基于经验周期模态单元滤波消除地震波中的汽车震动干扰方法

针对消除地震信号中的汽车震动干扰问题,引入基于经验周期的模态单元滤波模型,提出一种基于经验周期模态单元滤波算法消除地震波中的汽车震动干扰的新方法,并设计天然地震波信号的消噪试验。实验结果表明,新方法比传统的Butterworth方法更好,为地震信号中汽车震动干扰消除提供一种新的思路。     

采用经验周期模态单元滤波方法分离爆破地震信号和天然地震信号

针对爆破地震信号和天然地震信号的分离问题,引入基于经验周期的模态单元滤波方法,提出一种新的爆破地震信号分离算法.实验结果表明,算法可有效分离爆破地震信号和天然地震信号,为地震信号分析提供一种新的思路.     

完全互补小波噪声辅助集总经验模态分解

经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(CEEMDAN)恢复了EMD分解的完整性。在现有分析方法上提出了完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)算法。该算法能用更小的集总数、更少的迭代次数和极小的计算消耗获得更好的光谱分离效果和数目较少的筛选模态。     

自适应滤波与相关滤波在冲击响应信号特征提取中的应用

识别冲击响应信号在模态分析和机械监测诊断研究中具有重要意义。由于噪声成分、工频及其谐波的干扰，机组运行或其他实际信号中的冲击响应信号很弱。这些冲击响应信号的特征也较难提取。选择适当的自适应滤波器参数，应用自适应滤波首先对信号进行预处理，去掉强大的工频及其谐波成分，使信号的信噪比得到很大的提高；然后利用Laplace小波相关滤波法对自适应滤波预处理后的信号进行进一步的处理，提取其模态信息。结果证明，将这两种方法结合后的信号特征提取效果是比较理想的。     

基于粒子滤波的多模态振动信号在线跟踪

针对多模态振动信号的在线监测和跟踪,提出基于随机子空间（SSI）和粒子滤波（PF）算法的仿真振动信号在线监测和跟踪方法。通过SSI算法提取得到振动系统的模态主频和阻尼比,根据振动系统模型模态主频和阻尼比的计算公式,得到系统的状态矩阵和输出矩阵。将计算所得状态矩阵和输出矩阵代入状态方程,利用PF算法进行信号的在线监测和跟踪,实现信号的降噪处理和预测分析。对于大型机械、桥梁等建筑物,对其进行在线监测保障其正常营运对社会经济发展具有深远影响。文中利用SSI算法提取系统的模态参数,进一步构建振动系统的状态矩阵和输出矩阵,并利用PF算法进行信号滤波抑噪和预测,在此基础上可以对结构状态实施在线监测及预警控制,实际大桥斜拉索振动信号测试也表明本文算法可以提供稳定可靠的信号跟踪与预测技术。     

波谱单元法在空间桁架地震响应分析中的应用

摘 要：针对传统波谱单元法（SEM）只能用于求解节点集中荷载作用下结构动力响应问题的不足,提出了一种通过计算地震等效波谱节点荷载求解桁架结构地震响应的方法。基于虚功原理,利用波谱形函数积分得到地震等效波谱节点荷载的显式表达式,通过修改波谱单元法中单元刚度矩阵的波数,考虑了阻尼对结构动力特征的影响,采用数值拉普拉斯（Laplace）变换替换快速傅立叶（FFT）变换,回避了传统波谱单元法中FFT的周期性问题。利用地震荷载等效后的波谱节点荷载对三维空间桁架结构进行地震响应分析,结果表明,采用本文的方法能方便的计算桁架结构的地震等效波谱节点荷载,精确求解结构的地震响应,与传统有限元法（FEM）相比,大大减少计算单元数量,提高计算精度,且便于编程计算。     

一种新的窄带信号去噪方法仿真分析

采用基于线性组合器的一种谱线增强算法,对窄带振动信号进行消噪处理。针对传统自适应谱线增强算法的不足,本文提出一种输出反馈的LMS算法,将滤波器输出的历史信息与线性组合器的输出加权后迭加,构成新的滤波器输出,从而构成新的滤波算法。利用MATLAB仿真了该新型组合滤波器消噪效果,仿真分析中将该消噪方案用于仿真信号实际采集的信号。通过仿真验证,新算法的去噪性能优于原来算法。     

