基于随机共振的微弱高频CW信号检测技术研究

针对强噪声背景下基于时频分析的高频CW信号检测算法性能严重下降,提出一种基于非线性双稳随机共振的微弱CW信号检测方法。该方法将CW信号调制到低频端,借助随机共振模型进行滤波,再进行WVD变换与Hough变换,从而将CW信号的检测问题转换为参数空间 (ρ,θ)的峰值检测问题。实验结果表明,该方法能够在强噪声背景下有效提取CW信号,可用于指导高频CW电报自动接收设备的研制。     

Luenberger鲁棒故障检测观测器的设计

为了实现故障检测，在传统的Luenberger观测器的基础上，提出了一种Luenberger鲁棒故障检测观测器的设计方法及-H应的故障检测算法，并给出了在干扰存在的情况下，实现鲁棒故障检测观测器设计的充分必要条件．利用此观测器可以实现系统中带有确定性过程噪声的故障检测，且该鲁棒故障诊断观测器主要针对执行器故障的检测．仿真结果表明，该观测器可以克服噪声影响，实现鲁棒故障检测．     

基于类Lorenz的微弱信号检测及其电路实现

传统的微弱信号检测方法,其输入信号的信噪比难以降低,受到一定限制。而基于混沌理论的微弱信号检测可以改善上述不足,达到极低的输入信噪比,提高检测精度。用一种新的混沌系统来检测微弱信号,根据特定混沌系统对于参数敏感而对噪声免疫的特性,利用双参数控制方法,构造了一种类Lorenz系统的微弱信号检测模型,结合中低频微弱周期信号检测对模型进行了理论分析和数值仿真。根据理论模型设计制作了混沌检测电路,实验结果与理论分析基本吻合,实现了利用电路从噪声背景中检测出微弱的中低频周期信号。     

基于新的小波变换的去噪方法

本文系统地分析了传统连续小波变换的缺陷.传统连续小波变换的逆变换中,积分变量是彼此独立的.只有当积分变量有联系时,相应的数值积分才具有高分辨特性,并且在逆变换中,积分变量出现在被积函数的分母上,这样会影响数值积分的精度,阻碍了连续小波变换的应用.为此构造了一种新型的连续小波变换,不论对积分变量如何剖分,任何一种数值积分方法都具有高分辨特性,且积分变量不出现在被积函数的分母上,进而给出了相应的数值解法.最后,给出了基于新型连续小波变换的滤波方法,对同时带有白噪声和脉冲噪声的信号进行处理.无需噪声的先验知识,就可以彻底地去除信号中白噪声和脉冲噪声,重建原有信号,与传统的小波去噪方法比较,可获取更高的信噪比.     

多重自相关函数在微弱正弦信号检测中的应用

研究了一种用于微弱正弦信号检测的新方法,该方法利用了正弦函数的特殊性质,在信号未知的情况下,通过多次自相关运算成功的检测出埋没于强大噪声中的微弱正弦信号．分别讨论了多重自相关法在白噪声背景下、有色噪声背景下,单一正弦信号、多个正弦信号等情况的检测效果,并给出了具体的仿真结果,此方法在频率测量中具有极高的准确性;在幅度测量上,精度略低,但通过多次测量取平均值,仍可达到预期的精度．与以往的弱信号时域处理方法比较,多重自相关检测方法具有理论推导简单、物理意义明确等特点,应用前景广泛。     

基于duffing方程组的微弱正弦信号参数检测

本文将非线性混沌振子用于微弱正弦信号检测,将深陷在噪声背景下的微弱正弦信号检测出来。基于Duffing振子的混沌运动,利用系统发生间歇混沌现象的频差条件和相位差对于系统特性的影响,采用混沌振子阵列实现对噪声背景下微弱信号的检测,提出了改进的频率、相位、幅值检测方法。     

新型混沌振子检测微弱光电信号幅值研究

目前常用的混沌振子检测微弱光电信号幅值的方法还是局限在传统的Duffing方程上,但由于其结构简单,其动态特性具有一定的局限性.在详细研究典型混沌振子动态特性的基础上,将复杂的Lorenz混沌方程和R(o)sslor混沌方程应用到强噪声背景下微弱光电信号幅值检测中,旨在探索检测微弱光电信号幅值的新方法,仿真结果验证了该检测方法的有效性.     

