强噪声背景下的微弱信号检测新方法

提出了新的强噪声背景下的微弱信号检测方法,设计了一种硬件与软件相结合的实现方案。采用经典的仪表放大技术和单片机控制技术对数据进行检测和处理,并通过虚拟仪器技术仿真和显示,为解决热释电红外探测器中µA级微弱信号的检测提供了十分有效的方法。该系统通过实验对模拟低频微弱信号的检测,充分显示了它在微弱信号检测方面的实用性和优越性。     

基于小波变换的心音信号检测与噪声消除方法

利用小波变换多尺度多分辨率的特点对心音信号进行分解,将不同频带的信号显现在小波分解的不同尺度上,在进行信号重构时,通过选择重构系数消除信号中的各种干扰分量,保留心音信号中的有效心音成分获得准确的心音信号,为心音信号的进一步分析、处理和心血管疾病的无创诊断奠定基础.     

海洋环境噪声背景下水声信号检测的新方法

介绍了利用随机共振原理检测微弱周期信号的基本原理,并对该方法进行了高斯白噪声下的仿真验证。然后,把这种方法应用于以模拟海洋环境噪声为背景干扰的水声信号的检测中,仿真结果证明了这种方法的可行性。     

强背景干扰中微弱信号检测的新尝试

介绍１种检测强背景干扰中微弱信号的新方法，将其应用于医用Ｘ线滤线栅性能测试后，实现了检测手段的智能化；工作效率提高数１０倍以上。     

小波分析在信号奇异性探测及瞬态信号检测中的应用

近年来,小波技术越来越成为一种有效的信号处理手段。本文介绍了小波的时频局部化和多尺度特性以及它在信号奇异性探测、瞬态信号检测领域中的应用。并以ECG信号分析为例,较全面地说明了小波在信号处理中的实现手段。最后,对小波可进一步应用的领域作了展望。     

强噪声背景下的语音信号提取研究

针对强噪声背景中语音信号提取的难度,提出一种基于Simulink和FDATool的改进型信号提取模型,该模型在传统自适应噪声消除器SIMULINK模型的基础上通过增加双带通数字滤波器实现.理论分析和仿真结果表明,该方法在强背景噪声中提取语音信号是可行的,且比没有改进时信号提取效果明显增强.     

一种新的有色噪声背景下chirp信号参数估计方法

提出一种先用二次型变换将非平稳的线性调频（chirp）信号转化为平稳形式、然后再用互谱MUSIC方法做后续处理的chirp信号参数估计方法。与其它方法相比,这种方法的突出优点是复杂度低、运算量小,且能在附加较低信噪比（-5dB）的有色噪声情况下可靠工作。仿真实验证明了该方法的正确性和有效性。     

一种强噪声背景下微弱信号检测系统的设计与实现

<正>本文针对工程应用领域微弱信号检测的实际需要,提出了一种基于锁相放大器的微弱信号检测通用方案,设计实现了一种基于AD630和Cypress PSoC4蓝牙低功耗(Bluetooth Low Energy,BLE)微处理器的微弱信号检测系统。系统由AD630、微处理器、A/D采集电路和智能终端等部分组成,可用于对淹没于强噪声背景中特定频率信号的检测,具有通用性强、可扩展     

分形信号的小波分析

本文提出了分形信号的小波分解与重构的一种快速算法。针对分形信号的自相似和长时相关的特点,采取离散小波变换（ＤＷＴ）对分形信号进行多尺度分解,使其成为各尺度上的近似平稳信号,从而可利用通常的Ｗｉｅｎｅｒ滤波＾［５］或Ｋａｌｍａｎ滤波＾［７］方法进行估计,然后再由ＤＷＴ进行多尺度重构,估计出被噪声污染了的原始信号。本文重点对分形信号的ＤＷＴ进行算法设计,并估计了计算复杂度。     

5种新混沌弱信号检测系统设计

为了进一步改进混沌弱信号检测系统的性能,设计了5种新的高灵敏度复合混沌弱信号检测系统,并选择其中一种与目前广泛使用的Duffing混沌弱信号检测系统进行了对比分析,结果显示新复合混沌系统可以克服Duffing混沌弱信号检测系统出现的3个难题:被检测信号消失后混沌状态无法快速自动回复、大周期状态不稳定以及混沌状态和大周期状态难以区分。通过使用Jacobian矩阵和特征方程的分析,显示了新复合混沌系统比Duffing混沌系统更为有效。与传统弱信号检测方法相比,新复合混沌系统电路简单、具有更低的信噪比和检测信号门限。理论分析和实验显示了新复合混沌系统的特性。     

