匹配追踪时频分解算法的点检测方法

为了能在无噪音环境下准确地检测语音信号的端点,传统的方法是使用过零方法检测清音,短时能量方法检测浊音,两者相结合便实现了端点检测.通过对语音信号在时频平面中分布的研究,提出了一种基于匹配追踪时频原子分解算法的端点检测方法.该方法利用匹配追踪算法对信号进行分解,使得信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点设置一个门限值再进行端点检测,便能准确检测出语音信号端点.实验结果表明,和传统的方法相对比,因为涉及到了信号的分解,所以实时性较差,且门限问题还有待深人研究,但该方法能更加准确地检测出语音信号的端点,亦为端点检测问题提供了一种新的思维方法.     

一种噪声环境下的语音端点检测方法

利用短时过零率来检测清音,用短时能量来检测浊音,两者相配合便实现了信号信噪比较大情况下的端点检测。但是在信噪比较小的环境下,这两种方法便失去了作用。为了能在噪声环境下准确地检测出语音信号的端点,根据对含噪语音在时频域中的研究,提出了一种基于Matching pursuits时频分解算法的语音端点检测方法。该方法使用Matching pursuits算法对含噪信号进行分解,然后再对信号进行魏格纳变换,可以完全去除信号的魏格纳交叉干扰项,使得语音信号和噪声信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点再进行端点检测,实验结果表明,该方法能在信噪比较低的情况下,准确地检测出语音信号的端点。     

基于近似熵的语音端点检测

提高语音信号端点检测的正确率一直是语音识别领域的一个重要课题,特别是提高在各种实际噪声环境下语音端点检测的正确率更为重要,而传统的基于能量与过零率的方法在噪声环境下不能有效地工作。近似熵是一种新的度量序列复杂性的方法,它具有较强的抗干扰能力。从信号复杂性的角度提出了一种基于近似熵的带噪语音端点检测方法,证明了通过给定一个合理的阈值可以有效地进行语音端点检测。在不同类型噪声及不同信噪比环境下进行实验,结果表明,对语音信号起点和终点的检测性能均要比传统基于能量的方法要好,即使是在较低的信噪比下,该方法仍能够比较准确地检测出语音的起止端点。     

带噪语流中浊音端点检测

浊音端点检测在语音处理中占有重要地位,在语音编解码、语音识别、语音增强处理中都需要用到端点检测技术。常规的以短时能量、过零率等作为判决特征参数的方法无法在低信噪比的系统中满足应用需求。本文以信号的共振峰和基音周期检测为基础检测浊音端点,算法首先提取语音信号的第一共振峰以及基音周期信息并以此为判决依据判断浊音的起点和终点。实验证明,这种方法在噪声环境中相对于传统的基于能量检测的或AMR_WB标准中的端点检测算法有更高的正确率。     

低信噪比环境下语音端点检测改进方法

针对语音端点检测在低信噪比环境下普遍存在检测性能急剧下降的问题,提出一种将调制域(时间-频率域)谱减法和自相关函数相结合的语音端点检测算法。该算法首先利用调制域谱减法较好的消噪能力来提高含噪语音的信噪比;然后根据语音和噪声的自相关函数的主峰最大值和次大值之比差异较大的特性,结合基于对数能量和自相关函数的端点检测方法对消噪后的语音进行端点检测。实验结果表明,该算法在低信噪比的环境下能取得较好的端点检测效果,并具有较好的稳健性。     

采用混合粒子群算法实现匹配追踪算法

针对匹配追踪信号稀疏分解的巨大计算量问题,在具有全局优化能力的粒子群算法基础上,提出了一种结合BFGS(Broyden、Fletcher、Goldfarb和Shanno)方法和变异操作的混合粒子群算法实现信号匹配追踪分解。利用BFGS方法增强了算法的局部开发能力,加快了信号特征提取速度;通过变异操作控制种群多样性以避免早熟收敛,增强了算法全局探测能力,提高了信号特征提取精度。通过与单一粒子群算法和遗传算法实现仿真信号匹配追踪分解的结果进行对比,证明了使用混合粒子群算法的匹配追踪分解能够快速准确提取信号特征参数。最后,将该算法应用于某内圈损伤轴承振动信号中的冲击特征提取,结果表明该算法在工程应用中具有一定的准确性和实用性。     

