多分辨率奇异谱熵及其在振动信号监测中的应用研究􀀂

在信息熵模型的基础上,将多分辨率分析和奇异谱分析有效结合,提出了多分辨率奇异谱熵及其算法,该指标能够表征不同尺度上信号能量分布的奇异状况.进一步,针对奇异谱分析是基于信号二阶平稳的假设,本文提出了基于高阶累积量的高阶多分辨率奇异谱熵,它能够充分体现信号的内在信息,提高了信号形式变化的适应性和对于嵌入维数变化的稳定性.通过对机械振动信号的仿真分析,该信息熵能够作为设备运行状态识别的有效依据.     

Iterative reconstruction of speech from short-time Fourier transform phase and magnitude spectra

In this paper, we consider the topic of iterative, one dimensional, signal reconstruction (specifically speech signals) from the magnitude spectrum and the phase spectrum. While this topic has been extensively researched and documented, we wish to recast some well-established results for the benefit of new researchers and those who desire a short, yet comprehensive, review of the subject. The three main points of the review are: (i) a signal can be reconstructed to within a scale factor from its phase spectrum, (ii) a signal cannot be reconstructed to within a scale factor from its magnitude spectrum, and (iii) a signal can be reconstructed to within a scale factor from its magnitude spectrum when the phase-sign (i.e., one bit of phase spectrum information) is known. Through a number of illustrative examples, we first demonstrate how the algorithms work when the spectral information is determined over the entire duration of the signal. We then demonstrate that the algorithms are equally valid for reconstruction of a signal from the spectra obtained from short-time segments. In addition, we present the results of some further experimentation in which we have attempted to reconstruct a speech signal from only partial phase spectrum information (in the absence of all magnitude spectrum information). We make the following observations: (i) intelligible signal reconstruction (albeit noisy) is possible from knowledge of only the phase spectrum sign information, (ii) an intelligible signal cannot be reconstructed from knowledge of only the phase spectrum frequency-derivative or only the phase spectrum time-derivative, and (iii) an intelligible signal can be reconstructed from the combined knowledge of both the phase spectrum frequency-derivative and time-derivative.     

基于脉冲成形扩频信号伪码周期盲估计

针对基带扩频信号的频谱范围较宽,信号在带限的信道中传输时需要对信号进行带宽限制,从而会造成码间干扰和频谱泄露的问题,将基带扩频信号通过脉冲成形器后对其主要参数的抗截获性能进行了研究,并使用两次功率谱的方法对该类信号的伪码周期进行了估计。理论分析证明,做两次功率谱以后的信号以脉冲串的周期来扩展谱线,且信号主要能量将会聚集在一些类似于基带成形脉冲二次谱形状的尖锐脉冲处,通过测量这些尖锐脉冲间的间距即可以估计出基带扩频信号的伪码周期。计算机仿真结果证明,两次功率谱的方法可以在低信噪比的条件下实现对带脉冲成形基带扩频信号伪码周期的估计,且本文算法对伪码周期估计的正确率比文献[1]算法约提高7dB左右。     

基于信号采样自相关的步进宽带频谱感知方法

采用步进频域能量检测法可以提高在软件无线电平台的频谱感知的带宽范围,但能量检测法易受噪声不确定性的影响,而信号采样自相关检测法对噪声不确定性有很好的鲁棒性。为进一步提高软件无线电的检测性能,提出了基于信号采样自相关的步进宽带频谱感知方法。首先阐述了信号采样自相关检测的原理,然后对基于该原理的步进宽带检测方法的流程进行了分析,最后利用MATLAB软件仿真其检测性能。仿真结果表明,在信噪比（Signal-noise-ratio, SNR）不同的情况下,基于信号采样自相关的步进宽带频谱检测方法能达到所要求的检测性能。此 外,为了兼顾频谱感知的检测速度和频带带宽分辨率之间的关系,进一步提出了在原本固定步进值的步进宽带信号采样自相关的频谱感知方法中采用可变步进值的两阶段检测方法,该方法可 以获得较高的频带带宽检测分辨率和较短的检测时间。     

一种改进的基于扩频信号的混响产生模型

提出了一种某一时刻有贡献的散射体数目随时间变化的方法,并将对散射信号的求和转换为对信号与散射特性函数的卷积,简化了计算方法。仿真中,利用扩频信号作为发射信号对海面混响进行了模拟,对比分析了混响的频谱与发射信号频谱之间的关系,验证了混响瞬时值和幅值包络的分布函数。仿真和分析结果表明,混响模型可以有效地模拟实际海洋混响。     

