微震信号FIR–小波联合滤波算法及应用

固定频率干扰和背景噪声是严重影响深部岩石工程岩爆灾害微震监测与预警的难题。为解决这一难题,充分利用经典FIR(finite impulse response)带阻滤波器擅于处理固定频率噪声信号的优势,对干扰进行滤除;针对小波阈值去噪方法存在的不足,提出无偏估计小波阈值去噪方法,解决了小波阈值去噪方法滤除噪声时阈值难以准确确定的难题;对FIR带阻滤波器及提出的无偏估计小波阈值去噪方法进行有机融合,提出微震信号FIR–小波联合滤波算法,并研发了FIR–小波联合滤波模块。利用加噪后的合成正弦信号和微震信号对提出的算法进行验证,结果表明不同信噪比条件下,提出的算法具有较好的滤波效果,且具有良好的鲁棒性。巴基斯坦NJ水电站引水隧洞TBM施工过程中,强环境噪声干扰条件下应用结果表明:提出的算法提高了P波拾取的精度和岩石破裂信号的定位精度,为岩爆的预警与防治提供有力支撑,具有重要的理论与实际意义。     

自适应神经网络滤波技术检测管道泄漏的应用

对基于Adaline神经网络的自适应滤波器进行了分析,并将其应用于延时估计检测技术,利用该神经网络滤波器消除管道泄漏检测信号中的干扰噪声,达到准确定位漏点的目的,采用MATLAB语言对该滤波系统进行了描述和仿真,仿真结果表明,该方案有效地消除检测信号中外界干扰噪声,为检漏系统检测出准确的泄漏点提供了有力的保证.     

基于小波分析的电气火灾微弱信号检测研究

针对在探测电气火灾微弱的电流信号时传统的微弱信号检测算法或原理的局限性,在分析了小波变换信噪分离原理的基础上,提出了将小波分析与自适应滤波相结合的算法.通过小波分析对被检测的微弱电流信号的分解,为每个子带滤波器单独设计阈值,实现了从强噪声信号中提取微弱的表征电气火灾的电流信号.并通过仿真的结果验证了本算法的可行性和可靠性,为探测微弱电流信号从而实现早期电气火灾探测预报提供了新的探测依据和方法.     

基于FPGA的多通道带通滤波器设计

采用MATLAB的Simulink工具箱中的带通滤波器模块,对滤波器性能进行软件仿真,并利用滤波器设计与分析工具箱FDATool设计可直接在FPGA中综合的Verilog HDL代码。以机械碰撞产生的声发射信号为原始数据,测试表明:多通道不同频段范围的带通滤波器对输入信号的滤波效果存在显著差异,为信号分析处理选择出最佳滤波频段,极大提高了测控系统精确性。     

带有多随机观测时滞系统的最优满阶滤波器

研究了带有多随机观测时滞系统的满阶滤波器设计问题。利用一组服从Bernoulli分布的白噪声序列来描述具有时间戳的随机滞后的观测。采用射影理论,提出了线性最小方差最优满阶Kalman滤波器,与基于概率的滤波算法相比具有更高的精度。仿真实例验证了该算法的有效性。     

一种修正的Goldstein干涉图滤波方法

干涉图的相位噪声是相干性和视数的函数。因此,一个好的干涉图滤波器应同时考虑相干性和视数的影响。本文对在干涉图滤波中广泛应用的Goldstein滤波器进行改进,通过视数的引入,对滤波器的滤波参数进行修正,大大增强了滤波的自适应性。模拟数据和真实数据的验证说明新的滤波器在滤波效果上有明显的改善,具有更好的稳健性。     

带有色观测噪声的多传感器协方差交叉融合Kalman滤波器及其精度分析

对于带有色观测噪声、公共干扰噪声和量测偏差的多传感器线性定常系统,应用协方差交叉融合估计算法,提出批处理协方差交叉融合(BCI)稳态Kalman滤波器和序贯协方差交叉融合(SCI)稳态Kalman滤波器,此方法可避免计算局部滤波误差互协方差,减小计算负担。特别,相比于每个局部滤波器的精度,所提出的协方差交叉融合Kalman滤波器的精度高。通过引入协方差椭圆给出了协方差交叉融合滤波器精度关系的几何解释。为了验证理论精度关系的正确性,最后给出一个跟踪系统Monte-Carlo仿真例子。     

信噪比后滤波与特征空间融合的最小方差超声成像算法

为了提高超声成像空间分辨率和对比度,提出了一种信噪比后滤波与特征空间融合的最小方差波束形成算法。首先,利用信号子空间划分将最小方差算法得到的权矢量投影到信号子空间中提高成像对比度,然后基于信号相干性设计滤波系数,并引入基于信噪比的噪声加权系数,最终得到融合信噪比后滤波与特征空间的最小方差算法。为验证本算法的有效性,使用FieldⅡ对点目标和吸声斑目标进行了仿真实验验证,并采用密歇根大学geabr_0实验数据进行成像。实验结果表明:所提算法在对比度和分辨率上均有所提高,明显优于传统延时叠加算法,最小方差算法和ESBMV_wiener算法,且对噪声具有较强鲁棒性。     

一种微伏信号滤波放大电路的设计

为了解决噪声对微伏级信号的干扰,便于提取有用信号和提供后级处理,提出一种微伏信号滤波放大电路方案。系统主要由放大、滤波及隔离输出三部分组成。经验证:电路放大增益高,对10μV以上信号放大效果良好,避免了信号失真,以及高频噪声和50Hz市电的干扰,可满足后级采集电路的信号输入要求。     

采用ARUKF算法的电力系统动态状态估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法进行电力系统状态估计时容易受到系统噪声和量测粗差影响的缺点,提出了一种新的自适应抗差无迹卡尔曼滤波(adaptive robust unscented Kalman filter,ARUKF)算法来改善估计过程中系统的稳定性。通过添加Sage-Husa噪声滤波器和抗差估计器,提高了未知噪声情况下系统的适应性及量测粗差情况下系统的滤波处理性能。实验结果表明,所提出的ARUKF方法与传统的UKF方法相比,在收敛速度基本不变的情况下,解决了滤波过程中系统噪声未知导致的估计精度下降问题,在系统存在粗差时具有更好的鲁棒性。