间,提高效率4-5倍。     

胶囊内窥镜无线遥测定位的校正

为了进一步提高采用交流励磁定位无线跟踪胶囊内窥镜的定位精度,减小系统误差,提出了改进的神经网络定位校正方法。首先,设计了适应于胶囊内窥镜定位校正的神经网络结构;然后,采用Levenberg-Marquart算法结合贝叶斯正则化方法改进校正网络,抑制校正网络的过拟合。通过定位实验平台,建立了定位目标的跟踪位置与实际位置的样本对照数据表,并应用校正网络对定位数据进行校正。定位校正实验表明,改进的神经网络校正法可进一步减小定位误差,校正后的X,Y,Z,α,β分量的平均误差分别减小至8.7 mm,10.1 mm,7.3 mm,0.086 rad和0.081 rad。与基本BP算法相比,采用Levenberg-Marquart贝叶斯正则化的改进算法有效提高了定位校正网络的泛化能力和收敛精度。     

基于OT-Burg和改进Adaline神经网络的电力系统间谐波分析

在电力系统间谐波分析中,当间谐波频率与基波整数倍频率非常接近时,传统分析方法由于谱峰偏移和谱线泄漏往往分离不出此类间谐波。提出了将最佳收敛伯格窗（OT-Burg）与改进Adaline神经网络结合的间谐波分析方法,以提高此类间谐波的分析精度。Matlab仿真结果表明,OT-Burg算法频率分辨率高、检测准确、收敛快,与改进Adaline神经网络结合具有更精确的电力系统间谐波分析能力。     

Burg算法与自相关在科氏流量计中的应用

为提高谱分辨率,将Burg算法引入科氏流量计频率解算,无需对窗口之外数据假设。Burg算法谱分辨率受信号初相以及信号噪声影响,对Burg算法进行分析和改进,并引入自相关算法,解决初相以及噪声的影响。建立了科氏流量计的信号模型,用Matlab对本算法进行仿真验证,算法的解算精度优于一般流量计的要求,算法可以用于科氏流量计频率解算。     

双端谐振型SAW扭矩传感器信号提取与处理的研究

针对应用于车载EPS系统中的双端谐振型SAW扭矩传感器的信号提取与频率估计困难的问题,提出一种新的估算方法。该方法在M-Rife算法的基础上利用Welch算法计算功率谱及最大谱线,代替原有的FFT过程,提高了估计准确性。当估计频率不在规定的中心区域内时,用Quinn算法来判断频移系数进而确定频移方向,而后重新利用Rife算法进行频率估计。仿真和试验结果表明,改进的算法在估计双端谐振型SAW扭矩传感器的频率信号方面具有较好的精度,估计结果明显优于单独使用M-Rife算法,符合EPS系统对扭矩传感器的要求。     

点云模型的匹配点对优化配准

针对传统迭代最近点（ICP）算法在点云存在重叠或部分重叠时,配准误差大且适应性差的问题,提出一种基于匹配点对加权优化的改进配准算法。首先,提出一种改进体素降采样算法对点云进行采样,减少数据量的同时提高算法对噪声的鲁棒性;然后,采用改进Sigmoid函数赋予参与配准的匹配点对不同的权重,克服传统算法忽视距离较小的匹配点对中仍具有错误点对的缺点,同时提高了配准精度和收敛速度;最后,提出一种采用奇异值分解法（SVD）求解配准参数的方法,进一步提高配准精度。设计了不同重叠度的配准实验和噪声实验,并结合曲轴三维点云重建对本文算法进行验证。实验结果表明：本文算法误差较Tr-ICP算法减少了约34.1%,较AA-ICP算法减少了约29%,配准时间较TrICP算法缩短了约16.1%。最终表明本文算法具有更高配准精度的同时,具有更好的适用性和鲁棒性。     

计及负频率的极高频信号离散频谱校正新方法

对于机械振动与故障诊断等领域中常见的极高频(接近奈奎斯特频率)信号,传统的离散频谱校正方法存在着较大误差,负频率成分干涉严重是影响其频谱分析精度的重要因素。为提高极高频信号的频谱分析与校正精度,给出了一种计及负频率影响的离散频谱校正新方法。该方法基于Blackman窗,依据离散频谱的周期性并利用局部谱峰附近的3条谱线,建立包含正负频率贡献的离散频谱校正模型,通过对模型的求解获得频率、幅值和相位校正公式。采用频段内扫描的方式对频谱校正公式进行了仿真验证,结果表明所提方法可有效降低负频率成分对极高频信号频谱的干涉影响,提高其频率、幅值和相位校正精度。