基于高阶累积量的点燃式发动机爆震检测及爆震强度判定

研究了利用高阶累积量提取汽油机爆震特征的方法。利用加速度传感器采集振动信号,传感器安装在四缸汽油机的缸盖上。通过分析信号的高阶统计特性,定义了一个基于高阶累积量的公式来计算爆震强度。与基于傅立叶变换和小波变换的方法相比,该方法使用相对较少的数据点,并且可以检测到较弱程度爆震的发生。通过分析不同工况下振动信号的高阶统计特性,并结合爆震声音强度,提出了一种对爆震强度分级的方法。实际信号分析结果表明了本文方法的实用性。     

基于高阶统计量和小波变换的差压信号分析

为分析气液两相流差压信号的内在特征，提高测量信号的信噪比（SNR），提出了一种基于小波变换和高阶统计量的信号分析方法.该方法利用小波变换技术将差压信号分解为多个不同频段的尺度函数，根据先验知识滤除信号中的高频噪声，同时提取不同尺度上的细节信号能量特征值.基于高阶统计量技术，提取不同工况下重构的已除噪差压信号的双谱特征值，分析了信号的双谱特性.初步研究表明，小波变换和高阶统计量相结合的信号分析方法能有效地抑制信号中的高斯有色噪声，提取的细节尺度能量特征和双谱特征可以提供更多的关于管道内复杂流动状况的信息.该方法为气液两相流流动状态的判别和过程监控提供了有益的借鉴.     

经验模态分解在相关峰检测和测向中的应用

互相关测向法在低信噪比时检测不到相关峰,无法实现有效的方位估计.经验模态分解可以在突出信号局部特征的基础上,把信号分解成多个固有模态函数.采取对互相关函数进行经验模态分解,适当选取分解出的IMF重构互相关函数.重构的互相关函数有明显的相关峰,可以有效地提高检测目标的能力.将经验模态分解与互相关测向法相结合,可以实现低信噪比下的时延估计,从而更好地估计目标的方位.仿真结果表明重构的互相关函数较原互相关函数,其相关峰较最高伪峰的相对值提高了约4.9 dB,从而可以更好地实现时延估计.方位估计结果显示此方法在信噪比为-14 dB时,仍能准确地估计目标的方位.     

应用高阶统计量对风电场风速建模与仿真

研究风力发电仿真首先要研究风能特性的仿真。针对某风电场实测风速标本进行了基于高阶统计量时间序列的风速建模与仿真,不但解决了统计学风速模型不易实现且无法建立多种变化风速模型的问题,而且高阶统计量理论的应用消除了传统时间序列风速建模中把自然风完全等同于理想高斯过程所带来的误差,同时去除了测量噪声的影响。     

基于TDL信道模型的CDMA导频信号检测

针对利用CDMA导频信号无源定位问题,建立节拍延迟线（TDL）信道模型,并利用贝叶斯线性模型建立了基于奈曼-皮尔逊（NP）准则的最佳检验统计量,同时根据导频信号的特性并利用数学工具使其在允许条件下最简化.然后构建了基于相关接收理论的最佳检测系统,以信噪比的渐变为参变量,求解接收机检测概率、虚警概率的解析表达式,并对系统检测性能进行仿真,并与瑞利信道进行比较.仿真结果表明,相同条件下TDL信道好于瑞利信道,当信噪比达到20dB时,信道模型具有理想的检测性能.     

经验模态分解构造观测矩阵的方法

为了大概率地保持信号信息的完整性,观测矩阵被设计得倾向于随机矩阵．但这种随机性也导致有用的信息和无用的信息被接近等概率地测量,降低了感知效率．为了提高观测效率,提出了利用参考信号进行经验模态分解构造观测矩阵的方法--本征模函数循环矩阵．基于Gersgorin圆盘定理证明了该矩阵满足约束等距性条件．以信号降噪效果为衡量标准,仿真了该矩阵的信号降噪过程,结果表明,为参考信号添加一定程度的噪声后形成的观测矩阵,对降噪有更佳的效果; 对于含噪信号与参考信号在时域有错位的情况,虽然在时域上的降噪效果与理想情况有明显的降低,但仍能够更好地凸显信号的频域特征,具有实用价值．     

