基于噪声和混沌振子的微弱信号检测

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。理论分析和仿其实验均表明混沌振子能有效地检测微弱信号。     

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。     

机械振动微弱慢频变信号的混沌振子检测

机械振动微弱信号的检测与识别有利于早期故障的检测与诊断。用Duffing混沌振子检测微弱振动信号具有明显的优势。提出了用混沌振子检测慢变频微弱振动信号的方法。在给出Duffing混沌振子对微弱信号检测的基本原理后，根据慢频变信号的特征，对信号进行了周期离散，提出了对暂态信号进行时域延拓的方法，分析了可行性。提出了幅频联调方法，设计了检测原理，并给出了实现步骤。结合所提出的两种方法，对带噪声的频变微弱振动信号进行了检测分析。仿真结果和实际采集信号分析结果支持了所提出方法的适用性。     

基于混沌振子微弱信号检测的改进与比较

为实现强噪声背景下微弱信号的检测,利用混沌系统非平衡相变对系统参数的扰动和对噪声具有免疫力的特点,根据Holmes型的Duffing振子检测系统的检测原理以及Melnikov方法,对Duffing方程的非线性项进行了改进,非线性项取（-x^4＋x^5）。改进后的系统相对原来的检测系统具有更低的信噪比门限,由原来的-92．5dB降到了-111．5dB。数值计算与仿真结果证明了该方法的有效性。     

基于混沌理论的微弱信号检测及自跟踪扫频电路实现

为解决工程实际中因待测信号常常被淹没在噪声背景中而传统信号检测方法难以检测等问题,将基于混沌理论的非线性信号检测技术应用到实际工程故障诊断中,开展了基于Duffing振子的微弱信号检测原理的分析,建立了混沌振子与微弱信号检测之间的关系,提出了基于Duffing振子的微弱信号检测方法,利用混沌系统相变对周期小信号的敏感性和对噪声具有免疫力的特点,设计制作了基于Duffing振子的微弱信号检测电路;对微弱信号检测的自适应进行了研究,利用AVR单片机及AD9850等芯片实现了信号检测电路的自动跟踪扫频功能,最后开展了该信号检测电路对不同频率微弱信号的检测试验。研究结果表明,用该电路可以实现在工程中常见的噪声背景下的中、低频率微弱周期信号的检测。     

微弱信号的差分振子检测方法

在分析了差分振子基本原理的基础上,重点在理论上分析了噪声对差分振子输出相图的影响,推导了相图大小与有效信号幅值之间的线性比例关系,弥补了差分振子不能检测信号幅值的缺点,阐明了系统参数对差分振子检测性能的影响.理论分析、仿真实验及工程实践表明,该方法简单稳健,实时性好,具有良好的抗噪性能,能有效检测强噪声背景下的微弱故障信号,可实现机电设备早期故障的可视化检测.     

基于Duffing混沌振子的工程机械曲轴微弱信号检测

混沌振子对微弱信号的检测在实际应用中具有重要价值。针对工程机械曲轴出现裂纹的问题,用混沌振子进行了微弱信号检测,与相关的其它研究进行对比,确定所识别出的单周期微弱振动信号,说明了该裂纹的出现,该项研究可应用于发动机各个部件的隐蔽性故障分析。     

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。     

基于混沌理论的滚动轴承故障信号检测

针对滚动轴承早期故障信号十分微弱的问题,提出采用Duffing混沌振子对故障微弱信号进行检测的方法。对Duffing方程进行改进,实现对任意频率微弱信号的检测。分析微弱周期信号相位角对检测系统的影响,提出采用多相位混沌振子阵列来消除微弱周期信号相位角对检测系统的影响。通过仿真实验,确定检测系统由3个混沌振子构成。使用该检测系统成功检测出轴承外圈故障微弱信号,相比传统的混沌振子检测系统,缩小了检测盲区,提高了检测信噪比。     

混沌振子在强噪声背景信号检测中的应用

混沌振子在强噪声背景信号检测中的应用＊王冠宇陶国良陈行林建亚（浙江大学流体传动及控制国家重点实验室杭州３１００２７）０引言噪声干扰是信息科学的一项主要问题。混沌系统对小信号的敏感性以及对噪声的免疫力，使它在信号检测中非常具有潜力。对于一个非线性动力系...     

基于小波熵的微弱信号检测方法研究

在科学技术研究领域中,经常会遇到非平稳、低能量、瞬时变化的微弱信号检测问题,然而,微弱的有用信号往往被环境噪声所湮没,最大程度地提取有用信息一直是弱信号检测中的一个难题。尤其对短时低能量的瞬变信号,采用传统信号处理方法提取其位置信息难以奏效。小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值。为此,在软阈值基础上引入反映信号能量分布特性的小波熵概念,利用信号在不同分解尺度上具有不同的小波熵,能够自适应地确定高频系数分量的阈值。仿真分析表明,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。     

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。     

基于排列熵的电磁声发射信号到达时间识别

排列熵算法简单高效,能够反映出信号的微小变化,是一种有效的信号突变检测工具。通过引入信号包络排列熵分析方法,对声发射信号到达时间识别问题进行求解。排列熵对信号幅值的大小不敏感,但对信号幅值的变化敏感,通过记录信号包络排列熵的变化,根据包络排列熵第一个极小值时刻来识别信号到达时间。根据裂纹电磁声发射实测信号识别结果可知,包络排列熵方法对声发射信号到达时间具有较高的识别精度。     

基于位移信号和近似熵的轴承加工质量动态检测技术

该文提出通过高精度电涡流传感器来采集轴承表面位移信号,并使用近似熵指标对信号进行分析,最终实现滚动轴承动态质量的评估。实验结果表明,所提出的方法能够清晰地鉴别轴承损伤位置及缺陷类型,为实际生产提供了参考和依据。     

混沌弱信号检测法在超声检测中的验证

Duffing振子相变对与参考信号频差较小的周期小信号具有敏感性，对白噪声和参考信号频差较大的周期干扰信号具有免疫力，将该振子的这种特性应用于检测，称为混沌弱信号检测法。此方法在一些文献中提到，但没有验证过。本文将其应用于超声检测中，并验证了他的正确性。     

基于CEEMD-排列熵的循环策略信号提取方法

针对EEMD阈值降噪处理方法时效性差且噪声难以准确估计问题,提出了基于CEEMD-排列熵的循环策略信号提取方法.原始信号经CEEMD处理,对信号叠加相反白噪声抑制白噪声引起重构误差的同时简化了计算方法,对分解得到的本征模态分量通过计算排列熵确定噪声分量和信号分量,考虑到信号中噪声先验知识未知,在奇异值分解的基础上,建立...     

一种基于杜芬振子的微弱信号检测方法

杜芬振子相变对与参考信号频差较小的周期弱信号具有敏感性,对白噪声和参考信号频差较大的周期干扰信号具有免疫力。在此基础上结合Labview和Matlab的接口技术提出了一种能在强噪声环境下检测弱信号的方法,该方法具有很好的信噪比,且在超声波弱信号检测得到了验证,具有良好的检测结果。