基于EEMD和Choi-Williams分布的侵彻加速度信号时频分析

提出了一种基于总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和Choi-Williams分布联合的时频分析算法,该算法采用EEMD算法将信号从频域上分离为若干个固有模态函数之和,再对各分量进行Choi-Williams分布,得到了信号的时频分布特征,有效地消除了信号内部各模态函数之间时频分布的交叉项,从而挖掘信号的本质及相关特征.通过对实测侵彻两层厚度不同的混凝土靶板的加速度信号,采用EEMD和Choi-Williams分布联合时频分析,得出弹体激发的振动模态和靶厚以及着靶速度有关.     

基于随机共振和BBS/ICA的轴承故障诊断

提出了一种基于变尺度级联单稳随机共振和盲源分离/独立分量分析(BBS/ICA)相结合的轴承故障诊断方法.首先,通过高频信号控制下的变尺度单稳随机共振将信号所含的噪声能量转化为信号能量,再用BSS/ICA分离残余噪声.理论分析及仿真结果表明:该方法能利用噪声来增强信号频率特征,使得大参数信号能从系统中获得更多能量,又能消除噪声,从而实现故障的有效诊断.试验台模拟了滚动轴承内圈及外圈故障,验证了该方法的有效性.     

Wiener滤波在有噪ICA中的应用研究

由于实际所观测信号常常掺杂有噪声,直接对其进行独立分量分析(Independent Component Analysis,ICA)将会影响ICA的分离性能.本文将Wiener滤波与ICA进行结合,先对有噪信号进行Wiener滤波,再进行ICA分离.应用上述算法,对有噪图像信号进行仿真实验研究,通过比较降噪前后的峰值信噪比(Peak Signal to Noise Ratio,PSNR),说明该算法的可行性和有效性.     

时频分布与FRFT在环境激励下模态参数辨识中的应用

将时频分析方法和分数阶傅里叶变换(FRFT)方法相结合,在环境激励下进行模态参数辨识,可弥补单纯时域或频域方法的不足.将时频分布中的Gabor展开用于识别系统固有频率和阻尼比,各通道响应信号的自相关函数在一定程度上可以减小噪声干扰,增强信号的能量分布,有助于参数的识别.利用FRFT,根据信号在时频面内的旋转角度和脉冲峰值出现的位置可估计激励信号.通过对一个三自由度振动系统仿真结果说明,将FRFT与时频分布的Gabor展开相结合,可以很好地从响应信号中辨识出模态参数和激励信号,为辨识环境激励下的系统模态参数提供了很好的途径.     

基于二维ICA基于二维ICA变换的语音特征提取

独立成分分析 (ICA)方法已经被广泛地应用于语音信号处理中.  讨论了ICA方法在语音信号特征提取中的应用.ICA被应用在对数Mel滤波器组变换域中来代替常用的离散余弦变换，后者被应用来得到Mel倒谱系数(MFCC)特征.我们将应用一种新的方法即二维ICA方法来发掘语音信号的时域跟频域的信息，从而提高语音特征的效率跟噪声鲁棒性.这些特征被用于基于高斯混合模型的说话人识别应用中.仿真结果表明我们得到的时频二维特征优于传统的一维特征.     

基于独立分量分析的光电耦合器件可靠性时域筛选方法

针对目前光电耦合器件可靠性筛选方法的不足,提出了用独立分量分析(ICA)的方法对噪声信号进行时域分析,并利用ICA中峭度和熵两个参量讨论了各种基本噪声的特性。根据这些特性,应用ICA方法把各基本噪声从噪声信号中分离出来,并给出了时域下器件的可靠性分类规则。     

基于独立分量和扩展通道的振动信号降噪方法

针对ICA降噪技术中引入噪声通道的局限性,采取以扩展通道替代虚拟噪声通道的方法,将ICA的思想引入到结构同测点多通道振动信号处理中.叙述了ICA原理,FastICA算法的实现及其运用于振动信号降噪的思路,通过对实验梁同测点两通道振动信号的处理,并引入自相关函数和FFT谱衡量降噪效果,结果表明,采用扩展通道运用ICA进行结构振动信号降噪的可行性.     

