非线性系统中稳定有色噪声建模及FLOC谱特性

用多项式自回归模型对非线性系统中稳定有色噪声建模,利用扩展的迭代重加权最小[p]范数算法进行模型参数估计。系统研究了分数低阶协方差谱的性质,并对无限方差非高斯多项式自回归有色噪声进行频域特性分析。理论分析和仿真实验表明,EIRLP算法是在高斯和分数低阶稳定分布噪声条件下具有良好韧性的参数估计方法。仿真通过对稳定有色噪声条件下的正弦信号进行谱估计,结果表明,分数低阶协方差谱具有良好韧性的谱估计性能。     

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。     

基于分数低阶协方差谱的频谱感知算法研究及其FPGA实现

在对非高斯噪声情况下主用户频谱感知问题的理论研究之上,采用α稳定分布模型描述认知通信系统的非高斯噪声,给出了一种基于分数低阶协方差的感知方法,并采用分数低阶协方差谱对α稳定分布噪声下的主用户信号进行了谱估计,较好地解决了在非高斯噪声情况下传统的功率谱估计性能失效的问题。在此基础上针对FPGA的特性,进一步优化了算法,在FPGA上设计并实现了基于该算法的感知系统。系统利用FPGA产生中心频率为25 MHz、带宽为12.5 MHz的QPSK信号和特征指数为1的α稳定分布噪声作为主用户信号,设计相应的数字信号处理模块,并在此系统中验证了基于分数低阶协方差的感知方法能够有效地从α稳定分布噪声中检测出主信号的存在。该系统运行稳定,可移植性强,适用于不同的主用户频谱检测方案在此系统上进行实现与验证。     

基于Burg最大熵法的管道腐蚀超声检测

超声波检测是输油管道在线内检测的重要方法之一,但在管道壁厚测量应用中却经常出现大量的误差,甚至得出相反的结果.本文进行了较深入的超声检测回波分析,指出了由回波信号的前两个脉冲的时间间隔计算管道剩余壁厚的检测方法将产生较高的误检率和漏检率,提出了一种基于Burg最大熵谱估计的信号处理检测方法,Burg法按最大熵原则外推自相关函数,递推计算模型预测误差滤波器反射系数,避免了其他自回归功率谱估计方法中自相关函数的计算.短时间序列、高分辨、抗干扰能力强的功率谱估计算法是超声管道内检测的关键技术.实验结果表明该方法检测精度高、谱估计分辨率高,适用于输油管道在线管壁腐蚀检测.     

基于Gabor小波变换册的齿轮故障诊断方法

齿轮产生局部故障时,失效的轮齿间断地进入啮合,产生冲击振动,使得齿轮振动信号包含了非平稳或时变成分.基于平稳信号处理的传统方法无法全面反映信号的时变特性.作者研究了Gabor小波变换册方法,Gabor小波变换册是小波变换的推广,它是时间-频率-尺度三维空间上的线性变换,它有机结合了小波变换与Gabor变换,具有对非平稳信号的强大分析功能,利用其作信号的谱估计,不仅具有小波变换谱估计方法高频率分辨率的优点,而且不受信号频率范围宽窄的限制,可以根据需要自由地选择尺度参数,谱估计值准确有效.利用Gabor小波变换册作齿轮故障信号的谱估计,比经典的自功率谱估计在齿轮局部故障诊断中能取得更好的效果.文中并对该方法进行了仿真和实验验证,仿真和实验数据的分析结果表明这些方法可突出齿轮的边频带结构,适用于齿轮的局部故障诊断,具有一定的应用价值和更深入的研究价值.     

基于小波分解的鼾音信号功率谱估计方法研究

为对鼾音信号进行有效地功率谱估计,同时精确研究鼾音和阻塞位置的关系,提出了基于小波分解的鼾音功率谱估计方法.首先将鼾音信号进行小波分解,然后对提取的三个子带信号分别采用Welch法、多窗谱法、基于AR模型的自相关法和Burg法进行功率谱估计,最后分析了不同阻塞位置的鼾音功率谱估计特点.仿真结果表明,基于小波分解Welc...     

