基于奇异谱分析的最优分解层数确定算法

将奇异谱分析理论引入小波阈值算法中实现了一种基于奇异谱分析的自适应最优分解层数确定算法。通过对比不同信噪比下带噪信号的奇异谱分布情况,根据小波系数的奇异谱特性来确定最优分解层数。经测试,该算法可以根据带噪信号受噪声干扰情况自适应地确定最优分解层数,有效提高了语音增强效果并且避免了不必要的硬件资源浪费。     

奇异值能量差分谱在信号降噪中的应用

为了提高现场采集信号的信噪比,针对奇异值分解中重构矩阵有效阶次确定难的问题,提出了一种基于奇异值能量差分谱的信号降噪方法。该方法根据有用信号与噪声能量的差异性,通过构造信号的奇异值能量差分谱,将能量差分谱曲线中最大峰值点作为重构信号的有效阶次来实现有用信号和噪声的分离,能够使信号奇异值降噪阶次得到合理确定,较好地保护了原始信号中有用信息的完整性,获得了较大的信噪比,对后续进行信号特征的准确提取和分析至关重要。仿真和实例分析结果验证了该方法的有效性。     

一种旋转机械振动信号的有效消噪方法

提出了一种基于奇异值分解(SVD)、Mallat算法和经验模态分解的信号降噪方法.首先,采用香农熵判据寻求最佳小波分解,对带噪部分小波系数进行经验模态分解,提取出信号趋势分量;其次对小波系数剩余部分采用奇异值分解方法降噪,并根据奇异值差分谱自适应的选择奇异值进行重构,将重构后的信号和趋势项叠加作为新的小波系数;最后进行小波重构得到最终的消噪信号.运用模拟信号和齿轮箱断齿故障信号进行仿真,结果表明该方法能够准确地选择用于重构的奇异值个数,并能有效去除信号噪声,保留特征信号的细节信息,尤其对含有趋势项的故障特征有很大实用性.     

一种基于多分形奇异谱的噪声奇异性分析新方法

在介绍了噪声中的奇异性以及其全局奇异性的表征方法——多分形奇异谱的基础上,提出并实现了一种基于子波分解模极大的计算噪声多分形奇异谱的方法,通过对仿真信号验证,证明了该方法准确可靠。在对实测信号分析中,也发现该方法得到的多分形奇异谱比功率谱更能充分刻画噪声信号的特性。     

基于EMMD和AR奇异值熵的故障特征提取方法研究

提出了一种基于EMMD(extremum field mean mode decomposition)和AR(auto-regressive)奇异值熵的故障特征提取方法。该方法在对故障信号的EMMD分解基础上,选取有限个固有模态函数(IMF,intrinsic mode function)的AR模型参数向量作为故障的初始特征向量矩阵,对初始特征向量矩阵求取奇异值熵,通过奇异值熵的大小表征故障类型。对转子故障数据的分析结果表明该方法能够有效地应用于非线性和非平稳故障信号的特征提取。     

强背景噪声下语音端点检测的算法研究

多带谱熵法对语音频段进行分带处理形成新的分带谱熵函数,在低信噪比时,该方法能够更好地检测出语音,还能体现能量分布情况,应用较为广泛。多窗谱分析方法对同一数据序列用多个正交的数据窗分别求直接谱,是一种低方差、高分辨率的谱分析方法,尤其适合非线性系统中高噪声背景下弱信号、时频演变信号的分析。提出基于多窗谱及多带谱相结合的语音检测方法,仿真结果表明：改进算法较其他算法占有绝对的优势,而且性能稳定。     

基于SVD-EMD的有效微弱信号提取算法

针对奇异值差分谱的信号提取方法不能有效提取出强噪声环境中的微弱信号这一问题,提出了一种基于奇异值分解(SVD,singular value decomposition)和经验模态分解(EMD,empirical mode decomposition)相结合的微弱信号提取方法。采用奇异值差分谱选择奇异值进行信号重构,提取出带噪部分信号,对其进行EMD分解和SVD降噪处理,叠加得到降噪后的信号。仿真结果表明,该方法能够准确提取微弱信号信息,并能有效地去除信号噪声。     

基于奇异谱熵的脑电意识任务识别方法的研究

奇异谱分析是脑电信号研究的一种新方法。脑电信号的奇异谱熵可以反映脑电的特征,它有助于研究大脑的动力学行为。时变脑电信号所对应的奇异谱熵时间序列能很好地反映出事件相关去同步(ERD)和事件相关同步(ERS)现象,因此可以提取人脑想象左右手运动任务时的特征,最终利用K-近邻模式分类方法对想象左右手运动任务进行有效的分类决策。最后对国际脑机接口竞赛2003相关数据进行了测试,最高准确率达到85.16%,最大互信息达到0.48。测试结果说明,基于奇异谱熵的脑电信号特征,可以作为脑电意识任务的有效分类依据。     

心脏杂音提取和分类识别研究

为了分析心脏杂音中包含的病理信息,采用奇异谱主分量分析方法从病理心音信号中提取杂音成分。对四种常见的病理心音信号进行奇异谱分析,得到各主分量和经验正交函数,选择合适阶次重构正常心音成分和杂音成分。计算杂音信号的样本熵作为特征值输入支持向量机分类器实现分类识别,为临床诊断提供参考信息。     

矢量阵信号子空间投影波束形成

针对常规波束形成无法充分发挥矢量阵抗干扰性能的问题,提出了基于信号子空间投影的波束形成方法.对声矢量阵接收信号进行三阶张量建模,利用高阶奇异值分解得到信号子空间,并将阵列流形矢量投影于其上,从而得到相应的空间谱计算方法.计算机仿真试验验证了该方法的有效性.     