一种基于Choi-Williams分布的心音信号检测方法

本文将ＣｈｏｉＷｉｌｌｉａｍｓ分布用于心音信号的分析，研究结果表明该方法清晰表示了心音信号的各个成分在时频平面的能量分布及动态变化过程，而且可以准确地检测出瓣膜关闭的时刻，为第一心音和第二心音的定但了依据，这一结果对于探讨心音产生的物理机制以及研究心脏的生理，病理状况有一定的参考价值。     

一种基于多尺度线调频基的稀疏信号分解方法

在线调频小波路径追踪算法和稀疏信号分解的基础上,提出了一种基于多尺度线调频基的稀疏信号分解方法.该方法采用多尺度的线调频基函数对信号进行投影分解,通过从不同的时间支撑区内投影系数最大的的基函数集合中寻找出使分解信号能量最大的基函数组合,逐次获得分析信号中能量最大的信号分量.该方法可以有效地分解出频率变化呈线性或曲线型的多分量信号,且不存在二次型时频分布的干扰成分,具有良好的时频聚集性和较高的频率拟合精度,非常适用于机械振动非平稳信号的分解.将该方法与EMD方法进行了比较,验证了方法的有效性.     

基于迭代迭差与延拓算法的MP稀疏分解研究

匹配追踪算法(Matching Pursuit,MP)常用于实现信号的稀疏分解,经典的MP分解算法挑选最佳核函数的判定准则是原函数在该核函数上的投影最大,这种判定准则往往会造成重构后的信号误差增大,针对这一问题提出了迭代迭差算法,实例表明该准则比经典MP算法的重构误差小。同时,发现经典MP算法或迭代迭差算法在进行信号稀疏分解时会产生端点效应,使得重构信号在端点处存在较大误差,为解决该问题提出了一种基于多项式拟合的延拓算法,比较理想地解决了信号稀疏分解产生的端点效应,实例结果表明此算法比单纯的增加迭代次数来减弱端点效应更有效。     

基于EMD的时频熵在齿轮故障诊断中的应用

提出了一种基于EMD(EmpiricalModeDecomposition)方法的时频熵齿轮故障诊断方法。首先利用EMD方法分解齿轮振动信号,然后将得到的内禀模态分量进行Hilbert变换,以得到振动信号的时频分布,将信息熵理论引入时频分布,定量描述时频平面上不同时频段的能量分布,各时频段能量分布的均匀性可以反应齿轮的运行状态的差别,从而可以通过时频熵的大小判断齿轮的工作状态和故障类型。实验证明该方法能有效的判断齿轮故障特征,为齿轮故障诊断提供了新的思路。     

海洋中持续泄漏气泡的声学检测

声学方法是检测水面下气体泄漏的主要方法。由于气泡振荡产生的声信号能量较弱,且频段往往与环境噪声频段重叠,不易提取和分析。针对这个问题,提出了一种结合频域积累与时频能量检测的处理方法,通过频域积累提高信噪比后,利用一种自适应时频检测算法分析气泡声信号特性。海上实验表明,该方法可以在较强环境噪声下对持续泄漏的气泡进行有效检测。     

齿轮箱非同步特征信号的提取方法研究

在分析时域平均的基础上,通过将齿轮箱输入轴瞬时速度的三次曲线拟合和信号重采样相结合,提出了非同步特征信号的时域平均提取方法.时域平均对从噪声中提取特定周期信号是比较有效的方法,但当信号的故障特征频率未知或存在多种故障时,该方法不能获得满意的诊断效果,而频域平均能较好的实现该类故障的特征提取.基于早期故障信号的特点,提出了将多分辨分析的经验模态分解方法与频域平均相结合的故障特征提取方法.试验结果表明,所提出的时频域平均方法能有效地实现齿轮箱非同步特征信号的提取.     

