基于NA-MEMD和互信息的脑电特征提取方法

多变量经验模式分解（MEMD）方法不需要根据先验知识选取基函数,能同时对多通道数据进行自适应分解,适合于分析具有高度相关性和非平稳性的脑电信号。为了判别包含有用信息的内蕴模式函数（IMFs）,提出一种基于噪声辅助多变量经验模式分解（NA-MEMD）和互信息的方法,并用于脑电特征提取。首先使用NA-MEMD算法对多通道信号进行分解得到多尺度IMF分量,然后采用互信息法分别计算各尺度上信号与其IMF分量、噪声与其IMF分量、信号IMF分量与噪声IMF分量之间的相关性,接着根据敏感因子筛选包含有用信息的IMF分量,将其叠加得到对应的重构信号,最后采用共同空间模式（CSP）法对重构信号进行特征提取,再用支持向量机（SVM）实现分类。使用仿真数据和实际数据集BCI Competition IV Data Set 1进行测试,与现有的其他方法比较,验证了所提方法的有效性。     

基于EEMD和ICA的单通道列车信号盲分离

针对列车混合故障的诊断,提出了一种基于集合平均经验分解（EEMD）和独立分量分析（ICA）的盲分离诊断方法。通过EEMD算法将混合信号分解为包含不同源信号特征的本征模态函数（IMF）,组成新的多维信号;用主成分分析准确估计源信号个数,解决了单通道信号盲分离的欠定问题;利用快速独立分量分析（Fast-ICA）算法实现了信号的盲分离。实验信号分别采用仿真信号和列车实验信号进行实验,实验结果表明,该算法可以有效地分离出列车的单故障信号。     

基于空气耦合超声Lamb波对铝板的特征成像检测

A0模态Lamb波因具有低衰减、短波长、对缺陷敏感等优良特性被用于检测大面积层板结构。为了实现铝板中缺陷的检测与重构,提出了一种基于空气耦合Lamb波扫描成像检测技术,对存在冲击损伤的铝板进行扫描检测。扫描时,激励与接收传感器置于铝板同侧并倾斜布置,沿着两个相互正交的方向进行Lamb波扫查,对正交路径下的检测信号进行快速傅立叶变换(FFT),将得到的频域信号与基准频域信号之间的信号差异系数（SDC）作为特征值,并结合损伤概率成像算法和数据融合算法进行缺陷的重构和成像。实验结果表明,基于损伤指数的特征值成像方法可以有效表征铝板缺陷,成像结果与缺陷实际位置非常吻合。     

基于S-霍夫变换的LFM信号时频检测

针对多分量线性调频（LFM）信号,提出一种新的变换-S-霍夫变换,该方法首先对多分量线性调频信号进行S变换,实验仿真结果显示相对Wigner-Ville分布有交叉项干扰,s变换克服了多分量线性调频信号产生的交叉项干扰,然后在时频平面内对s变换后的多分量线性调频信号,利用霍夫变换检测出各个线性调频信号分量,仿真实验结果证明该方法可以有效克服多分量线性调频信号产生的交叉项干扰,能够对多分量线性调频信号进行正确检测。     

改进EEMD算法在心电信号去噪中的应用

集合经验模态分解（Ensemble empirical mode decomposition,EEMD）方法在去除心电信号噪声时,噪声本征模态函数（Intrinsic mode function,IMF）分量难以选择且将噪声分量直接去掉会导致信号失真。针对上述问题,提出了一种基于EEMD的自适应阈值算法。首先对含噪心电图（Electrocardiogram,ECG）数据进行EEMD分解,得到IMF,根据马氏距离进行信号IMF分量和噪声IMF分量的判定,然后通过果蝇优化算法确定噪声IMF的阈值,将经过阈值去噪的新的分量和剩余分量重构得到去噪后的ECG。最后,使用MIT-BIH数据库中的心电数据进行实验,实验结果表明,该方法在去噪同时能够较好地保留信号细节。     

小波消噪和ICA在语音信号分离中的应用

为了消除语音信号分离中仍存在的部分混叠声音,提出一种基于小波消噪和独立分量分析（ICA）结合的信号分离方法。该方法将小波变换和独立分量分析结合,利用小波变换的去噪作用,滤除原始语音信号中的噪声后作为ICA的输入信号,采用FastICA算法在小波域进行独立分量分析,对输入信号实施分离。实验结果表明,该方法大大调高了传统独立分量分析对语音信号的分离效果。     