基于小波奇异信息熵的10 kV供电系统故障选线研究与仿真

针对现有的供电系统中接地故障选线精度不足、反应速率较慢的问题,提出一种利用小波分析、奇异值分解和信息熵的融合的供电系统接地故障选线新方法.充分利用小波变换良好信号时频分析特点,奇异值分解维数压缩、特征提取能力,信息熵测度强大的系统状态、特征信号的定量描述、对比、研究特点,在系统故障后的故障选线中,克服单一方法对系统接地故障的失判或误判.通过Matlab与Simulink软件建立供电系统模型,对基于小波奇异信息熵的供电系统接地故障选线方法进行多方位的测试,实验结果表明该方法对供电系统接地故障能够快速、准确地诊断选线,是一种新的行之有效的供电系统接地故障选线方法.     

基于小波包多尺度信息熵的鱼类识别方法

提出一种基于小波包多尺度信息熵的鱼类识别方法。该方法首先对鱼体的回波包络信号进行小波包分解,得到分布在不同频段内的分解信号,并提取各个频带内信号的信息熵作为识别特征量。对三种常见的不同形状的鱼类进行了水池试验,提取多尺度信息熵,并使用BP神经网络分类器成功进行了分类。结果表明:利用小波包多尺度信息熵作为特征量,可对不同形状的鱼类进行识别,且具有较高的识别率。     

基于加权门限谱熵的改进端点检测方法

为了进行有效的语音信号处理,降低语音信号的冗余度,通常采用端点检测技术来提取语音信号中的有效部分。而传统谱熵端点检测算法由于判定门限为固定值,其在低信噪比条件下检测性能急剧下降,提出了一种基于动态加权门限的检测方法,对每个判定的噪音帧的谱熵与无声段噪音谱熵进行加权平均,得到新的噪音谱熵作为更新后的门限值;在判定过程中引入谱减法提高信噪比,进一步降低噪声干扰。仿真实验结果证明,相对于传统谱熵端点检测方法,该方法在低信噪比的条件下仍然能够更为准确地检测到语音的端点。     

基于多元联合熵的复杂装备健康监控方法研究

将多元联合熵理论、数据融合的观点引入到复杂装备健康监控中,通过计算特定信号划分下的多传感器联合熵,以刻画复杂装备的健康状态。以飞行数据的联合奇异谱熵为例,探讨了该方法在航空发动机健康监控中的应用,进而为复杂装备的健康监控提供了一种统一和普适的方法。     

抑郁症静息脑电的小波包节点功率谱熵分析

头皮脑电(EEG)信号反映了大脑皮层神经元细胞群自发性节律性的电生理活动,含有丰富的生理与病理信息,是临床脑神经与精神疾病诊断的重要依据.针对抑郁症的研究和诊断中缺少客观有效的量化参数和指标的状况,提出一种基于小波包分解节点重构信号的功率谱熵值(记为W值)的脑电信号分析方法,并利用此方法对静息态的脑电信号进行计算和分析.实验和分析结果表明:抑郁症患者脑电信号S32节点(频率24~32 Hz)的熵值(置信区间[0.0129,0.0176])在部分脑区显著大于正常健康人(置信区间[0.0246,0.0303]),显示抑郁症病人快波节律的能量分布存在弥散性,符合现在关于抑郁症患者自我调节能力减弱的发病机制.对结果进行了T检验统计分析,证明了这种辨别方法的准确性和可行性,将为抑郁症疾病检测诊断提供有效的量化物理指标.     

Hilbert包络谱的熵特征在辐射源个体识别中的应用

针对基于时频统计参数的特征提取方法存在测量准确性要求高,特征维数大的问题,提出了一种基于Hilbert包络谱的熵特征。利用Hilbert法对信号提取包络谱后,求解包络谱的信息熵和指数熵特征,并联合包络方差识别辐射源个体。在仿真实验中对比功率谱熵特征识别正确率显著提高;对QAM、ASK以及频率成分适量的信号识别率在3 dB左右达到80%以上。该算法具有一定高效性和鲁棒性。此外应用特征于FM手持机信号,实测结果表明,算法具有一定实用性。     

基于Tsallis小波熵的变压器励磁涌流识别方法

针对变压器励磁涌流和内部故障电流识别的热点问题,为了有效克服香农熵在对信号的小波分解系数进行特征提取时具有局限性的缺陷,达到提高识别的有效性和快速性的目的。提出了基于Tsallis小波能量熵和时间熵判据的变压器励磁涌流和内部故障电流的识别新方法。该方法将小波分析与Tsallis熵结合对变压器暂态信号进行分析,在小波能量谱的基础上,得到Tsallis小波能量熵判据,并根据时间熵的定义得到Tsallis小波时间熵判据,综合利用两种判据对暂态信号进行识别。该方法不仅可以成功识别励磁涌流,并且提高了识别的准确性、可靠性和灵敏性。MATLAB/Simulink仿真实验结果验证了所提方法的有效性和准确性。