基于Nios Ⅱ的多用途扩频信号源组件设计

扩频信号源是扩频系统的重要组成设备,可以为扩频接收机提供各种形式的扩频信号（如直扩、跳频等）。针对目前市场上的扩频信号源价格昂贵,采用专用的扩频芯片也存在扩展和升级性能较差的问题,提出采用NiosⅡ软核处理器来实现性价比高且能够灵活改变调制方式的扩频信号源,将NiosⅡ的自定义组件技术与扩频信号源的产生原理相结合,设计出了一种基于NiosⅡ的扩频信号源自定义组件。此组件拥有直扩和跳频两种可选的调制方式,并且具有各种可控制的参数。在应用时利用SOPC（可编程片上系统）技术,只需在NiosⅡ系统中加入此组件并在顶层软件中调用该组件驱动函数库的函数即可产生多种调制方式的扩频信号。     

基于多子带信号采样和小波变换的宽带频谱感知*

在GHz级宽带信号频谱感知中,如果直接采样此宽带信号,其所需采样速率太高,超过现有的模数转换器指标;确切估计出主信号所占频段,可以进一步提高频谱利用率;因此本文基于调制宽带转换系统（MWC）,提出一种基于多子带信号采样和小波变换的宽带频谱感知方法。首先利用MWC实现宽带信号的低速率采样,得到子带信号;然后提出一种噪声功率及检测门限估计方法,再利用能量检测法实现对非噪声子带的频谱感知;最后利用小波变换对信号子带进行频谱边缘检测,以确定主用户信号占用频段的确切位置信息。仿真结果验证了本文所提出的宽带频谱感知方法的可行性和有效性。     

硅谐振微传感器中微弱信号频率的外差式随机共振检测

硅谐振微传感器输出信号的信噪比很低,频率信号往往淹没在噪声之中.论文分析了随机共振系统的功率谱放大率和信噪比特性,提出了外差式随机共振频率检测方法,并将该方法应用于硅谐振微传感器输出信号的频率检测.理论分析和数值仿真结果表明,外差式随机共振能将更多的噪声能量转变为频率信号的能量,通过调节载波信号频率可从共振谱峰的变化中准确测定谐振频率.该方法是可行、有效的.     

RELAX参数估计算法在雷达目标特征提取中的应用

从理论上推导分析了聚束式SAR(Spotlight SAR)的chirp信号回波模型。在回波模型中,回波被分解为两部分--强散射点的回波信号以及噪声和杂波,强散射点的回波(正弦信号)为离散谱,而噪声和杂波为连续谱。基于该回波模型,将RELAX算法应用于对可分解为若干强散射点的特定目标的特征提取,从噪声和杂波的连续谱中估计出强散射点回波的离散谱参数,频率对应于强散射点的位置、幅值对应于强散射点的RCS,从而实现对目标的特征提取。最后,通过计算机仿真,验证RELAX算法的有效性和优越性。     

一种基于稀疏度估计的自适应压缩频谱感知算法

针对现有的频谱感知存在信号稀疏度估计所需压缩观测值不能满足信号稀疏度变化时实时跟踪的问题,研究一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法,在流信号进行稀疏度未知的压缩时,先采集由先验信息得到的观测值数目.在采集到的观测值数目上自适应调整,得到信号稀疏度估计所需的观测值数目,并精确估计信号的稀疏度.仿真结果表明,SCI-CSS算法对流信号频谱能够保持良好的收敛性和较快的跟踪速度,且能有效地确定使信号稀疏度估计所需压缩观测值数目并随信号稀疏度自适应调整,实现对信号稀疏度变化的实时跟踪.     

基于改进方法EEMD的HHT脉搏信号分析

针对传统希尔伯特-黄变换(Hilbert-Huang Transform.HHT)中经验模态分解(EmpiricalMode Decomposition.EMD)存在的模态混叠问题,提出一种基于总体经验模态分解(Ensemble EmpiricalMode Function.EEMD)的脉搏信号分析方法.谊方法通过对原...     

基于循环谱的多循环频率加权合作频谱检测

在接入主用户授权频段之前,认知用户需要检测该频段是否处于空闲状态,以免干扰主用户通信.利用主用户信号和噪声的不同谱相关特性,研究了基于循环谱的频谱检测方法.将主用户非零循环频率上的接收信号循环谱幅度作为检测统计量,给出了判决准则和检测方法.利用主用户信号在不同循环频率下不同程度的循环平稳特征,多个循环频率之间通过加权迭代合作来提高检测结果的可信度;并通过蒙特卡罗仿真方法验证该方法的可行性.仿真结果表明:加权迭代合作可有效实现频谱检测,且检测性能优于等权合作检测;通过合理选择信号采样点数、循环频率个数、迭代次数进行合作检测既可有效提高检测概率,又能保证检测灵敏度.     