工程机械司机室内噪声分析与降噪试验验证

推土机的驾驶室内噪声较大,需确定其噪声源并进行降噪处理。通过综合的测试分析技术对推土机驾驶室内、整车外进行振动噪声源识别是实施正确减振降噪措施的前提。对测试数据进行了频谱分析,结合机器工况和内部结构分布情况,确定了推土机驾驶室内振动噪声的主要频率特性及主要振动噪声源。同时根据噪声振动源对司机位置处噪声的影响,提出综合的减振降噪方案,并经过试验得到验证。经过减振降噪综合治理,司机位置耳旁噪声大大低于新国标限值,产品性能得到提升。     

汽车变速器齿轮啸叫噪声试验

为了研究汽车变速器齿轮阶次振动及其所形成的啸叫噪声特征及机理,设计整车道路实测工况试验.分析以下4个方面的变化及相互之间的联系,即变速器齿轮阶次在驾驶室内形成的啸叫噪声、齿轮阶次在发动机机舱内形成的啸叫噪声、变速器后轴承座壳体上的齿轮阶次振动和驱动车轮上的转矩.振动与噪声试验结果分析表明：在发动机机舱内或变速器内,齿轮阶次振动及形成的啸叫噪声客观上始终存在;在驾驶室内,低频率的齿轮阶次振动所形成的啸叫噪声相对于高频率的更容易出现,且汽车正驱加速过程与反拖滑行过程对比,加速过程的齿轮阶次振动更强,但形成的啸叫噪声更弱.分析以上试验结果形成的内在原因可知,即低频率阶次振动及所形成的啸叫噪声,相对高频率更易于传递至驾驶室内;低转速时的低频率阶次噪声,与总体噪声的差值更小,在人耳主观听觉上更容易被察觉;汽车在反拖滑行时,发动机油门处于停止喷油状态,驾驶室内形成的背景或总体噪声相对更小,反拖过程比加速过程更易于被人耳主观察觉到低频阶次啸叫噪声.车轮转矩试验结果表明,正驱转矩比反拖转矩大,相应的振动阶次较明显;在反拖刹车工况下,高转矩使得齿轮副阶次振动变得模糊.     

基于二维ICA变换的语音特征提取

独立成分分析（ICA）方法已经被广泛地应用于语音信号处理中.讨论了ICA方法在语音信号特征提取中的应用.ICA被应用在对数Mel滤波器组变换域中来代替常用的离散余弦变换,后者被应用来得到Mel倒谱系数（MFCC）特征.我们将应用一种新的方法即二维ICA方法来发掘语音信号的时域跟频域的信息,从而提高语音特征的效率跟噪声鲁棒性.这些特征被用于基于高斯混合模型的说话人识别应用中.仿真结果表明我们得到的时频二维特征优于传统的一维特征.     

基于EEMD和CWT的挖掘机座椅振动分析

针对某型液压挖掘机座椅振动加速度信号,应用集总经验模式分解(ensemble empirical mode decomposition, EEMD)方法进行处理,提出以能量贡献率与相关性分析相结合的方法,实现本征模态函数(intrinsic mode function, IMF)中冗余项和伪信号的剔除;并应用连续小波变换(continuous wavelet transform, CWT)对各有效IMF分量进行时频分析,实现振源特征提取和定位。试验分析表明:影响驾乘舒适性的分量主要来源于发动机的发火激励和2阶转动激励,同时缸内气体压力循环作用产生的发动机切向、径向激励力也是一个重要的来源。该方法可有效地实现座椅振源信号的分解、筛选及定位,对于研究挖掘机振动舒适性具有一定的应用价值。     

基于MEEMD的内燃机辐射噪声贡献

为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解（MEEMD）方法.通过仿真试验,对比MEEMD与传统经验模态分解（EMD）和集总平均经验模态分解（EEMD）的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不仅能够抑制模态混叠问题,而且能够解决模态分裂等问题.采用MEEMD方法对内燃机振动成分对辐射噪声的贡献进行研究,以一个4缸4冲程内燃机为例,对标定工况下的缸盖罩振动信号和缸盖罩近场噪声信号进行MEEMD分解,并对分解得到的本征模态函数（IMF）进行时频分析,研究对辐射噪声贡献大的振动成分的来源.研究结果表明,通过MEEMD方法能够得到对内燃机辐射噪声贡献大的振动成分,并且准确确定其来源.     