基于高阶统计量的非高斯噪声中的信号检测方法研究

信号检测方法是信号处理的一个重要研究方向,以前的信号检测方法多是基于高斯噪声的讨论,对非高斯噪声中的信号检测较少,本文针对未知协方差非高斯噪声中的确知信号的检测,提出一种基于高阶累积量的检测方法,并且论述了广义匹配滤波器的设计及相关接收检测原理,最后进行了计算机仿真并给出了仿真对比实验结果。     

基于经验模式分解的语音端点识别方法

提出一种基于经验模式分解（EMD）的语言端点识别方法.该方法对带噪语音信号进行EMD分解得到一组固有模态函数（IMF）,采用短时过零率估计其平均瞬时频率.根据语言信号特定阶IMF平均瞬时频率的特征,将平均瞬时频率低且变化缓慢的语言帧作为周期性强的浊音段,而平均瞬时频率高的语言帧判别为清音段,组合处理后的结果最终得到语音段数据.数值仿真和实验结果表明,该方法在语音信号受噪声污染比较严重的情况下能够有效识别语音端点.     

基于连续高阶模滑的多机电力系统励磁控制

为了提高多机电力系统暂态稳定性,提出一种连续高阶滑模励磁控制策略。各发电机功角偏差为滑模变量,把具有非线性和不确定性多机电力系统的高阶滑模控制转化为不确定积分链系统的有限时间稳定问题,控制器结合几何齐次连续控制律和二阶滑模超螺旋算法,实现系统状态有限时间收敛,克服系统未建模动态、测量误差和外部扰动等不确定性,利用精确鲁棒微分器观测功角微分,理论分析证明了闭环系统的有限时间稳定。所设计高阶滑模励磁控制器能够保持机端电压稳定,并能有效提高电力系统的暂态稳定性。针对3机系统的仿真结果验证了该控制方法的有效性。     

基于改进的经验模态分解的虹膜识别方法

首先,采用先行后列的方法对归一化虹膜图像进行经验模态分解,得到不同尺度的固有模态分量;找出有利于识别的分量,将其进行二值化处理生成特征图像;然后对特征图像进行水平和垂直移位匹配,得到海明(Hamming)距离匹配向量,计算匹配向量的改进标准差,以此标准差进行虹膜识别。最后分别对CASIA1、CASIA2、CASIA3-interval、MMU1库进行了识别,结果表明:该方法能够有效地提取图像的二值特征,具有速度快、识别率高等优点。     

基于最优特征的改进经验模态分解方法

针对经验模态分解(EMD)过程中存在的模态混叠等问题,提出了一种基于最优特征的自适应白噪声平均总体经验模态分解方法。该方法采用基于边界局部均值延拓的方法抑制端点效应问题,同时,在经验模态分解的每个阶段自适应地添加有限次白噪声,保证在平均次数相对少的情况下,通过计算唯一残余分量来获取信号的固有模态函数,从而避免了模态混叠问题的产生。通过分析仿真信号和实测信号,证明了该方法对模态混叠现象有一定的抑制作用,同时可有效避免端点效应问题的产生。     

AVS-M基于统计方法的快速帧内预测模式选择

AVS-M是中国自主制订的数字音视频编码系列标准（AVS）中的移动视频编码标准.针对AVS-M帧内预测多预测块模式的特点,提出新的AVS-M基于统计方法的快速帧内预测模式选择.它利用相邻块的预测模式找寻最可能模式,选定该模式并计算为最佳预测模式的概率.通过统计运算,就可得到在某种预测模式下的最佳预测模式概率的大小顺序.该方法可以提前终止帧预测从而减少了计算量.仿真结果表明在不影响峰峰比特率的前提下能有效提高编码速度.     

基于EMD的绝缘子泄漏电流去除噪声研究

针对绝缘子泄漏电流信号在安全区阶段信噪比较低,传统去噪方法去噪效果不佳的问题,结合经验模态分解(Empirical Mode Decomposition,EMD)的特点,设计了基于白噪声统计特性的EMD滤波器和EMD阈值滤波器。利用设计的两种EMD滤波方法对泄漏电流信号的仿真模型进行去噪,从除噪后信号的波形形状和信噪比等方面对去噪效果进行评价。研究表明EMD去噪方法去噪性能优于小波去噪。同时还发现,针对不同信噪比的含噪信号,基于白噪声统计特性的EMD去噪和EMD阈值去噪各具有优势,可根据信噪比的不同,选取最适合的滤波方法。     