一种新的红外探测方法

红外探测过程中,信号经过长距离传播和衰减常淹没于噪声,如何检测这种微弱信号,并同时满足精度高、实时性好的要求,成为红外探测微弱信号的关键．提出了一种新的基于全相位快速傅立叶变换（allphasefastFouriertransfoliB,简称ap—FFT）算法的微弱信号检测及其复原方法．在频谱分辨率较低的情况下,通过循环移位叠加的归一化ap—FFT算法,将有泄漏的信号频谱复原处理成近似无泄漏,从而实现准确、快速获取移频参数．新方法与传统的FFY算法相比。兼顾了微弱信号检测中精度高、实时性好的双重要求．利用Matlab进行性能仿真分析和比较,证明所提出的检测方法有效、可行,为红外探测信号提取提供了方法依据．     

基于混沌振子的微弱信号测频研究

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.基于混沌现象发生随模型参数变化的间歇性,提出了一种强背景噪声下的微弱信号频率的测量方法.     

微弱直接序列扩频信号Duffing振子检测方法研究

Duffing系统对特定信号敏感及对噪声免疫的特性,使其在微弱信号检测中具有潜在应用。该文针对Duffing振子的分岔问题,通过对Duffing系统Feigenbaum行为的分析,导出了在微弱直接序列扩频信号检测中Duffing系统所表现出的间歇性混沌行为,提出了一种新的基于间歇性混沌行为的微弱直扩信号检测方法。通过仿真实验,验证了该方法的有效性。     

微弱光电信号的检测与采集

针对光电倍增管接收微弱光电信号的检测问题,研究了基于H7712光电倍增管的微弱光电信号的检测与采集方法,研究光电检测技术原理,分析影响微弱检测信号的因素;利用高响应、低噪声OPA686设计信号放大处理电路,采用12位高精度A／D转换器设计信号采集电路．实验结果表明：本设计的电路可以对微弱光信号进行放大处理,响应的输入信号频率可以达到100kHz,可以探测到大于3mV以上的光信号．     

复杂背景噪声下风机叶片裂纹故障声学特征提取方法

针对大型风机叶片裂纹故障声学诊断问题,提出一种非接触式的叶片状态远程在线声学监测系统,给出了叶片裂纹故障的声学特征自适应提取方法.首先设计了面向复杂环境噪声的原始声信号预处理算法,然后采用1/6倍频程粗略刻画叶片声信号的频谱总体变化趋势,提取无量纲的倍频程能量比构造支持向量机分类器的输入特征向量,最后引入主成分分析法自适应的优化高维特征空间.风场实测数据验证了该算法的有效性.     

基于空域滤波的核RX高光谱图像异常检测算法

核RX算法将原始高光谱数据通过非线性映射到高维特征空间进行处理,具有很好的非线性异常检测性能,但当背景数据中混入异常点后背景核矩阵将发生退化,使得漏检率上升.针对此问题,该文提出一种基于空域滤波的核RX算法,利用高光谱图像同一波段相邻像素的空间相关性,采用分波段空域滤波的方式优化背景数据的分布,抑制了异常数据对背景的干扰,构造更加符合背景分布的核矩阵,有效提高检测概率的同时降低了虚警概率.通过试验模拟数据和真实AVIRIS数据的测试检验,说明该算法性能优于传统RX算法以及核RX算法.     

Speech-stream detection in short-wave channel based on empirical mode decomposition and higher-order statistics

To capture the presence of speech embedded in nonspeech events and background noise in short-wave non-cooperative communication,an algorithm for speech-stream detection in noisy environments is presented based on Empirical Mode Decomposition (EMD) and statistical properties of higher-order cumulants of speech signals.With the EMD,the noise signals can be decomposed into different numbers of IMFs.Then,the fourth-order cumulant (FOC) can be used to extract the desired feature of statistical properties for IMF components.Since the higher-order cumulants are blind for Gaussian signals,the proposed method is especially effective regarding the problem of speech-stream detection,where the speech signal is distorted by Gaussian noise.With the self-adaptive decomposition by EMD,the proposed method can also work well for non-Gaussian noise.The experiments show that the proposed algorithm can suppress different noise types with different SNRs,and the algorithm is robust in real signal tests.     

