正弦函数基原子库微弱被动鱼声信号的稀疏检测

为实现海洋环境中微弱被动鱼声信号的检测,针对单频正弦信号稀疏分解用于微弱信号检测的局限性,采用正弦函数基拟合被动鱼声信号,构建不同幅值、频率和初相位的正弦波信号作为过完备原子库,通过稀疏分解,检测出淹没在强噪声环境中的微弱正弦信号的幅度、频率和初相位参数,从而恢复出待检测的被动鱼声信号。实验表明:该项技术在-40 d B条件下可以实现任意形式的鱼声信号检测。     

基于ICEEMDAN方法和频率解调的行星齿轮箱故障电流信号特征分析

为了从电流信号中准确地提取行星齿轮箱故障特征,提出了基于改进自适应噪声完备集合经验模式分解和频率解调分析的故障诊断方法。通过改进自适应噪声完备集合经验模式分解将感应电机电流信号自适应地分解为一系列本质模式函数;根据故障频率调制供电频率的特性,以瞬时频率最接近供电频率为优选原则,优选出含有故障信息的本质模式函数作为敏感分量;并对敏感分量进行频率解调,通过频率解调谱诊断行星齿轮箱故障。齿轮箱试验分别采集太阳轮、行星轮以及齿圈三种局部故障状态的电机电流信号;信号分析结果表明该方法不仅可以减小定子电流噪声的影响,而且可以有效地提取复杂信号中的故障特征频率。     

基于LMD的能量算子解调方法及其在故障特征信号提取中的应用

. 局域均值分解是将多分量调频调幅信号分解为一系列单分量调频调幅信号的有效时频分析方法。为提取故障信号的特征,提出了基于局域均值分解的能量算子解调方法,局域均值分解将复杂的多分量信号分解为若干个乘积函数的线性组合,再通过能量算子解调方法可求取每个乘积函数的幅频信息,从而可进一步获取故障信号的时频分布或提取其故障特征。为提高分析精度,提出了特征趋势正弦函数数据延拓方法以有效克服端点效应的影响。实验信号的分析结果表明,所提出的基于局域均值分解的能量算子解调方法能有效提取机械故障振动信号的特征。     

舰船辐射噪声中鲸类联络叫声检测方法

鲸类联络叫声的频段与舰船辐射噪声频段的重叠,使其易被误检测为舰船噪声而被被动声纳接收,影响后续对被动声纳检测到的信号进行目标自主识别等信号处理的性能。针对鲸类联络叫声干扰目标识别等声纳信号后续处理的问题,提出舰船辐射噪声中鲸类联络叫声检测算法,为削除鲸类联络叫声干扰作准备,算法首先通过理论与实测数据分析得出舰船辐射噪声频谱分布的短时稳定性特征,进而采用中值滤波方法对舰船辐射噪声进行白化处理,利用三阶多项式相位信号对鲸类叫声建模,然后通过基于匹配滤波器的广义似然比检测方法,实现了舰船辐射噪声中鲸类信号的检测。经实测信号的实验验证,提出的算法适用于不同类型和工况的舰船;通过与其他三种检测方法的比较分析,算法在给定虚警率下可以取得较高的鲸类叫声检测率,检测结果优于其他三种方法。     

局域均值分解和小波阈值在大地电磁噪声压制中的应用

大地电磁测深法是基于电磁感应原理,利用天然交变电磁场来研究地下岩层的电学性质及其分布特征。然而,天然电磁场频带范围宽、信号微弱,在实际测量中大地电磁信号极易受到各种电磁噪声干扰,严重影响了后续的电磁法反演解释水平。针对这一难题,将局域均值分解(LMD)的自适应性和小波分析的多分辨性相结合,提出基于局域均值分解和小波阈值的大地电磁噪声压制方法。将含噪信号进行LMD分解得到若干阶乘积函数(PF)分量;根据大地电磁信噪特征保留PF_1分量,仅对其余各阶PF分量选取合适的小波阈值进行降噪处理;叠加重构获得大地电磁有用信号。通过计算机模拟典型强干扰,研究不同小波函数、分解层数及阈值方式下算法的去噪性能,并将其应用于矿集区实测大地电磁数据处理。实验结果表明,所提方法能较好地提取出叠加在微弱大地电磁信号上的大尺度强干扰的轮廓特征,视电阻率曲线更为光滑、连续,低频段的大地电磁数据质量得到了明显改善。     