基于谱估计的雷达信号模型验证方法

雷达信号模型是雷达系统仿真的重要组成部分,因此雷达信号模型验证在系统可信性分析中具有重要意义。采用经典谱估计和最大熵谱估计两种方法对仿真产生的两组雷达信号进行谱估计,提出了利用相关系数方法在频域对模型进行验证,对比分析了两种方法的优缺点,并对某雷达仿真系统与某次试验采集得到的数据进行了验证,表明此雷达仿真系统具有较高的可信度。     

基于BLPN算法的AR SαS过程共变谱估计方法

研究了一种新的AR SaS过程的谱估计算法.该算法将整个数据作为一个整体,利用分数低阶P阶矩从前向、后向两个方向对数据进行处理,获得了一种高分辨率的参数估计算法--双向最小P范数法(Bidirectional Least p Norm,BLPN).利用得到的参数,结合共变谱的定义,构建了AR SaS过程下的共变谱估计表达式,并分别对AR SaS过程参数估计,α稳定分布噪声中的正弦信号的谱估计进行仿真.仿真结果表明,基BLPN的ARSαS模型的共变谱估计方法对于不同的口值均具有良好的韧性,特别是在α值较小或者短时数据时,本文方法的性能明显优于基于FLOM的AR SαS模型共变谱估计方法.     

Welch法在双曲拱桥固有频率检测信号识别中的应用

随机振动法是检测桥梁信号中常用的一种方法,首先采用经典功率谱估计的方法对高速静态应变采集系统DH3817得到的数据进行处理,但频谱泄漏是不可避免的.因此采取Welch功率谱估计法,从而达到频域滑动平均的效果,去掉频域曲线中的"毛刺",最终得出该桥的固有频率,以判断该桥梁是否需要加固.     

分数低阶alpha稳定分布的STFT时频分析方法

对于α稳定分布噪声的非平稳信号,仅用频域的一维分析方法是不够的,需要考虑进行二维的时—频域分析方法。在基于传统的短时傅里叶变换(STFT)基础上,针对分数低阶α稳定分布的特性,提出了分数低阶STFT新方法。计算机仿真结果表明,该分数低阶STFT方法能克服传统的STFT方法在对α稳定分布进行时频分析时的性能退化问题,为α稳定分布在时频域的研究开拓了全新的途径。     

分数低阶时频滑动平均模型参数估计

针对稳定分布环境下非平稳过程分析方法时频滑动平均（TFMA）模型算法的退化,引入分数低阶统计量共变,提出了一种改进的分数低阶时频时频滑动平均（FLO-TFMA）模型算法。推导了FLO-TFMA模型的参数求解过程,给出了基于FLO-TFMA模型的时频谱估计。通过在稳定分布环境下对TFMA模型算法和所提出的FLO-TFMA模型算法的参数估计均方误差（MSE）比较和时频谱估计比较,仿真结果表明,FLO-TFMA模型算法的参数估计精度优于TFMA模型算法,TFMA模型时频谱估计完全失效,而FLO-TFMA模型时频谱算法能较好地进行时频谱估计。     

α稳定分布下信号的维格纳分布分析方法

研究分数低阶α稳定分布(FLOA)噪声下的信号仅从频域分析是不够的,需要考虑时—频域的二维信息。从现有的时—频分析方法发现,该方法是假设信号的背景噪声服从高斯分布,对FLOA这类非高斯分布噪声下信号的时—频分析性能退化严重。针对这一问题,在基于频域的FLOA分析理论上,将频域推广到时—频域的维格纳分布(WVD),提出了分数低阶WVD分析方法。计算机仿真测试结果表明,该新的WVD分析方法能在时—频域有效分析出FLOA的时—频分布特征,成功地使FLOA分析方法从频域拓展到时—频域。     

稳定分布下信号的小波分析方法

采用传统小波分析方法对分数低阶?稳定分布噪声下的信号进行时频分析,存在性能退化的问题。为此,提出一种新型时频分析方法——分数低阶小波分析方法。根据分数低阶?稳定分布的特性,采用不破坏相位信息的频谱分析思想对传统小波理论进行改进。仿真结果表明,该方法能在时域、频域较好地分析出信号的频谱特征。     