基于EMD与奇异值差分谱的侧信道信号特征提取

为了从强烈的背景噪声中提取侧信道信号的特征信息,提出了一种基于经验模式分解（EMD）与奇异值差分谱相结合的信号特征提取方法。该方法首先对原始侧信道信号进行EMD分解,计算各个特征模态函数（IMF）与原始信号的相关系数,找到最大相似特征分量;再对该分量进行奇异值分解求出对应的奇异值差分谱;最后根据差分谱进行重构和消噪,进一步提取分量的特征信息。实验结果表明,该方法可以有效应用于侧信道信号的特征提取,成功提高信号的信噪比和攻击成功率。     

基于LMD的模态参数识别方法

采用局部均值分解（Local Mean Decomposition,LMD）方法来识别机械系统固有频率和阻尼比。局部均值分解（LMD）方法可以自适应地将一个复杂信号分解为若干个具有一定物理意义的PF（Production Function）分量之和,采用LMD方法对脉冲激励下机械系统的加速度响应信号进行分解,得到一列具有物理意义的PF分量,每一个PF分量可以对应于某一个模态下的振动响应,进而就可以通过拟合瞬时频率和瞬时幅值曲线识别模态固有频率和阻尼比。先采用仿真信号进行了分析,使用LMD方法和经验模态分解方法（Empirical Mode Decomposition,EMD）对梁的瞬态响应实验数据进行模态识别并同仿真结果进行对比研究,结果表明用LMD进行模态分析具有较好的效果。     

基于CEEMD的人体微动信息提取信号处理方法

心跳与呼吸信号是人体重要的生命信息,且属于微弱信号。由于心跳和呼吸信号强度较小,在低信噪比条件下从雷达回波中提取微动特征信号存在一定困难。针对低信噪比下人体微动信号的提取,提出了一种基于互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）的信号重构方法,该方法以单频连续波雷达信号为载体,将含噪回波信号按频率特征分解为多个不同的本征模态分量（Intrinsic Mode Function,IMF）,并从中选择合适的分量进行信号的重构,以此提高信号的信噪比。通过仿真实验,验证了该方法处理信号的可行性。     

基于CEEMD阈值和相关系数原理的MEMS陀螺信号去噪方法

针对经验模态分解（EMD）方法易产生模态混叠问题,而集成经验模态分解（EEMD）方法又存在重构误差较大的缺陷,提出了一种基于完备集成经验模态分解（CEEMD）阈值滤波和相关系数原理的MEMS陀螺信号去噪方法。首先通过CEEMD方法对陀螺信号进行有效完备的分解,并利用相关系数原理合理确定分解后噪声分量与有效分量的界限。在此基础上,通过借鉴小波阈值处理方式和EMD阈值设置方法,对信号进行阈值滤波去噪。对仿真信号和实际MEMS陀螺信号的研究结果表明,CEEMD阈值去噪方法的去噪效果要优于CEEMD、EEMD、EMD强制去噪方法和小波分析方法。这也充分体现了其在MEMS陀螺信号去噪应用中的可行性和有效性。     

基于稀疏表示的兰姆波模态分离方法研究

针对超声阵列检测过程中兰姆波的频散和多模态特性带来的信号分析困难问题,提出了一种基于稀疏表示的兰姆波模态分离方法,并将其应用于金属板结构兰姆波模态分离中。根据S;和A;模态兰姆波在时域上的波形差异,研究S;、A;单模态字典和复合字典的构造方法,将待测信号在复合字典上进行稀疏分解,采用带相干性准则的最小角回归算法求解稀疏系数,从多模态信号中提取S;、A;单模态信号。将所提出的方法应用到仿真和实验信号分析中,结果表明,该方法可以很好地实现检测信号中单模态兰姆波信号的提取。研究工作有助于解决金属板结构中多模态兰姆波的模态分离问题。     

基于HHT的水中爆炸冲击波信号特征分析

水中爆炸冲击波信号是一种瞬态、非平稳信信号,其信号的处理精度直接影响了冲击波测量精度和爆炸点的定位等。希尔伯特——黄变换（HHT）是一种基于瞬时频率分解的时频信号分析方法。本文介绍了一种利用HHT对水中爆炸冲击波信号的处理方法,研究结果表明,HHT方法对于处理瞬态非平稳信号是非常有效的。     

