Levy噪声下一阶线性系统的弱信号复原分析

将Levy噪声与一阶线性随机共振SR系统相结合,采用Levy噪声模型和弱正弦信号模型,研究了不同Levy噪声环境下的调参广义随机共振现象及弱信号复原。首先分析了Levy噪声的特征指数α、对称参数β以及强度系数D对输入信噪比的作用规律;然后探究了不同分布的Levy噪声环境下一阶线性系统结构参数a的广义随机共振现象;最后提出了Levy噪声激励下线性系统高低频弱信号复原方法;研究结果表明:输入信噪比随α单调递增,随μ变化甚微,随D单调递减到一定程度后,不再减小保持定值;在Levy噪声作用下的一阶线性系统不能产生传统意义上的随机共振现象,但却存在互相关系数随结构参数a非单调变化的广义随机共振现象;在信号复原过程中,理论分析与实际仿真结果一致,证明所提复原方法准确可行,复原效果理想     

强噪声背景下的微弱直流信号的主要检测方法研究

微弱直流信号普遍存在于人类生活中,随着科学的发展,微弱直流信号的测量在物理学、医学、电化学等诸多方面都有很多应用.因此介绍了微弱直流信号测量系统中通常存在的各种噪声的特点和对信号测量的影响,并介绍了现今微弱直流信号测量的主要研究方法及其特点.     

自适应随机共振技术在微弱信号测量中的应用

本文将随机共振原理应用于噪声背景中的微弱信号检测作为研究对象,对双稳态非线性系统进行了随机共振参数自适应调节方法的研究。在此基础上,设计了基于参数调节的双稳态随机共振及其自适应控制的硬件电路系统,并提出了基于本电路系统的一种简单的自适应算法,完成了计算流程及其程序的编写。通过输入模拟工程实际的带噪信号,输出信噪比（SNR）得到了明显提高,验证了此方法用于微弱信号检测的有效性。     

随机共振及其应用于弱信号检测的研究

介绍随机共振的概念以及随机共振的发展历程,并描述其基本原理.针对实际应用中的大参数情况,介绍非经典的随机共振理论及实验台数据分析效果,对现有的随机共振在故障诊断中的实际应用进行总结.     

强噪声背景下微弱冲击信号的检测

针对机械环境噪声具有随机脉冲性以及传统测量指标对机械故障冲击信号识别不足的问题,提出了利用Levy噪声作为背景噪声,以峭度指标和互关联系数构造的峭度-互关联(kurtosis-intercorrelation,简称KI)联合指标作为冲击信号检测的新衡量标准,对非对称双稳态系统中冲击信号的检测进行了研究。首先,在理论上分析了Levy噪声驱动下非对称双稳态系统中粒子的跃迁密度函数和KI的构造方法;其次,研究了Levy噪声特征指数α为1.5时,系统输出KI值分别跟随系统参数a和非对称因子C的变化趋势;最后,将该方法应用到了工程实际机械故障冲击信号的检测之中。仿真与实验研究结果表明,与峭度指标作为冲击信号检测依据相比,KI可使系统输出的信号特征幅值提高一倍以上;系统输出KI值随C呈现先增大后减小的趋势,非对称因子C为0.54时,系统输出KI值比C为0时提高了7.02%。工程实例数据证明,该方法能够有效提取故障信号的时域和频域特征信息,可应用到实际机械故障的检测中去。     

基于随机共振的任意大频率微弱信号检测方法研究

通用非线性随机共振系统(参数a=1,b=1)在检测微弱信号时受小频率参数和弱信号幅度的约束,给实际应用带来了很大困难.针对这一情况,提出了一种能够检测大频率微弱信号的随机共振检测方法,通过调整系数k改变非线性参数6,使输入弱信号满足共振幅度要求;调整系数R改变非线性参数a、6,将共振频率提高R倍,从而实现了大频率微弱信号的随机共振.通过理论分析和数值仿真,研究了系数k和R的调整方法、步长等,构建了一种可实现的大频率微弱信号检测方法.     

基于IQGA和SR的微弱信号检测方法研究

量子遗传算法(Quantum Genetic Algorithm, QGA)是量子计算与遗传算法相结合的产物,避免了遗传算法的一些缺陷。但QGA的编码方案和演化策略不具备通用性,因此极易陷入局部最优。针对QGA的上述缺陷,提出了一种在量子门更新的过程中,加入量子的交叉和变异操作的改进的QGA（Improved QGA, IQGA）,且适当的改变旋转角的大小,保证收敛速度的同时提高了精度。随机共振（Stochastic Resonance, SR）是常用的微弱信号检测方法之一,将二者相结合,利用IQGA优化SR系统参数,实现SR最优输出的自适应求解。仿真结果表明,改进的量子遗传算法收敛速度快、寻优能力强。将该方法应用于工程实际,亦取得良好的效果。     

强噪声背景下的滚动轴承故障微弱信号检测新方法

分析共振解调技术和小波变换在滚动轴承故障诊断中存在的不足,提出一种用于提取滚动轴承微弱信号的新方法,该方法将时间序列模型(AR模型)和多重自相关方法应用于滚动轴承信号降噪,再利用小波包络分析,提取出反映滚动轴承故障的特征频率。通过对新方法包络谱特征的自动提取,实现了基于支持向量机(SVM)的智能诊断。实际试验验证了新方法的正确有效性。     

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。     

基于BP神经网络的噪声背景下的信号识别

从测试工程技术的实际出发，利用BP(Back Propagarion)神经网络算法，对噪声背景下的信号识别进行了探讨。并通过训练和测试网络，证明该方法用于噪声背景下的信号识别是有效的。     