基于变形Lorenz系统和李雅普诺夫指数的微弱周期信号检测

提出了一种变形的Lorenz混沌检测系统,此系统主要具有混沌态和类周期态2种状态。利用最大李雅普诺夫指数作为判断混沌系统由混沌态趋于类周期态变化的量化依据,自动识别混沌系统的临界状态,更准确地判断微弱信号的存在。将互相关检测方法与混沌检测方法相结合,实现强噪声背景下微弱周期信号检测。仿真结果表明,该方法能有效地检测出强噪声中的微弱周期信号。     

一种基于小波特征熵的液压系统故障信号去噪方法

针对故障诊断的需要和信号特点,提出一种基于小波特征熵的去噪新方法。该方法基于小波特征熵判断有用信号所在频带,重构所在频带系数,得到去噪信号。将该方法和阈值去噪法应用到液压系统压力信号中,去噪结果证明该方法比阈值去噪法更有效。     

双稳系统噪声特性的分析与弱信号检测的研究

研究了噪声通过双稳系统其能量向低频区集中的频谱特性，并根据绝热近似理论，得出只有在噪声能量集中的低频区域才能产生随机共振(SR)主谱峰的结论。提出频率压缩变换的SR方法，分析了绝热近似SR技术在大参数条件下从强噪声中检测弱信号的应用。仿真结果表明，只要双稳系统输入端的信噪比不低于-30 dB，且实测采样频率不小于弱周期信号频率的50倍，就可由双稳系统的响应谱得到弱周期信号频率处的SR谱峰值特征。达到识别弱信号的目的。     

基于小波滤波器组的涡街流量计信号处理方法

涡街流量计应用比较广泛,但是,由于易受管道振动和流场不稳定等因素干扰,如何从强噪声背景下检测出涡街信号频率,一直是个难题.研究了多相结构ⅡR小波滤波器组的设计方法,给出了Butterworth型小波滤波器组的实现方案,将基于小波滤波器组的信号处理方法应用于涡街流量计,并给出最佳频带的判别准则.仿真结果表明,Butterworth型小波滤波器组具有较好的幅频特性和较高的频率精度.     

为检测微弱周期信号对二次采样随机共振相关参数的研究

分析了二次采样随机共振中涉及到的重要参数采样频率和二次采样频率,结合理论推导与仿真,得出了这两个参数对系统输出效果的具体影响,同时分析了造成这些影响的原因,提出了这两个参数选取的方法,为更好地应用二次采样随机共振检测微弱周期信号提供了依据。     

使用小波变换的视频信号处理系统

叙述了视频信号处理中的小波变换的应用,在介绍了视频采集系统基本结构和功能的基础上,首先叙述了用小波变换检测视频信号的各参数的方法,然后讨论了如何在具体设备当中实时实现小波变换,提出了用“双存储器”实现的方法。     

基于DCT的微弱信号提取和识别

微弱信号提取一直是故障诊断领域的难点。结合离散余弦变换(DCT),将离散时间序列经过离散余弦变换处理成对应的系数向量,在阈值处理的基础上,重构信号提取出微弱故障信息。与小波降噪和低通滤波方法进行对比分析,该算法突出了信号的微弱故障特征信息,较好的再现了夹杂在信号中的微弱成分,参数设定简单,结果对参数不敏感。最后通过实验证实该方法的有效性。本算法速度快,简单易行,可用于实时故障监测。     

小波和希尔伯特变换在脑电信号消噪中的对比研究

为了更好地消除混杂在脑电信号中的噪声,完成脑电分析,对小波和希尔伯特变换（HHT）的脑电信号消噪效果进行了对比研究。在HHT消噪方法中,利用经验模态分解（EMD）算法对脑电信号进行8尺度分解,得到固有模态函数（IMF）分量的组合,经过滤波和信号重构,得到消噪后的脑电信号。实验结果表明,HHT方法能较好地去除脑电信号中的噪声。运用评价准则比较了HHT方法和小波变换方法的消噪效果,发现HHT方法的脑电信号消噪效果优于传统的小波变换消噪,且算法的效率更高。