基于CEEMD的心音信号小波包去噪算法研究

针对传统心音去噪方法易将其部分高频有用信息作为噪声滤除而造成滤波后的心音信号失真及信息丢失的问题,提出了一种基于互补总体经验模态分解(CEEMD)的小波包变换去噪算法。首先通过互补总体经验模态分解将心音信号分解为从高频到低频的不同固有模态函数分量(IMFs),并利用自相关函数客观界定信号的模态分量范围;然后对噪声主导模态分量和混叠模态分量采用小波包变换进行滤波提取有用信息后,与剩余固有模态分量进行重构得到去噪后的信号。实验结果表明,改进的算法不仅可以去除心音中的噪声成分,明显改善心音信号的信噪比和均方根误差,而且能够有效保留信号的高频有用信息,且在不同噪声水平下的去噪性能均优于传统算法,鲁棒性较好。     

基于BEMD的无参考模糊失真立体图像质量评价方法

本文针对高斯模糊失真的立体图像,提出了一种基于二维经验模式分解的无参考质量评价方法。该方法先通过二维经验模式分解将图像分解成内蕴模式函数分量和残差图像,再对每个内蕴模式函数分量提取它的统计信息量(均值,方差和信息熵),并结合广义高斯分布方法提取每个内蕴模式函数分量的形状参数、尺度参数作为图像的特征信息,然后利用支持向量回归模型对特征进行融合并预测得到立体图像质量的客观评价值。实验结果表明,该模型与主观评价结果有较好的相关性,符合人眼视觉系统。     

基于生成微分方程的行星齿轮箱故障振动信号解调分析

行星齿轮箱振动信号具有明显的调制特点,幅值解调和频率解调分析能够有效提取其中的故障信息。生成微分方程(GDE)方法可以估计调制信号的幅值包络和瞬时频率,实现解调分析,但该方法需要信号满足单分量要求。实际行星齿轮箱振动信号通常由复杂多分量成分组成,为实现信号的幅值解调和频率解调分析,应用经验模式分解(EMD)将信号分解为单分量本质模式函数,基于生成微分方程计算瞬时频率和幅值包络,根据瞬时频率的波动特点选择本质模式函数作为敏感分量,由敏感分量的包络谱和瞬时频率的Fourier频谱识别故障特征频率。通过行星齿轮箱故障模拟实验数据分析验证了解调分析方法的效果。     

基于辅助信号经验模式分解的海上视频图像去雾技术

海面及天空区域的视频图像局部或全局极值点匮乏,传统的二维经验模式分解(BEMD)失效。本文分析了BEMD的频率特性,给出了高频辅助信号的构造方法,将高频辅助信号加入原视频图像信号,分解得到的内蕴模式分量(IMC)减去IMC的辅助信号,得到原信号的最接近辅助信号的频率分量。以此类推,分解可得到原信号的不同频率分量。这种基于辅助信号的经验模式分解(ASBEMD),解决了局部或全局极值点匮乏的海上视频图像的分解问题,并应用于海上降质图像的增强处理,取得了与目前公认去雾效果较好的HE算法一致的结果。     

基于同步挤压小波变换的振动信号自适应降噪方法

振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相关系数峰度值的同步挤压小波变换降噪方法。算法首先对原始信号进行SST信号分解并提取小波脊线生成固有模态分量,然后对生成的分量进行Hilbert变换得到瞬时频率曲线,再根据瞬时频率的复杂度选择相应的合成分量重构信号。为了进一步消除噪声影响,该方法同时采用了自相关系数峰度阈值法对筛选后的分量进行二次剔除,最终实现对原始信号降噪的目的。试验最后通过不同标准方差的噪声仿真信号以及物流机械传送设备振动信号验证该方法的可行性和有效性,同时将该方法与基于集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和小波变换的方法进行比较,结果表明该方法的降噪性能要优于其他方法。     

被动声呐信号检测技术发展

水声信号检测是被动声呐系统进行目标探测所需的重要支撑技术,信号检测的性能直接影响到被动声呐系统对目标探测的能力。对被动声呐信号检测技术的研究情况进行了梳理,将其归纳为基于时域信息的信号检测技术和基于空域信息的信号检测技术两大类。在分析现有技术不足和应用需求的基础上,指出弱信号、低虚警率和有效利用水声传播信息等是被动声呐信号检测技术可能的发展方向。     

提高被动声纳宽带检测性能的一种新方法

宽带能量检测是被动声纳实现目标探测功能的常用方法,常规能量检测(Conventional Energy Detection,CED)方法在复杂环境下的检测性能迅速降低.子带峰值能量检测(Subband Peak Energy Detection,SPED)可以有效改善常规能量检测方法的性能,提高时间方位历程显示(BTR...     

Hilbert-Huang变换在行星齿轮箱故障诊断中的应用

提出了一种基于Hilbert-Huang变换的行星齿轮箱轴承故障诊断的新方法,叙述了该方法的基本原理.测量了行星齿轮箱轴承的故障振动信号,并用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,然后对固有模态函数进行边际谱和能量谱分析,就可识别齿轮箱轴承的故障部位和类型.齿轮箱轴承故障振动实验信号的研究结果表明:该方法能有效地识别轴承的故障.     

