基于光子计数激光雷达的时域去噪

激光雷达传统的成像方法需要经过长时间积分探测生成光子计数统计直方图的方式来减少背景噪声的影响,获得目标场景的深度估计信息。为了快速准确地获取目标场景的3D图像,提出基于光子计数激光雷达的三维距离图像时域去噪算法。该算法不需要生成光子计数统计直方图,利用信号和噪声在时间轴上不同的分布特性,结合了泊松过程统计规律。此算法提高了信号的探测概率,能够在低信噪比的环境下将信号和噪声分离,获得目标场景准确的3D图像。实验结果表明在低信噪比的条件下,此算法获得深度图像的RMSE与传统基于最大似然估计成像方法相比成像精度至少提高了3倍。有利于激光雷达三维成像在高背景噪声环境下的使用,拓宽了激光雷达的应用范围。     

低信噪比环境下基于γ-LMS算法的修正无偏自适应时延估计方法

当环境信噪比低于某一阈值,由输入噪声引入的有偏维纳解使最小均方(LMS)自适应时延估计器的错误时延估计概率陡然增加.系统分析了LMS自适应算法有偏估计的噪声来源及有偏时延估计器的性能,并基于Treichler的γ-LMS 算法提出了一种修正无偏自适应时延估计方法.该方法利用传统LMS自适应滤波器可以获得的信息估计输入噪声功率,然后根据γ-LMS 算法的思想在迭代过程中引入一个修正因子,逐步去除输入噪声的影响,无需假设输入与输出噪声功率相等或功率比已知、有用信号应为白过程等限制条件.自适应时延估计的仿真实验与供水管道泄漏检测定位中的实际数据处理都验证了该方法的有效性.     

基于四阶累积量的供水管道泄漏振动信号自适应时延估计

在相关高斯噪声干扰下,特别是在低信噪比时基于互相关的供水管道泄漏振动信号时延估计性能严重下降。因此,提出基于四阶累积量及递归最小二乘(RLS)自适应滤波的供水管道泄漏振动信号时延估计方法。首先,通过自、互四阶累积量分割信号频带,获得含有泄漏振动信号特征的一维切片;然后,引入可变步长的RLS算法,提高收敛速度;最后,利用RLS算法对上述一维切片进行迭代计算,分析滤波器权系数曲线及误差曲线得出时延估计结果。仿真与实验结果表明,该方法能够有效的实现供水管道泄漏定位:在低信噪比与相关高斯噪声背景下,互相关方法失效;与四阶累积量-互相关方法相比,所提方法的平均相对定位误差减少了2.56倍,标准差减小了1.736倍。     

滚动轴承循环故障特征增强的自相关非局部平均算法

针对非局部平均算法(Nonlocal Means,NLM)在处理低信噪比信号时将部分冲击特征均值化、丢失故障信息的现象。提出一种自相关非局部平均算法,首先利用自相关函数对振动信号进行预处理,初步减小噪声影响;再对时延截取的自相关函数进行NLM处理,并以加权运算得到的各样本点权重分布作为包络信号;最后对权重系数序列进行傅里叶变换得到包络谱,获得诊断结果。滚动轴承故障仿真数据和实验室信号分析验证了方法的有效性和优越性。     

基于广义互功率谱的温度检测方法

声温法是基于声波与CT技术相结合的非接触测温法,声波信号飞渡时间的精确测量是温度场检测的关键环节,在低信噪比、复杂混响的背景环境下,传统相关算法无法准确计算出声信号的时延。采用广义互功率谱相位分析算法来克服背景环境中乘积性干扰和卷积性干扰,通过对采样信号进行白化处理,并随信噪比的变化调整互功率谱的权值,来提高时延估计算法的抗噪声与抗混响能力。理论推导和实验结果分析证明,与传统相关函数分析算法和互功率谱相位时延算法进行比较,新互谱算法能有效克服噪声和混响干扰,锐化峰值,准确估计出声信号的时延。     