基于随机共振原理的大频率微弱信号检测方法研究

针对直接利用随机共振原理不能有效地检测出大频率微弱信号的问题,提出了利用混频器的频谱搬移特性,将待测的大频率信号和信号发生器产生的信号混频,从而使大频率信号转化为小频率信号,然后再加入非线性双稳态系统,对此方法进行了理论上的研究并设计出了混频随机共振电路系统。研究结果表明,基于此方法设计的电路能有效地检测出大频率微弱信号。     

基于随机共振原理的中低频信号检测方法与电路设计

大量研究表明,对于满足绝热近似理论的所谓小参数信号,利用随机共振特性可以实现被测信号中噪声能量向周期性有用信号能量的跃迁,从而增强信号输出的信噪比.针对在机械故障中常见的难以实现随机共振的中低频周期信号,利用信号调制特性,将其变换为可满足绝热近似理论的小参数信号,从而实现了基于随机共振原理的微弱信号检测.在此基础上,设计出了混频随机共振电路系统,利用混频器将待测信号与扫描信号发生器产生的信号作选频处理,然后输入非线性双稳态系统实现基于随机共振的检测.模拟实验结果表明,该电路系统能够实现随机共振并从噪声背景中检测出微弱的中低频周期信号.     

Extended stochastic resonance (SR) and its applications in weak mechanical signal processing

To catch symptoms of machine failure as early as possible, one of the most important strategies is to apply more progressive techniques during signal processing. This paper presents a method based on stochastic resonance (SR) to detect weak fault signal. First, a discrete model of a bistable system that can demonstrate SR is researched, and the stability condition for controlling the selection of model parameters of the discrete model and guarantee the solving convergence are established. Then, the frequency range of the weak signals that the SR model can detect is extended through a type of normalized scale transformation. Finally, the method is applied to extract the weak characteristic component from heavy noise to indicate the little crack fault in a bearing outer circle.     

基于Lorenz系统的微弱谐和信号检测

基于非共振参数激励混沌抑制原理,利用受控Lorenz系统实现强噪声背景下微弱谐和信号的检测。根据检测系统经平均法和重整化方法处理后的参数等效关系,确定使系统动力学行为由周期轨道突变为稳定平衡点的检测参数临界值。仿真结果表明此系统可以准确检测出强噪声背景下的微弱谐和信号。相比于现有的混沌振子检测方法,此方案可由理论分析得到参数阈值的准确范围,且判决准则简单,有利于实现自动检测。     

Study on multi-frequency weak signal detection method based on stochastic resonance tuning by multi-scale noise

In practical engineering applications, useful information is often submerged in strong noise and the feature information is difficult to be extracted. Aimed at the detection problem of multi-frequency signal under colored noise background, a novel weak signal detection method based on stochastic resonance (SR) tuning by multi-scale noise is proposed. Firstly, noisy signal is processed by orthogonal wavelet transform to decompose the signal into multi-scale ingredients. According to the orthogonal wavelet transform coefficients characteristics of 1/f distribution, multi-scale noise is constructed so as to make the frequency-band containing the driving frequency be enhanced through SR system. Thus multi-frequency weak signal is detected. The method is effective to detect multi-frequency weak signal under colored noise background. Experiment signal analysis results show that the proposed method is simple for multi-frequency weak signal detection, and has good prospects for engineering applications.     

混沌背景中微弱谐波信号检测的SVM方法

为了提高混沌背景下的微弱谐波信号检测能力，提出了一种提取混沌背景中微弱谐波信号的支持向量机（support vector machines，SVM）方法。该方法的突出特点是针对小样本或嵌入维数未知的情况，建立混沌噪声的一步预测模型，抑制噪声对混沌背景信号预测的影响，起到预滤波作用，然后从预测误差中提取微弱谐波信号。实验结果表明，该方法具有比传统RBF神经网络预测方法更强的稳健性和泛化性，在信噪比（SNR）为-47．931dB时仍可检测出强混沌中的微弱谐波信号。     

微弱信号的混沌检测系统设计

以混沌系统的参数敏感性和符号动力学为基础，设计了一个微弱信号检测装置，研究了相应的电路实现方法，给出了单元电路分析和实验结果，结果表明利用混沌实现弱信号检测的可行性。     

锁定放大微弱信号检测仿真与设计研究

为解决商用锁定放大器不便于特定应用背景下微弱信号检测系统的灵活扩展与剪裁,该文分析了正交锁定放大的基本原理,建立了正交锁定放大的MATLAB/SIMULINK数学模型,展示了锁定放大所能达到的性能以及数字信号处理对锁定放大性能的改善效果。给出了正交锁定放大检测装置的硬件设计过程,包括前端信号调理电路、移相电路、相敏检测电路、低通滤波电路、均方值电路及数字显示电路等。仿真表明,在高斯噪声影响下,微弱信号检测可以达到较高的检测精度,且通过滑动平均值滤波算法可以有效提高检测的精度。实验研究表明,在噪声信号峰峰值为10 V情况下,可以将50 m V的有用信号提取出来,且在50 m V以上可以拟合出较好的输入输出线性关系,便于检测装置的标定。     

基于小波熵的微弱磁异常信号降噪处理

针对地下磁性掩埋物检测时,磁异常信号信噪比低的问题,提出基于小波熵的微弱磁异常信号降噪方法。小波变换对弱磁异常信号进行提取的关键在于确定小波系数的阈值。为此,引入反映信号能量分布特性的小波熵概念和一个调节因子,最终确定阈值,利用软阈值方法处理高频系数。通过计算机仿真对算法进行了检验。结果表明:该算法可以有效地提高信噪比,还原原始信号。