基于经验模态分解的载货汽车载荷动态检测策略研究

针对载货汽车载荷动态检测问题,仿真分析了汽车不同车速和载荷状态下悬架的动态特性。基于车辆载荷与悬架变量的关系,设计了一种高精度带过载保护的汽车载荷动态检测装置,采用经验模态分解法（Emprical Mode Decomposition,EMD）构建了汽车载荷动态检测装置数据处理算法。以解放赛龙Ⅱ载货汽车为试验车、MC9S12XEP100单片机为车载终端构建了车辆载荷动态检测试验平台,并对系统进行了静态标定和动态检测试验。试验结果表明：该装置在试验车车速为40和60km/h、装载量分别为空载、半载和满载状态下对车辆总重检测结果误差均小于5.0%;车速为90km/h、相同装载量状态下,检测结果误差分别为3.12%,7.616%和6.75%;由此可见,随着试验车速增大,该装置对车辆载荷动态检测精度波动范围增大,但是总体满足工程的实际需求,它为车辆载荷动态实时检测提供了一种新方法。     

基于HHT方法的爆破地震信号分析

在介绍HHT(Hilbert HuangTransform)理论的基础上,结合现场测试,将这种理论引入到爆破地震信号分析中。HHT方法主要通过经验模式分解方法将信号分解成有限的固有模态函数,并对每个固有模态函数进行Hilbert变换从而得到Hilbert谱。经过FFT、小波谱对比分析,结果表明:在爆破地震信号分析中,利用经验模式分解不需要固定的基函数,可将原始信号分解为少量的、频率自高至低排列的固有模态函数,分解过程具有自适应性、高效性;再通过Hilbert变换所得的谱图能清晰地反映原始地震信号能量随时间、频率的分布。HHT法能有效地提取爆破地震信号的主要特征,更能适应信号突变快、衰减快的特征,为进一步认识爆破地震波的传播机理、破坏原因和危害判据的确定提供了新的途径。     

遥测振动信号单通道盲源分离自适应滤波幅度校正方法

针对基于经验模态分解(empirical mode decomposition,EMD)和独立分量分析(independent component analysis,ICA)的单通道盲源分离幅度不确定性问题,根据最小失真准则提出了一种自适应滤波幅度校正方法。利用EMD将单通道信号分解为一系列本征模态函数(intrinsic mode function,IMF),依据对数坐标下的边际谱分布确定单通道信号包含的独立分量数目。选择对应的IMF组合作为观测信号分量,利用ICA完成分离。根据分离信号数目确定横向滤波器阶数,并将分离信号作为滤波器的输入信号分量。利用滤波器输出和原始单通道信号设计目标函数,自适应调整滤波器系数使算法完成收敛,算法收敛后的滤波器权系数即为对应分离信号的幅度校正系数。仿真及飞行器试验遥测振动信号的处理结果证明在EMD-ICA基础上,该方法可准确得到信号各分量的幅度信息,为遥测振动信号进行时域统计及时频分析中能量检测提供了有效技术途径。     

FastICA算法在低信噪比爆破振动信号信噪分离中的应用研究

传统信噪分离方法对低信噪比爆破振动信号的细节提取能力变弱或近乎失效,因此,提出应用快速独立分量分析(FastICA)方法对信号中的独立分量进行非高斯性度量以完成含噪信号的信噪分离。结合数值仿真算例及实测信号分离试验,验证了FastICA用于爆破振动信号信噪分离的有效性,结果表明,FastICA可以准确地从信噪较低的含噪信号中,分离出贴合源信号的逼近信号,从而为将FastICA引入到爆破振动信号分析领域,实现爆破振动特征的快速提取提供了借鉴。     

基于LSM-Kalman滤波器的湍流噪声抑制

针对大气湍流效应所引起的光无线通信系统中的衰落问题,建立了与大气湍流噪声及其它加性噪声有关的信号模型。根据最大似然比准则,推导了强度调制/直接探测(IM/DD)的光无线通信系统的最佳判决门限。采用线性状态模型的自适应Kalman滤波器和同态滤波器实现了对探测门限中所含信号和湍流的统计值的预测,可以在不同的信噪比条件下实现自适应门限检测,对大气湍流噪声有很好的抑制作用,信噪比在10~20dB时,可以降低系统的误码率到10-5以下。     

基于通用切比雪夫滤波器的有源噪声控制研究

针对前馈管道非线性有源噪声控制系统,提出一种基于通用切比雪夫滤波器的次级通道建模方法和通用切比雪夫滤波x最小均方误差算法(GCFXLMS,general Chebyshev filtered-x least mean square)。通用切比雪夫滤波器由第一类切比雪夫滤波器扩展获得,交叉项部分可通过对角结构实现,根据对角结构的性质,可以采用减少通道信号的实现策略以降低结构复杂度;使用该滤波结构建模次级通道,并给出了稀疏虚拟次级通道模型,基于此模型推导了GCFXLMS算法。该方法性能比较包括计算复杂度对比和控制效果对比。实验结果表明,在非线性有源噪声控制系统中,通用切比雪夫滤波器可达到与Volterra次级通道建模类似的建模效果,相比于传统的前馈滤波器,通用切比雪夫滤波器具有更优的控制性能。     