最小p范数准则α谱估计及载波频率检测

针对共变系数矩阵和分数低阶协方差矩阵估计ARSαS信号α谱精度不高的情况,提出了一种最小p范数准则的α谱估计方法。该方法对传统的奇异值分解（SVD）方法估计ARSαS信号模型最小阶数进行改进,得到一种分数低阶的奇异值分解方法（FLO-SVD）,然后利用最小p范数准则和IRLS算法求出信号模型参数,用于作α谱估计。应用于脉冲噪声环境下的QPSK信号的仿真表明,改进后的方法对α谱有更好的估计,对载波频率有更准确的检测性能。     

基于MUSIC谱估计的探地雷达回波处理方法

为了克服现有信号处理算法对探地雷达噪声及杂波滤除的不足,提出了一种基于MUSIC谱估计时域与频域联合滤波方法。利用常用的去直流波和均值滤波抑制方法进行雷达信号预处理,在此基础上,引入谱分析中信号子空间与噪声子空间的概念,将MUSIC算法与最小二乘法相结合来进行探地雷达杂波及噪声处理。仿真及实验结果表明,提出的回波处理方法可以有效地抑制雷达信号中的噪声和杂波,能提高测量数据的精度,具有较高的实用性和可用性。     

功率谱估计和扩展子空间下的欠定盲分离

研究了欠定情形下的信号盲分离。充分利用信号的时频特性,提出了AR模型功率谱估计法滑动估计信号频率,设计带通滤波器近似获取源信号和欠定混合矩阵,以及扩展子空间向量基构造完备观测信号的方法,将问题转化为完备情况下的盲分离,最后运用FastICA方法实现了信号盲分离。仿真实验数据表明方法的可行性和有效性,为欠定盲分离问题研究提供了新的思路。     

Applications of Fractional Lower Order Time-frequency Representation to Machine Bearing Fault Diagnosis

The machinery fault signal is a typical non-Gaussian and non-stationary process. The fault signal can be described by SαS distribution model because of the presence of impulses. Time-frequency distribution is a useful tool to extract helpful information of the machinery fault signal. Various fractional lower order (FLO) time-frequency distribution methods have been proposed based on fractional lower order statistics, which include fractional lower order short time Fourier transform (FLO-STFT), fractional lower order Wigner-Ville distributions (FLO-WVDs), fractional lower order Cohen class time-frequency distributions (FLO-CDs), fractional lower order adaptive kernel time-frequency distributions (FLO-AKDs) and adaptive fractional lower order time-frequency auto-regressive moving average (FLO-TFARMA) model time-frequency representation method. The methods and the exiting methods based on second order statistics in SαS distribution environments are compared, simulation results show that the new methods have better performances than the existing methods. The advantages and disadvantages of the improved time-frequency methods have been summarized. Last, the new methods are applied to analyze the outer race fault signals, the results illustrate their good performances.      

倒双谱的降维谱在舰船推进系统中的仿真研究

该文运用matlab分析工具,根据倒双谱理论,结合分析舰船推进系统特征的实际需要,定义了倒双谱的降维谱,提出了谐波信号基频的估计方法,定性地分析了谐波信号能量和倒双潜的降维谱零分量的关系,提取了舰船推进系统信息的基频特征和分析带宽内其能量的特征。研究结果表明,该文的方法是正确有效的,它把复杂的三维倒谱转换为二维倒谱,较之功率倒谱更能抑制高斯噪声：且不丢失特征信息,同时计算最较之倒双谱大大减小,采用倒双谱的降维谱分析技术在提取轴频分量和估计舰船推进器螺旋桨转速和舰船吨位中有很好的应用价值。     

基于稳定分布噪声的分数低阶自适应时频分布

信号中的α稳定分布噪声会使自适应时频分布方法失效.针对该问题,利用分数低阶统计量理论,提出一种改进的分数低阶自适应时频分布.为了实现带噪信号的实时在线处理及长时间信号的时频分布分析,给出一种分数低阶短时自适应时频分布.仿真结果表明,2种方法都能在含有α稳定分布噪声和高斯噪声的环境下进行有效的时频分布分析.