一种新的线性调频信号的瞬时频率估计方法*

基于HHT（HilbertHuang transformation）是一种能分解出信号的任何频率分量的主成分分析法以及线性调频信号（LFM）的瞬时频率是关于时间的直线,将LFM 信号先作HHT得到其瞬时频率,然后利用该瞬时频率中间部分的时频点作最小二乘（LSM）直线拟合。这种改进的LSM直线拟合方法不仅剔除了HHT固有的边界效应在瞬时频率斜线两端产生的高频谐波,从而有效地抑制了这种边界效应对瞬时频率估计的影响,而且直接得到了较为准确的LFM 信号的瞬时频率参数估计值。与通过改变HHT算法来减小HHT边界     

Investigations on excitation and detection methods for Lamb wave sensors

Due to a high potential sensitivity, Lamb wave acoustic sensors have been studied for biochemical applications. Usually, Lamb waves are generated and detected using piezoelectric transducers. This technology involves bilayers structures and causes some problem of induced strain and temperature compensation. In this paper, we have investigated optical and electrostatic excitation methods. The optical excitation of Lamb waves is studied, and the main limitations of such an excitation method are pointed out. Theoretical as well as experimental studies are reported on electrostatic excitation of Lamb waves, and it is shown that this technique can be suitable for biosensors.     

矩形压电片对Lamb波传感的方向性研究

矩形压电片被广泛用作超声Lamb波的传感器与驱动器。理论推导了矩形压电片对Lamb波（A₀模式）的传感灵敏度系数的函数表达式,同时对推导结果进行了实验验证。研究结果表明矩形压电片对Lamb波的传感具有很强的方向性。当Lamb波传播方向沿着矩形压电片长度方向时,矩形压电片传感响应电压最大。随着Lamb波入射角度的增大,响应电压幅值越来越小,当入射方向与矩形压电片长度方向垂直时,响应幅值达到最小。     

基于Hilbert-Huang变换的特征能量法及其在滚动轴承故障诊断中的应用

Hilbert-Huang变换是一种新的自适应信号处理方法,非常适用于非线性和非平稳过程。该文在介绍Hilbert-Huang变换的基础上,针对滚动轴承故障振动信号的非平稳特征,提出了一种基于Hilbert-Huang变换的特征能量法。该方法在Hilbert-Huang变换的基础上定义滚动轴承振动信号在固有频率段的能量为特征能量,以此作为滚动轴承的故障特征向量,并通过建立M-距离判别函数来识别滚动轴承的故障类型。对滚动轴承外圈和内圈故障信号的分析结果表明,基于Hilbert-Huang变换的特征能量法可以有效地提取滚动轴承振动信号的故障特征。     

一种基于HHT鼠笼型异步电机转子断条故障信号分析方法

希尔伯特-黄变换是一种新的信号处理方法,具有时频自适应性,可以用于分析各类信号,包括平稳、非平稳信号,线性、非线性信号等.它的核心经验模态分解实际上就是对信号进行平稳化处理,将信号用不同尺度上波动的序列的和来表示,其瞬时频率谱可准确反映信号的物理意义.将希尔伯特-黄变换用于提取鼠笼型异步电机转子断条故障特征信号的处理,...     

Lamb Waves in Anisotropic Media: Six-Dimensional Cauchy Formalism

A mathematical model describing the propagation of Lamb waves in layered anisotropic media is introduced. The model is based on the six-dimensional complex Cauchy formalism, which makes it possible to derive the dispersion equation for Lamb waves in layered media with an arbitrary elastic anisotropy. Problems of its numerical realization are considered.     

基于分层模型的复合材料耦合Lamb波频率—波数域特性研究

针对复合材料层合板中耦合Lamb波的传播问题,基于分层模型提出解析建模与有限元数值模拟相结合的方法对其进行预测和评估。利用Legendre正交多项式展开法推导多层各向异性复合材料层合板中耦合Lamb波的控制方程,并对频率-波数域频散特性曲线实现数值求解。基于平面壳单元构建复合材料层合板的有限元模型,采用波结构加载法生成单一Lamb波基本模态,设计复合材料层合板的不同纤维取向、边界和界面约束条件,并经二维傅里叶变换获得有限元模拟数据的频率-波数域频散特性曲线。通过对比验证,结果表明两种方法均有较好的吻合性。