基于EEMD-CWD的齿轮箱振动信号故障特征提取

为实现齿轮箱故障特征提取,提出一种基于集成经验模态分解（EEMD）和乔-威廉姆斯分布（CWD）的齿轮箱振动信号特征的提取方法。对现场采集的振动信号进行EEMD分解,再对分解得到的固有模态函数（IMF）分量依照峭度准则进行排序,选取峭度指标较大的IMF分量进行CWD分析,最终得到信号的CWD.该方法可以有效抑制由于干扰项引起的频率混叠和干扰问题,有助于将原始信号在时间历程、频率成分和幅值大小3个方面的特征信息同时进行准确提取。利用该方法对实际齿轮发生断齿、裂纹故障进行了实验分析,结果表明：该方法能够全面、有效地提取齿轮振动信号中所蕴含的齿轮箱状态信息,为后续进行齿轮箱状态识别和故障诊断奠定基础。     

基于EEMD和二维边际谱熵的齿轮箱故障诊断

针对信号经验模态分解（EMD）过程中存在波形混叠现象,提出一种基于聚合经验模态分解（EEMD）和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断．首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机（SVM）的输入量,建立故障诊断模型．经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性．     

希尔伯特黄变换在遥测振动信号处理中的应用

介绍了希尔伯特黄变换（HHT）的基本方法,并对变换方法的性能进行了分析。针对变换方法中端点效应和模态混叠效应的问题,提出了利用过采样技术进行解决。仿真和试验数拓验证了利用HHT对遥测振动信号进行处理与其他时频分析方法相比较具有独特优势。     

一种新的混合信号调制识别方法

在现代电子对抗和通信侦察中,共信道通信信号的调制模式识别是重要的研究课题。经验模态分解(EMD)是一种处理非平稳信号的新方法,但标准EMD方法存在模式混叠问题。文中提出了一种基于EMD分解与希尔伯特变换相结合的调制识别新算法,通过在EMD分解过程中多次添加掩蔽信号,用于共信道混合信号的分离,并讨论了所添加的掩蔽信号能够消除模式混叠现象需满足的必要条件。计算机仿真结果表明,该方法对频谱不混叠的单载波混合信号有较好的分离和调制识别效果。     

基于经验模态分解的Wigner-Ville分布交叉项抑制方法

针对Wigner-Ville分布（Wigner-Ville distribution,简称WVD）在多分量信号时频表示中固有的交叉项问题,提出了一种结合经验模态分解（empirical mode decomposition,简称EMD）的WVD交叉项抑制新方法。对待分析信号进行经验模态分解,得到一系列本征模态函数分量,为了进一步保证本征模态函数分量之间的正交性,对本征模态分量进行独立分量分析（independent component analysis,简称ICA）,根据WVD定义,正交信号之和的WVD等于正交信号WVD的和,通过分别求分解分量WVD并求和的方式,得到最终的WVD时频表示,可以有效抑制多分量信号WVD的交叉项,并保持WVD的时频聚集性。     

基于变分模态分解的侵彻过载信号特征提取

针对传统侵彻过载信号处理方法存在滤波效果不佳、模态混叠、端点效应、自适应性差的问题,提出基于变分模态分解的侵彻过载信号特征提取方法。该方法将侵彻过载信号的特征提取过程转移到变分框架内进行处理,通过寻找变分模型的最优解获取本征模态函数,能够自适应地实现信号的频域划分和各分量的有效分离,并有效地提取出侵彻过载信号的数据统计特性。实验验证结果表明,与经验模态分解相比,变分模态分解的特征提取效果更佳、信噪比更高,重构信号的积分结果更好地反映了弹体的实际侵彻深度,是一种用于侵彻实验数据事后处理的可行的新方法。     

基于主成分分析和多元支持向量的旋转机械故障诊断方法

针对旋转机械运行过程中的非线性、非平稳突变性等复杂特征,提出一种基于主成分分析（PCA）和支持向量机（SVM）的精确故障诊断方法。该方法对振动信号进行EMD分解,得到多个基本模态分量IMF后,通过Sha-noon能量熵测度后将多个IMF分量进行主成分分析,提取有效的振动特性,再将其作为特征矢量输入到多元支持向量机SVM进行精确的故障诊断和分类。以一个滚动轴承为例进行分析,结果表明该方法具有强的鲁棒性和可靠性。     