爆破振动信号3种经验模态分解差异性研究

为了准确评估冻结立井爆破对井壁产生的影响,采用井壁预埋法对大药量爆破下井壁的振动响应进行了监测。利用EMD、EEMD和CEEMD典型经验模态算法对井壁信号进行了分析,并结合时频谱对分解和重构效果进行了综合评价。分析结果表明:受测试环境影响,爆破信号中普遍含有噪声等干扰成分。EMD分解存在明显模态混叠和端点效应,EEMD分解虽对模态混叠现象有所改善,但去噪效果仍不理想,CEEMD分解对模态混叠和噪声消除方面均具有很好的处理效果。CEEMD重构信号时频谱能够深刻揭示爆破能量在时频域上的分布且对干扰成分不敏感,适合用于批量信号的预处理过程。分析结果对于爆破能量识别和振动损伤控制具有积极的现实意义。     

谐波小波变换在转子-轴承系统多故障监测中的应用

以谐波小波变换为工具,分析了转子—轴承系统出现裂纹与碰摩耦合故障时的振动特征,并分别讨论了油膜力、裂纹与碰摩的影响,为工程实际中转子系统的多非线性故障监测和诊断提供一种方案。结果表明,支承滑动轴承的非线性油膜力对转子系统的影响比较大,且裂纹与碰摩引起的耦合故障不是单裂纹和单碰摩故障的线性叠加。因此,转子系统多故障监测和诊断过程中,各个非线性因素应该得到充分考虑,并应从时域和频域同时进行分析,才能取得更为合理的结果。     

时频分布的弱信号检测技术的研究及其应用

双线性时间-频率变换在时间域与频率域都具有较高的分辨率,有利于复杂背景条件下微弱瞬时信号的探测。研究发现,频谱图的分辨率较低,W igner-V ille分布存在很强的交叉项,不适合瞬时信号的检测。Cho i-W illiam s分布存在频率混叠及信息丢失现象,检测效果也不理想。提出了一种无混叠时频分布,能够避免CW D中的信息丢失,有效抑制交叉项,而且具有较高的分辨率。通过数字仿真与齿轮箱故障检测实例,证明新的时频分布能够有效检测复杂信号中的瞬时分量。     

矢量水听器阵时频MUSIC算法研究

时频MUSIC算法利用信号的时频分布构造空间时频分布矩阵,并用该矩阵代替传统的相关矩阵进行DOA估计,可以有效抑制噪声和干扰,提高算法的稳健性。时频子空间算法突破了传统子空间算法中阵元数对估计信号个数的限制,时频点包含了信号的时频空三维信息,通过时频点的选择可直接确定信号的频率从而确定阵列流型矩阵。对于宽带信号,在进行方位估计时避免了频域搜索,减少了运算量。将时频MUSIC算法应用于二维矢量水听器垂直线阵中,充分利用矢量水听器的标、矢量信息和信号的时、频信息进行宽带信号的二维波达方位估计。仿真研究验证了算法的有效性。     

Signal matching wavelet for ultrasonic flaw detection in high background noise

The wavelet transform (WT) is widely used in ultrasonic flaw detection (UFD) systems because of its property of multiresolution time-frequency analysis. Those traditional WT-based methods for UFD use a wavelet basis with limited types to match various echo signals (called wavelet matching signals), so it is difficult for those methods to achieve the optimal match between echo signal and wavelet basis. This results in limited detection ability in high background noise for those WT-based methods. In this paper, we propose a signal matching wavelet (SMW) method for UFD to solve this problem. Unlike traditional UFD systems, in the proposed SMW, the transmitted signal is designed to be a wavelet function for matching a wavelet basis. This makes it possible to obtain the optimal match between the echo signal and the wavelet basis. To achieve the optimal match from the aspect of energy, we derive three rules for designing the transmitted signal and selecting the wavelet basis. Further, the parameter selection in applying the proposed SMW method to a practical UFD system is analyzed. In addition, a low-rate discrete WT structure is designed to decrease the hardware cost, which facilitates the practical application of the proposed SMW. The simulation results show that the proposed SMW can efficiently detect flaws in high background noise even with SNR lower than -20 dB, outperforming the existing methods by 5 dB.