增强Ramanujan模态分解方法及其在滚动轴承故障诊断中的应用

针对现有的滚动轴承故障诊断方法（例如：小波变换和集合经验模态分解）的周期识别能力并不稳定等问题，我们提出了具有良好的周期分量提取能力的自适应周期模态分解(Adaptive periodic mode decomposition, APMD)方法。然而该方法所采用的最大似然估计方法在强噪声背景下估计周期时常出现错误，这导致APMD在强背景噪声下的周期提取性能并不稳定。为此，我们定义了自适应频率加权能量算子(Adaptive frequency weighted energy operator，AFWEO)，并将其用于增强周期脉冲。然后，提出了一种新的周期估计策略以提高周期估计的准确性，并在此基础上提出了增强Ramanujan模态分解(Enhanced Ramanujan mode decomposition, ERMD)方法。滚动轴承仿真和实验信号分析结果表明，新的周期估计策略在强背景噪声下依然有效，同时也说明了ERMD具有优良的周期成分识别和提取能力，是一种有效的滚动轴承故障诊断方法。     

基于小波包域噪声能量分布的脉冲噪声消除

针对信号被平稳脉冲噪声污染的场合,提出了一种从含噪信号中检测脉冲噪声并降噪的脉冲噪声消除方法.该方法选择脉冲噪声能量相比含噪信号能量最为显著的小波包树节点,并利用该节点小波包系数重构信号进而检测脉冲噪声的时域分布.在降噪中,该方法于小波包域内估计脉冲噪声的能量分布并依据估计结果计算每段脉冲噪声的滤波阀值.将该方法用语音增强实验验证,结果表明所提出的检测算法能获得较好的检测结果,而提出的降噪算法能显著地改善信噪比,获得较好的降噪效果.将文中的检测算法应用于轴承故障检测的信号预处理,进一步验证了方法的有效性.     

基于稀疏小波变换的超宽带低信噪比信号检测算法

脉冲超宽带信号是时域瞬态脉冲,功率谱密度极低,在远距离通信时,信号淹没在噪声中较难检测,对前端采样率要求较高.针对脉冲超宽带低信噪比检测问题,提出了一种在脉冲波形先验信息已知条件下,基于稀疏小波变换的低信噪比检测方法.针对超宽带信号在小波域具有稀疏分布这一特征,依据压缩传感理论,分析并仿真了稀疏基矩阵选择时域采样矩阵和小波矩阵时,信噪比对于性能的影响,提供了重构算法中迭代终止门限的选择方法.仿真实验表明,相对于稀疏基矩阵为时域采样矩阵,采用小波变换矩阵可以在较低信噪比条件下实现超宽带信号的降噪重构.     

归一化循环相关超声回波时延估计

传统超声回波时延估计算法是在高斯噪声背景下展开研究的,而实际工况中超声回波不仅含有高斯噪声,还含有脉冲冲击噪声(α稳定分布噪声)等,这导致传统算法失效。为了解决上述问题,本文提出了一种针对混合噪声特别是包含噪声背景下的超声回波时延估计算法:归一化循环相关时延估计算法。首先,对归一化循环相关算法理论进行了简要的介绍。接着,对归一化循环相关时延估计算法进行了理论推导分析。然后,结合仿真分析,在相同α混合噪声情况下对传统循环相关和归一化循环相关时延估计进行比较。最后,在不同信噪比下,对归一化循环相关时延估计算法的估计性能进行了分析。通过对比实验发现,在噪声特征指数趋于1时,循环相关算法已不能估计出时延,而归一化循环相关算法的误差仍能保持在0.4μs;且在-10dB信噪比下,归一化循环相关算法时延估计也能保持在10μs误差范围内。本文所提归一化循环相关算法在混合噪声特别是包含α噪声情况下能够对超声回波时延进行精确估计,具有传统算法所不能比拟的优势。     