基于IMF能量谱的水声信号特征提取与分类

经验模态分解（EMD）是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数（IMF）。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通过对水声信号进行经验模态分解,提取信号的本征模式分量并转换为能量谱特征向量,从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机（SVM）分类器进行。实验结果表明,相对于小波能量谱特征提取法而言,利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果,平均正确率达88%以上。     

基于a参数平均的AR谱估计在心率变异性研究中的应用

利用α参数平均的AR估计法分析研究心率变异性信号的AR谱。分析结果表明，这种方法（特别是在低信噪比场合）能够明显改善了HRV信号AR谱的测频性能。     

基于α稳定分布的空间瞬态光频谱估计

分析待探测的瞬态光信号,对其进行频谱估计,推导出空间瞬态光信号是一种随机信号。通过分析基于FLOM估计的共变谱估计,得出当 <1时,这种方法并不适应。为此,提出一种分数低阶协方差谱的估计方法,对这2种 稳定分布噪声中正弦信号的估计与分辨进行仿真实验,结果表明该方法可以获得较好的谱估计性能,对 稳定分布噪声具有广泛适用性,且瞬态光信号为 稳定分布噪声。     

异步电机转子故障诊断算法研究

针对异步电机定子电流信号频谱分析法对转子故障诊断时,转子断条和偏心故障特征分量容易受到基波分量的影响,难以准确诊断故障的情况,对传统的瞬时功率信号频谱分析法进行改进.利用Hilbert变换对定子电压、电流进行数学变换,在此基础上得到改进的瞬时功率,然后对改进后的瞬时功率信号进行频谱分析.通过搭建异步电机故障检测实验平台进行了初步模拟实验,实验结果表明,该方法不仅消除了基波分量对故障特征分量的影响,而且还使频谱曲线更加清晰、简洁,突显了故障特征信息,弱化了非故障特征分量,为提高异步电机转子断条和偏心故障诊断的准确性奠定了基础.     

An adaptive data detection algorithm based on intermittent chaos with strong noise background

In order to realize the signal detection under the condition of lower SNR, this paper introduced the adaptive phase length based on the Duffing chaotic system and verified the measured signal at the optimal excitation frequency. The existence of the target signal was judged by observing whether there are two consecutive intermittent chaos in the time domain. Then the envelope of the intermittent chaos was obtained by Hilbert transform. Finally, the exact value of envelope spectrum was obtained by using the one-and-half-dimension spectrum, which can calculate the precise value of the frequency of the signal to be measured. The experimental results showed that the proposed algorithm can achieve a lower SNR than the conventional detection. Compared with the general chaotic detection, this algorithm can realize smart self-adaptation. It is unnecessary to specify different excitation frequencies and chaotic thresholds for different frequencies to be measured. In addition to the existence of the target signal judgment, the algorithm can also achieve accurate calculation of the frequency of the signal to be measured.

     

基于HHT倒谱系数的说话人识别算法

针对LPCC只反应语音静态特征且不能突出其低频局部特征问题,提出一种以HHT倒谱系数为特征的说话人识别算法,HHT的经验模态分解使语音的低频局部特征得到更好的描述,Hilbert变换能够刻画语音动态特性,改进了LPCC的不足。用经验模态分解将语音分解为一系列固有模态函数分量并做Hilbert变换求得Hilbert边际谱,计算总边际谱的对数功率谱并做DCT得13维倒谱系数,将此特征送入高斯混合模型进行说话人识别。仿真实验结果表明,基于HHT倒谱系数的说话人识别算法,相较LPCC识别率提高了12.59%,但特征提取时间增加了19.27 s。     

Fractional Envelope Analysis for Rolling Element Bearing Weak Fault Feature Extraction

The bearing weak fault feature extraction is crucial to mechanical fault diagnosis and machine condition monitoring. Envelope analysis based on Hilbert transform has been widely used in bearing fault feature extraction. A generalization of the Hilbert transform, the fractional Hilbert transform is defined in the frequency domain, it is based upon the modification of spatial filter with a fractional parameter, and it can be used to construct a new kind of fractional analytic signal. By performing spectrum analysis on the fractional envelope signal, the fractional envelope spectrum can be obtained. When weak faults occur in a bearing, some of the characteristic frequencies will clearly appear in the fractional envelope spectrum. These characteristic frequencies can be used for bearing weak fault feature extraction. The effectiveness of the proposed method is verified through simulation signal and experiment data.      

雷达侦察中数字荧光技术的应用研究

数字荧光(DPX)技术是近年来实时频谱分析中采用的一项创新性技术。它大大提高了对信号的捕获和观察能力,非常适合在雷达侦察中应用。本文介绍了DPX技术的基本工作原理,给出了其在宽带雷达信号侦察系统中的设计与实现;结合雷达侦察信号处理,讨论了通过对DPX频谱图采用信号态势分析、图像分割与信号提取、统计轨迹检测等方法,得到直观的特征信息;并将其应用于实际工程中。实践结果表明,DPX技术可以有效地应用于雷达侦察中。