经验模式分解域自适应滤波方法

为了利用经验模式分解法提取信号边缘信息,提出一种基于经验模式分解的自适应滤波方法,并给出了噪声功率阈值的两种选取方法．该滤波方法首先对信号进行经验模式分解; 其次对相邻尺度上残差分量一阶导数信号进行空间相关性计算,并对归一化空间相关函数与残差分量一阶导数进行逐点比较,实现对残差分量一阶导数的滤波; 最后根据噪声功率阈值判断自适应滤波过程是否结束．仿真实验结果显示,本方法可以准确提取信号边缘信息,同时抑制噪声信号．     

基于经验模式分解和广义维数的机械故障诊断

结合经验模式分解方法和广义维数的特点,提出了基于经验模式分解和广义维数的机械故障诊断方法。先对信号进行经验模式分解,得到内禀模态函数,然后求每个内禀函数的广义维数,从中提取盒维数、信息维数和关联维数,组成广义维数矩阵。通过分析待检测信号和各样本信号的广义维数矩阵相关系数,判断故障状态。实验结果表明,该方法可以准确地识别机械故障状态,是一种有效的机械故障诊断手段。     

分段经验模态分解的直流漂移消除方法

在低频模拟信号采集及处理电路中,常常存在着噪声与直流漂移的问题影响信号的测量。为了从原始信号中准确去除直流漂移分量及存在的噪声从而获得有用信号,提出了一种基于分段经验模态分解直流漂移消除的方法,并通过合适且有效的去噪方法处理使得采样信号更加真实准确。首先,对信号进行经验模态分解,求取本征模态函数分量的局部极值点进行区间分段,之后分别对每一段信号再次进行经验模态分解,选取每一段信号的低频分量重构出该段信号的直流漂移分量。最后,利用自相关函数筛选出噪声占主要成分的本征模态函数分量进行能量分析,将所有分段整合,得到去除直流漂移且降噪之后的信号。本研究通过仿真对此方法进行了说明,比较了该方法与多项式拟合、小波分析、高通滤波等方法的效果。并对微创外科手术机器人力传感器的应变信号进行了处理。实验结果表明：按照已有数据计算可将信噪比提升到6.39 dB以上,均方根误差有明显减少;该方法能够有效消除应变信号中的直流漂移,并且也能达到降噪的目的。     

基于高次样条插值的经验模态分解方法研究

基于经验模态分解(EMD)方法,把一列时间序列数据分解成一组本征模函数组,然后经希尔伯特变换获得其希尔伯特谱.在现有的采用三次样条插值的EMD算法基础上,提出了基于高次样条插值的EMD新算法.仿真研究结果表明,所提出的新算法能有效提高EMD时频分析的精度.     

采用循环叠加经验模态分解的去噪算法

为了检测被强噪声淹没的目标信号,提出了一种新的基于经验模态分解(EMD)的去噪算法.该算法将经验模态分解得到的第一个固有模态函数(IMF)循环移位,得到功率保持不变的噪声样本函数.将多个噪声样本函数叠加后,与重构的目标信号合成新的含噪信号.进一步采用软阈值去噪的方法,达到显著削弱噪声的目的.仿真实验表明:所提的新算法能够抑制4~6 dB的高斯白噪声,但抑制高斯混合噪声的能力较差;并且当信噪比较低时,其性能明显好于原始的基于EMD的去噪算法.该算法为低信噪比下的弱信号检测提供了一种新的思路.     

基于经验模式分解和多种评价准则的电子稳像

针对摄影中易产生视频抖动的问题,提出一个实时鲁棒的视频去抖动系统.该系统具有如下特性：1)提取参考帧和当前帧的Sift特征点,并对它们进行匹配,通过随机采样一致（RANSAC）算法来得到全局运动参数;2)基于经验模式分解以及多种评价准则(全局运动参数和特征点对位置误差)来确定抖动参数以实现对当前帧的运动补偿;3)结合图像纹理合成算法来修复运动补偿后的视频帧,从而得到稳定和完整的输出视频.通过比较抖动视频和去抖动后的视频结果表明:该系统能够在保持实时性的同时提高视频的平均信噪比约7.2 dＢ,大大提高人对视频中内容的辨识度和观察舒适感.