基于驰振的压电能量采集器建模与实验研究

针对低信噪比环境下核电站松动件的检测,以降低误报率、漏报率为目标,提出了一种基于盲解卷积算法的松动部件冲击响应提取方法,并进一步结合支持向量机分类辨识算法,给出了一种低信噪比环境下核电站松动部件检测方法。利用叠加实堆背景噪声的平板钢球跌落实验数据开展了报警研究,并对盲解卷积算法进行了参数优化设计。结果表明：优化后的盲解卷积算法能够很好地恢复出信噪比低至-20dB的冲击响应信号,并使噪声能量降低了75%,有效抑制了噪声;给出的松动部件检测方法在信噪比低至-14dB时,仍具有极低的漏报率,并且噪声误报率和脉冲干扰误报率为零,因而具有良好的抗误报、抗漏报能力。     

供水管道泄漏定位中基于互谱的时延估计

供水管道泄漏时产生泄漏声波，根据泄漏声波到达安装在管道上的2个传感器的时间差可以估计泄漏位置。减小时延估计的方差必须对信号滤波以提高信噪比，但泄漏信号所在的频带是不能预先确知的。互谱相位谱和相干函数在频域上反映了2个信号的相关性，根据它们估计泄漏信号的频带、设定滤波器截止频率，在较低信噪比的情况下提高滤波效果及检测结果的置信度。实际检测结果表明，该方法减小了泄漏定位的误差。     

改进的ESMD用于公共场所异常声音特征提取

由于公共场所异常声音的特殊性及背景噪声的复杂性,极点对称模态分解(ESMD)用于异常声音分解时,存在一些理论和技术上的缺陷。经分析认为公共场所异常声音为非线性、非平稳信号,背景噪声服从T分布。为此,提出改进的ESMD用于公共场所异常声音分解,得到有利于识别的特征。所提出方法的特点是将T分布噪声序列添加到具有背景噪声的异常声音信号中,以减小背景噪声对特征提取的影响;将模态分量的排列熵作为判定异常声音与背景噪声的准则,自适应筛选有效的模态分量;用对称中点插值法替代极值中点奇偶插值法,以缓解ESMD插值端点不明确带来的模态失真。在公共场所异常声音数据库上进行了相关实验。实验结果表明,所提出的方法与目前典型的时频信号处理方法相比,在提高公共场所异常声音分类识别率的同时,缩短异常声音的分解时间,是一种有效的公共场所异常声音特征提取方法。     

伪随机码超声扩频在声学测温中的应用研究

声学测温技术中声波飞渡时间的测量是提高温度测量精度的关键。为了提高声波测温装置在锅炉强背景噪声下的抗干扰能力,借鉴雷达中的脉冲压缩技术,介绍了基于伪随机二进制序列的超声扩频测声波飞渡时间方法。利用信号处理技术中的互相关函数分析方法,计算声波发射端和接收端两路信号之间的时间延迟。在实验室加背景噪声的条件下,对声波时间延迟估计进行了实验研究。实验结果表明:伪随机码超声扩频测量飞渡时间具有较高的准确性、稳定性和抗干扰性能,该方法对提高声学测温精度具有实际意义。     

一种频谱仪自适应调整扫描带宽的数字信号提取方法

介绍了混合模拟信号和噪声的情况下提取通信卫星数字信号的方法。由于信号频率、3d B带宽、信噪比和信号电平属于待测参数 ,因此需要程控频谱仪自适应地调整扫描带宽 ,以正确测量出数字信号的频率、3d B带宽和信噪比等特征。实践证明 ,该方法相对于人工读取频谱仪方法具有效率高、准确率高和实时性等优点。     

广义平滑对数正则化稀疏分解方法研究及其在齿轮箱复合故障诊断中的应用

齿轮箱由于其工况复杂、工作环境恶劣,极易发生故障,并且振动信号中往往包含多种成分并且伴随着强烈的背景噪声,给齿轮箱故障诊断带来了很大的困难。稀疏分解方法能够在强背景噪声下有效地提取瞬态特征成分,针对传统稀疏分解方法存在的计算效率低,幅值低估以及估计精度不足等问题,提出了一种基于调Q小波变换(Tunable Q-factor wavelet transform,TQWT)作为稀疏表示字典的广义平滑对数正则化稀疏分解方法。该方法研究了满足紧框架条件的TQWT来构建稀疏表示字典,然后基于Moreau包络平滑思想提出广义平滑对数正则化方法,该罚函数可以在保持幅值的基础上精确重构出齿轮箱故障瞬态成分,最后利用前向后项分裂(Forward-backward splitting,FBS)算法精确求解该稀疏表示模型。仿真信号和试验信号验证了所提方法在齿轮箱复合故障诊断中的有效性。     