混响背景下提高信号检测性能的时空处理算法

优化与约束空域处理算法（SPOC）是一种用于提高被动声纳方位分辨力的自适应波束形成算法。在对SPOC算法性能分析基础之上,将其应用于主动声纳检测技术中,针对浅海混响环境下信号检测难的问题,提出了一种结合信号方位方差加权的SPOC多拍时空处理检测算法,实验数据处理结果证明此算法可有效地抑制混响,提高了混响起伏背景下信号的检测性能,并使输出背景最为＂平坦＂。     

DIFAR浮标反正切目标方位估计方法

DIFAR浮标是一种被动定向声纳浮标,广泛应用于目标的初始定位。它由一个全向水听器和一对正交偶极子组成。正交偶极子提供的指向性信息使其可以对目标进行方位估计。介绍了DIFAR浮标利用反正切方法对目标进行方位估计的方法。采用自适应线谱增强技术提高DIFAR浮标信号的信噪比。用反正切法估计目标的方位。给出了用LOFAR谱图和B-Scan图显示DIFAR浮标数据的方法。并给出了方位估计误差的解析表达。仿真结果表明,在相同信噪比下利用该方法得到的角度的方差小,满足DIFAR浮标的要求,提高了浮标的定位精度。     

被动迭代时间反转镜研究

抗除多途信道的干扰,优化被动检测性能是声纳信号处理关注的问题之一。通过仿真揭示了多途信道中单水听器时间反转镜的聚焦效应,研究了被动迭代时间反转镜技术,对其多目标定位选择性、多目标选择聚焦性能作了研究。结果表明利用了海洋信道的相干多途特性,被动时间反转镜可实现多个目标的空间匹配滤波：利用迭代算法,被动迭代时间反转镜可在抑制环境噪声干扰的同时,在信道输出总能量强的目标处实现选择性聚焦。     

一种沉底小目标的主动高频仿生波形分析及探测方法

为研究和分析用仿生信号及处理方法探测沉底小目标的可行性及探测性能,分别从时域频域波形、模糊度函数、抗混响性能方面分析了仿海豚声呐信号,并用计算机仿真了复杂背景下沉底小目标的探测。理论分析和仿真结果表明:在几种仿海豚声呐信号中,频率重叠较多的信号混响抑制效果最好;仿生探测方法的性能比标准声呐探测方法有了明显的提高。仿生信号及探测方法可作为一种新型的沉底小目标探测信号及处理方法。     

基于能量聚集性的轴承复合故障诊断

轴承复合故障类型多样,且部分故障的特征频率相近噪声污染严重。采用经验模态分解(EMD)的方法,在强噪声背景下会引起相近频率故障成分的无法识别,同时也难以提取微弱的故障信号。由此,提出一种基于能量聚集性的轴承复合故障诊断方法。首先借助离散余弦变换(DCT)的频域能量聚集性和奇异值分解(SVD)的时域能量聚集性,对轴承复合故障信号进行预处理,实现降噪并分离频率相近的微弱故障信号。然后对分离出来的不同故障信号进行经验模态分解,去除伪分量,对剩余的本征模态函数进行频谱分析。最后,根据本征模态函数的频谱诊断故障。仿真信号和实测轴承故障诊断信号分析表明,与直接使用EMD进行轴承复合故障诊断相比,该方法能够在强背景噪声下准确分离频率相近的微弱故障分量,改善复合故障诊断的准确性。     

基于经验模式分解的滚动轴承故障诊断方法

针对水泵电机轴承故障振动信号噪声大和非平稳性的特点,提出了基于经验模态分解的诊断方法;通过对原始信号进行经验模态分解,得到包含故障特征的固有模态分量,从而可以提取出故障频率.该方法应用于外圈、内圈和滚动体故障诊断,取得了很好效果.     

基于复杂网络社团聚类的复合故障特征分离诊断方法

针对复合故障多种故障特征相互叠加彼此干扰,给全面准确诊断带来困难,提出了基于复杂网络社团聚类的复合故障特征分离诊断方法。该方法首先应用EMD将复合故障信号分解为若干个IMF分量,由于不同单一故障的特征会在不同频段得以体现,提取每个IMF分量的特征量,建立故障数据网络模型;然后将每个IMF分量视为网络中的社团,根据复杂网络社团结构的特性,进行同类社团合并,合并所得每个社团与单一故障相对应,最后对合并的信号进行分析,实现复合故障特征分离。本文以转子不平衡和轴承内圈、轴承内圈和滚动体复合故障特征分离与诊断为例,验证了该方法的可行性。