基于PXI的水下目标辐射噪声和信号模拟器

文中以宽带和多目标信号为模型,在虚拟仪器开发环境LabWindows/CVI下,设计和开发了基于PXI总线的水下目标模拟器。目标模拟器产生24阵元平面水声基阵的接收信号,在实验室里模拟海洋环境下的目标回波、混响和环境噪声,提供测试水声设备所需的各种目标信号。最后给出了该系统在水声自导系统调试和性能测试应用中的结果。     

小波分析的信号滤波处理

本文对小波分析以及小波分析在动态测试信号的滤波方面的应用原理做了概括,给出了对测试信号进行傅立叶分析和小波分析的滤波结果.     

小波分析的信号滤波处理

本文对小波分析以及小波分析在动态测试信号的滤波方面的应用原理做了概括,给出了对测试信号进行傅立叶分析和小波分析的滤波结果.     

基于改进EMD与形态滤波的齿轮故障特征提取

针对齿轮故障特征往往被强背景噪声淹没的问题,提出一种改进EMD与形态滤波相结合的齿轮故障特征提取新方法。首先采用开－闭、闭－开级联而成的组合形态滤波器对原始故障信号进行消噪处理,然后通过EMD方法将包含在齿轮故障信号中的各个频率族信号分离,再采用互信息方法消除传统EMD分解结果中包含的虚假分量,最后利用分解得到的各阶固有模态函数为单一分量调制信号的特点,通过差值形态滤波的方式对分量信号进行解调以提取故障特征。齿轮故障实验信号的研究结果表明：该方法可有效的提取齿轮故障特征信息并抑制噪声,而且能够取得比传统包络解调分析更好的效果。     

Flexural traveling wave excitation based on shear-shear mode

This paper presents a new mechanism for circular flexture traveling wave excitation, which is based on a shear-shear mode in a single piezoelectric disc with a center hole was poled along its radial direction. Its bottom electrode was divided into four parts, and the top electrode acted as common ground. By use of a pair of alternating current (AC) voltage signals (sine and cosine), at the disc's resonance frequency, a flexural traveling wave was generated circumferentially. Both finite element modeling (FEM) analysis of transducers by integration of Laplace equations (ATILA) analysis and experimental results demonstrate the concept. As an application example, a shear-shear mode prototype was constructed and characterized.     

Neural filtering of colored noise based on Kalman filter structure

In this paper, adaptive filtering approaches of colored noise based on the Kalman filter structure using neural networks are proposed, which need not extend the dimensions of the filter. The colored measurement noise is first modeled from a Gaussian white noise through a shaping filter. The Kalman filtering model of colored noise is then built by adopting an equivalent observation equation, which can avoid the dimension extension and complicated computations. An observation correlation-based algorithm is suggested to estimate the variance of the measurement noise by use of a single layer neural network. The Kalman gain can be obtained when a perfect knowledge of the plant model and noise variances is given. However, in some cases, the difficulties of the correlative method and the Kalman filter equations are the amount of computations and memory requirements. A neural estimator based on the Kalman filter structure is also analyzed as an alternative in this paper. The Kalman gain is replaced by a feedforward neural network whose weight adjustment permits minimization of the estimation error. The estimator has the capability of estimating the states of the plant in a stochastic environment without knowledge of noise statistics. If the noise of the plant is white and Gaussian and its statistics are well known, the neural estimator and the Kalman filter produce equally good results. The neural filtering approaches of colored noise based on the Kalman filter structure are applied to restore the cephalometric images of stomatology. Several experimental results demonstrate the feasibility and good performances of the approaches.     

基于Volterra自适应滤波器的发动机运转噪声预测

摘 要：发动机运转噪声的预测对于减小发动机运转噪声干扰、提高发动机异响故障诊断正确率具有重要意义。基于相空间重构理论,采用三阶Volterra自适应滤波器,提出了两种分别采用双传感器、单传感器的发动机运转噪声建模与预测方法。所提方法有效利用了Volterra级数强大的非线性映射能力,充分考虑了发动机运转噪声内在的循环相关性、周期及相位信息等先验知识。试验结果表明,所提方法具有较好的鲁棒性,其精度可以满足实际应用要求。