发动机噪声源识别的试验方法

以2135柴油机噪声控制问题为例,阐述了噪声源识别的试验方法,测试信号的选择以及数据处理的方法。分析结果,发动机噪声主要是二阶、四阶振动引起的,传递途径存在很强的共振,因而提出了在传递途径上采取降噪措施,取得了较好的效果。     

基于EMD虚拟通道的ICA算法在信号消噪中的应用

提出了一种由经验模态分解构造虚拟噪声通道,结合独立分量分析进行信号消噪的方法. 在分析经验模态分解及独立分量分析的优越性基础上,阐述了构造虚拟噪声通道的基本原理,给出了具体构造方法. 用固有模态函数的Hilbert时频谱作为虚拟噪声通道重构分量选择的依据. 仿真计算表明,该方法对白噪声的消除是有效的,消噪效果较为理想. 与传统小波方法比较,具有优势.     

基于发动机激励的车内振动和噪声阶次分析

为了研究发动机激励对车内振动和噪声的影响,通过对某款国产乘用车进行振动和噪声测试实验,采集加速工况下的发动机悬置振动信号和车内振动与噪声信号,利用阶次分析方法对信号进行数据处理,分析车内振动和噪声产生的原因.通过计算各个悬置的隔振率,分析悬置隔振性能对车内振动和噪声的影响.结果表明,左悬置和右悬置隔振性差是引起车内振动的主要原因,后悬置振动是引起车内噪声的主要因素,发动机激励传递到悬置系统产生的振动是引起车内振动和噪声的主要原因.     

发动机排气自适应有源消声控制仿真实验

为了对发动机排气噪声进行实时控制,分析了发动机排气噪声产生的机理、噪声频谱特征,并利用基于自适应算法的有源消声控制技术对发动机排气噪声进行了实时控制分析实验．实验结果表明,所采用的自适应有源消声控制技术能够实时地对排气噪声进行控制．     

边界元法在汽车室内噪声建模中的应用

为探讨汽车室内噪声建模的方法,应用边界元法描述汽车车身室内的噪声水平。首先基于Hypermesh有限元软件建立汽车车室空腔有限元模型,然后以NASTRAN的格式导入到SYSNOISE环境中构建单区域边界元计算模型。引进车内座椅吸音材料对室内声场的影响,重新构建包含座椅的汽车室内多区域边界元计算模型。通过在车身室内安置一个点声源进行激励,分别采用单一和多区域边界元法模拟车身室内声场响应,获得在频率0~1 000 Hz范围内车身室内声场的频响函数。经试验验证,通过对比分析可知多区域边界元法计算结论与试验结果较好吻合,这表明多区域法比单区域法具有更高的精度。     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.     

利用偏相干方法识别主要激励源

噪声控制工程中的主要激励源识别，是一个十分重要问题．多年来人们已研究了一些用于主要源识别方面的方法，见文献［１］．但这些方法都有各自的应用条件，特别是当多源激励系统中各激励源之间存在相干性时，识别的精度就将受到影响．为了解决这一问题，本文利用偏相干理论，提出把偏相干函数与条件功率谱分析相结合的方法．利用这个方法，本文给出了实验室研究和工程应用结果     

独立分量分析在结构振动信号降噪中的应用

结构振动信号中混杂的噪声对信号的分析处理以及结构状态的诊断识别有很大影响。本文引入独立分量分析方法对结构动力信号进行降噪处理。通过增加实测噪声通道对多通道传感器信号进行扩展,利用有用信号与噪声成分之间相互独立,对信号进行ICA计算,将噪声与有用信号分离开来。对实验梁的实测振动信号进行分析处理表明,该方法降噪效果比较理想,而且降噪后的信号并没有改变结构动力特性。