基于改进的维奥拉积分方法提取心音信号包络

心音是评价人体心脏功能的重要生理信号之一,分析心音信号特征对心脏疾病的早期诊断和治疗具有重要意义。分别采用希尔伯特黄变换、归一化香农能量以及维奥拉积分方法提取心音信号的特征包络,并针对维奥拉积分法存在的不足,结合香农能量方法可抑制高、低强度信号的特性,提出了一种改进的心音信号特征包络提取方法,最后采用阈值法实现了对心音信号的分段。采用改进的维奥拉积分方法对55例心音信号提取特征包络并进行分段处理,经验证该方法能有效的提取心音信号特征包络,对正常信号分段正确率达到了100%,异常信号分段正确率平均达到了95.32%,适合于心音信号分段。     

A hybrid fault diagnosis method based on second generation wavelet de-noising and local mean decomposition for rotating machinery

In order to extract fault features of large-scale power equipment from strong background noise, a hybrid fault diagnosis method based on the second generation wavelet de-noising (SGWD) and the local mean decomposition (LMD) is proposed in this paper. In this method, a de-noising algorithm of second generation wavelet transform (SGWT) using neighboring coefficients was employed as the pretreatment to remove noise in rotating machinery vibration signals by virtue of its good effect in enhancing the signal–noise ratio (SNR). Then, the LMD method is used to decompose the de-noised signals into several product functions (PFs). The PF corresponding to the faulty feature signal is selected according to the correlation coefficients criterion. Finally, the frequency spectrum is analyzed by applying the FFT to the selected PF. The proposed method is applied to analyze the vibration signals collected from an experimental gearbox and a real locomotive rolling bearing. The results demonstrate that the proposed method has better performances such as high SNR and fast convergence speed than the normal LMD method.     

Prediction of metal deposition from arc sound and weld temperature signatures in pulsed MIG welding

The weld deposition efficiency is an important economic factor like productivity and weld quality in gas metal arc welding (GMAW). There is a strong relationship between arc sound signals and arc stability (or deposition efficiency) in GMAW. In this work, the variation of weld deposition efficiency with various pulse parameters in pulsed metal inert gas welding was investigated. The arc sound signal along with current and voltage signals were acquired and analyzed in time domain as well as in frequency domain. The sound signal kurtosis and arc power were found to be highly correlated with welding process stability. The weld deposition efficiency was also related to weld surface peak temperature. Finally, an attempt was made to correlate the sound time domain as well as frequency domain features of sound signal with the deposition efficiency. The variation of pulse shape with the duty factor also influenced the deposition efficiency as evidenced by in fast Fourier transform analysis.     

对偶树复小波流形域降噪方法及其在故障诊断中的应用

滚动轴承工作环境比较复杂,现场测得的振动信号往往含有大量噪声且滚动轴承早期故障特征比较微弱容易被噪声所淹没,如何有效降低滚动轴承故障信号中的噪声准确提取故障特征是一个难题。将流形理论与对偶树复小波(Dual-tree complex wavelet transform, DTCWT)方法结合,提出一种对偶树复小波流形域降噪方法。将轴承振动信号进行对偶树复小波分解构造高维信号空间,然后利用最大方差展开流形算法(Maximum variance unfolding, MVU)提取高维信号空间中的真实信号子空间,去除噪声子空间,充分利用了MVU的非线性特征提取能力以及DTCWT的完全重构特征和平移不变性。运用仿真数据和滚动轴承工程信号对降噪方法进行检验,结果表明DTCWT_MVU可以有效消除轴承信号中的噪声成分,保持信号特征波形,提高信噪比,具有较强的工程使用价值和通用性。