一种基于天线阵列冗余的跳空物理层安全方法

当窃听者天线数不少于发送者时,基于信道零空间人工噪声的物理层安全方法将失效。针对这一问题,提出了一种基于天线阵列冗余的跳空物理层安全方法。该方法将人工噪声和跳空相结合,每次发射信号时发送者通过跳空图样快速切换信道,同时在相应信道的零空间内加人工噪声,接收者根据跳空图样选择相应信道接收解调,而窃听者接收信号与人工噪声叠加在一起无法解调。仿真结果表明,当接收端使用不少于两根天线接收时,采用文章方法可使窃听者的误比特率接近0.5,而合法接收者不受影响。     

低信噪比下多相码信号检测与参数估计方法

针对低信噪比下多相码信号的检测与参数估计问题,提出了基于扩展 Wigner-Hough 变换(WHT)的多相码信号检测与参数估计方法。该方法依据多相码信号在 Wigner-Ville 分布(WVD)中表现为多条平行脊线的特点,通过改进 WHT的核函数,累积了多相码信号 WVD的多条脊线能量,在完成信号检测的同时,估计出多相码信号的调制参数。理论分析和仿真实验结果均表明,该方法能够在较低信噪比下完成多相码信号的检测和参数估计,且不受编码类型的影响。     

MCKD-Teager能量算子结合LSTM的滚动轴承故障诊断

为解决滚动轴承故障时产生的信号具有强背景噪声而导致弱周期冲击特征难提取,以及在对轴承故障模式进行智能诊断时一般的诊断模型对故障振动信号的时序特征识别效果不强这两大问题,提出一种基于最大相关峭度解卷积(MCKD)、Teager能量算子和长短期记忆网络(LSTM)的故障诊断方法。使用MCKD算法对滚动轴承振动信号进行降噪处理,提取出信号中被噪声掩盖的周期冲击特征,并利用Teager能量算子检测信号的瞬态冲击,得到Teager能量序列;将结果分为训练集和测试集,将训练集输入到建立的LSTM故障诊断模型中进行学习,不断更新网络参数并提取出时间维度的特征信息;将训练好参数的LSTM模型应用于测试集,输出故障诊断结果。实验结果表明,提出的方法以端到端模式可以一次性诊断多种类型、尺寸的故障,具有很高的识别精度,是一种可以有效利用强背景噪声信号中时序特征的故障诊断方法。     

基于均值漂移的非线性尺度空间滤波

为解决均值漂移滤波核带宽的选择问题,分析了均值漂移和尺度空间滤波的关系,指出当采用正态核函数时,均值漂移是一种基于高斯尺度空间滤波的聚类方法。由此提出了一种基于均值漂移的非线性尺度空间滤波方法,其性能仅取决于空域的核带宽的选择,在每个采样点处根据信号的局部特征自适应选取幅度域的核带宽。该方法克服了均值漂移滤波存在块状效应的缺点。实验结果表明,该方法的整体性能优于均值漂移滤波、高斯滤波和中值滤波。     

Anomaly detection of hot components in gas turbine based on frequent pattern extraction

Hot components operate in a high-temperature and high-pressure environment. The occurrence of a fault in hot components leads to high economic losses. In general, exhaust gas temperature(EGT) is used to monitor the performance of hot components.However, during the early stages of a failure, the fault information is weak, and is simultaneously affected by various types of interference, such as the complex working conditions, ambient conditions, gradual performance degradation of the compressors and turbines, and noise. Additionally, inadequate effective information of the gas turbine also restricts the establishment of the detection model. To solve the above problems, this paper proposes an anomaly detection method based on frequent pattern extraction. A frequent pattern model(FPM) is applied to indicate the inherent regularity of change in EGT occurring from different types of interference. In this study, based on a genetic algorithm and support vector machine regression, the relationship model between the EGT and interference was tentatively built. The modeling accuracy was then further improved through the selection of the kernel function and training data. Experiments indicate that the optimal kernel function is linear and that the optimal training data should be balanced in addition to covering the appropriate range of operating conditions and ambient temperature. Furthermore, the thresholds based on the Pauta criterion that is automatically obtained during the modeling process, are used to determine whether hot components are operating abnormally. Moreover, the FPM is compared with the similarity theory, which demonstrates that the FPM can better suppress the effect of the component performance degradation and fuel heat value fluctuation. Finally, the effectiveness of the proposed method is validated on seven months of actual data obtained from a Titan130 gas turbine on an offshore oil platform. The results indicate that the proposed method can sensitively detect malfunctions in hot components during the early stages of a fault, and is robust to various types of interference.