基于集合经验模态的小波半软阈值降噪

针对振动信号采集过程中混入噪声无法准确判断信息的问题,提出基于集合经验模态的小波半软阈值降噪法。该方法利用EEMD算法的自适应性且能避免IMF(Intrinsic Mode Function)分量混叠的特点以及小波半软阈值函数连续性好且避免重构信号存在偏差的优点,在一定程度上避免了EMD分解过程中出现混叠的现象,且降低了重构信号的偏差,对信号降噪的同时能更准确地将信号波形复原。分别利用仿真信号和实验信号验证该方法的有效性,分析结果表明,基于EEMD的小波半软阈值降噪方法具备两种方法的优点,能够很好地抑制信号中的噪声,并且在重构过程中能较好地复原信号的有用信息。     

基于ICA和HMM的战场混叠声目标识别

为识别战场混叠声目标,提出一种基于独立分量分析(ICA)的声目标盲分离和隐马尔可夫(HMM)识别的混合声识别方法.建立已知声目标的HMM,实现混叠声目标盲分离,提取的线性预测系数作为声目标识别参数,通过K均值聚类得到训练和识别特征向量,通过Viterbi解码判断声目标的类别.仿真结果表明,ICA分析能有效地分离混叠声目标信号,基于线性预测系数的HMM识别率较高,混合模型识别系统在混叠声目标识别中具有可行性.     

奇异值分解和EEMD的非线性振动信号降噪方法

针对传统方法难以有效将非线性振动信号从复杂强干扰中提取的难题,提出了奇异值分解(SVD)和集合经验模态分解(EEMD)的降噪方法。该方法利用EEMD叠加白噪声预处理的过程,抑制脉冲噪声的影响并克服了EMD模式混叠效应,然后提取信号的趋势项,克服了信号趋势项对SVD选择奇异值的影响,最后将SVD方法降噪后的信号与趋势项叠加达到降噪目的,实现SVD和EEMD的优势互补,提高降噪效果。对模拟信号和实测非线性振动信号进行了仿真试验研究,结果表明,该方法可以同时有效地抑制非线性振动信号中的白噪声和脉冲噪声,对工程实际信号的进一步分析处理提供有效的预处理手段。     

基于頻段能量归ー化处理的自适应波束形成方法

给出了一种基于频段能量归一化处理的宽带最小方差无失真响应算法。该算法首先将宽带信号的各窄带快拍向量进行能量归一化处理,然后计算窄带输出功率,最后通过对各窄带输出结果进行平均或求和得到最终空间能量谱。它不需要阵列噪声和目标信号的任何先验信息,只要阵列噪声的频谱幅度在频段间的起伏较为剧烈,而目标信号的频谱幅度起伏较为平缓,该方法就能取得较常规处理方法更优的信号检测性能。利用最优信号检测理论证明了该算法的有效性,利用仿真和实际数据进一步验证了算法的性能。仿真结果表明：文中算法较常规处理方法的处理增益提高约4 dB.     

改进的离散小波-优化极限学习机在倾转旋翼机故障诊断中的应用

针对倾转旋翼机飞控系统的故障诊断问题,提出一种改进的离散小波-优化极限学习机（OMELM）的故障诊断算法。提出自适应启发式小波去噪方法对采集的信号进行消噪,定义了帕塞瓦尔能量用来提取测量信号经离散小波变换分解后的特征,并对OMELM进行了改进。将提取的故障能量特征进行归一化后输入到改进的OMELM多分类器中进行分类,以美国XV-15倾转旋翼机为例进行仿真验证。结果表明文中方法平均辨识率高,诊断时间短,对未来我国进行倾转旋翼机故障诊断的研究有一定参考价值。     

一种基于时频分析的多跳频信号盲源分离算法

针对多个无人机遥控信号的分离问题,提出一种基于时频分析进行数据处理的多跳频(frequency hopping, FH)信号盲源分离(blind source separation,BSS)算法。利用不同跳周期的跳频信号驻留时间的差异性,改进时频脊 线的提取;利用小波变换检测改进后时频脊线的突变点,求脊线最大驻留时间即为跳频信号中的最小跳周期;分离 出不同跳周期的跳频信号,并基于时频能量值的不同,对不同信号幅度的跳频信号进行盲源分离。结果表明：与同 类算法相比,该算法在不依赖多通道数据的采集及混合矩阵估计等情况下,可实现单通道情况下多跳频信号的盲源 分离,具有一定的工程应用价值。     

基于变分模态分解的机械故障诊断方法研究

变分模态分解(VMD)是一种新的自适应信号分解方法,该方法的核心思想是假设每个模态的绝大部分都是紧紧围绕在某一中心频率周围的,然后将模态带宽的求解问题转化为约束优化问题,求解出每个模态。将VMD引入到机械故障诊断中,提出一种基于VMD的机械故障诊断方法,并与集合经验模态分解(EEMD)方法进行对比分析。仿真结果表明：VMD方法明显优于EEMD方法,能有效地分解出信号的固有模态;与EEMD方法相比较,该方法模态混叠现象弱,计算效率高,理论充分。将VMD方法成功地应用到转子不同碰摩严重程度的故障数据分析实验中,实验结果进一步验证了该方法的有效性,能够揭示出碰摩故障数据的频率结构,区分碰摩故障的严重程度。     

Research of the Adaptive Beamformer Based on the Frequency Energy Normalization

An algorithm of broadband minimum variance distortionless response （MVDR） based on the frequency energy normalization is proposed. First, every narrowband frequency component of the broadband signal is normalized by the total narrowband energy of all array elements, and the narrowband power is calculated by MVDR. Finally, final spatial energy spectrum can be obtained by averaging or summing all results of every narrowband frequency bin. Any prior-information about the noise or the signal is unnecessary for the proposed method in this paper. The processing gain of the proposed method compared to the conventional broadband MVDR can be obtained as long as the amplitude fluctuation of the array noise frequency spectrum is severer than that of the target signal. The validity of the method is validated by the optimal signal detection theory. Simulation and real data are used to validate the performance of the method. Analysis results show that about 4 dB processing gain compared to the general broadband MVDR can be reached by the proposed method.     

时变环境对信源数估计及盲源分离的影响分析

针对信号来波方向突变、源信号个数及信号样式发生变化,对辐射源个数估计及盲源分离(blind source separation,BSS)结果的影响进行分析。源信号个数的估计采用基于信息论准则的估计方法,采用自适应盲分离算法 进行信号盲分离。实验结果表明：混合矩阵发生突变时,使用接收数据进行信源数估计,无法正确估计信源数;当 混合矩阵未发生突变,而信号样式发生突变时,源数估计算法能准确估计来波方向数;若混合矩阵不变,在某一来 波方向信号样式的改变,对信号的盲分离不会产生不利影响,可将该来波方向不同的信号样式分开;若混合矩阵不 变,阵列接收信号中信号个数的改变,对信号分离结果没有明显的不利影响。分析结果表明：该研究对评估信源数 估计算法和盲源分离算法在实际环境中的应用效果具有一定参考价值。     

基于改进经验模式分解算法的实时滤波新方法

由于电液伺服系统本身的特点使某些干扰信号频段与正常信号的频段很靠近,普通数字滤波器很难起到较好的作用。为了能够精确过滤这些干扰信号,改进了Hilbert-Huang变换中所提出的经验模式分解(EMD)算法,扩展了极值点的定义,给出了插值判断条件,新增了分解结束判断条件。改进后的EMD算法对电液伺服系统信号有更好的包络效果、更佳的分解效果和更快的分解速度,可以满足实时滤波要求。将基于改进EMD算法的实时滤波器应用于实际的电液伺服控制系统后,同普通数字滤波器和原EMD算法进行对比,其结果验证了该滤波器的滤波效果优于普通数字滤波器,计算效率得到提高。     

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。     

多输入多输出天波超视距雷达多模杂波抑制的改进最小方差无失真响应算法研究

多输入多输出天波超视距雷达(MIMO-OTHR)通常利用最小方差无失真响应(MVDR)波束形成来抑制接收回波中的电离层多模杂波对目标探测的影响。由于MIMO-OTHR的全向性发射、杂波噪声协方差矩阵估计不准确以及有限相干积累时间内训练样本数过少,使传统MVDR输出信杂噪比(SCNR)较低。对MIMO-OTHR中的MVDR算法进行改进,以改善其多模杂波的抑制能力。利用2阶锥规划进行发射波束域预处理,将发射能量集中到主模式角度;在阵列接收端进行阵列平滑,抑制主模期望信号,提高杂波噪声协方差矩阵估计精度;利用MVDR波束形成双迭代算法,降低对计算量与训练样本数的需求。仿真结果表明：改进MVDR算法可有效抑制多模杂波;以较少训练样本及较小计算量,可以获取更高的输出SCNR.     

基于椭圆球面波信号的多支路连续相位调制解调方法

针对现有甚低频通信模式通信速率较低、频带利用率不高的问题,探索研究一种基于椭圆球面波信号的多支路连续相位调制解调方法.具有时频域高能量聚集性的椭圆球面波信号引入连续相位调制,利用椭圆球面波信号完备正交特性,将不同阶椭圆球面波信号同时作为连续相位调制的基带调频脉冲信号,产生多支路连续相位调制信号;在信号接收端,利用传统差...