基于duffing方程组的微弱正弦信号参数检测

本文将非线性混沌振子用于微弱正弦信号检测,将深陷在噪声背景下的微弱正弦信号检测出来。基于Duffing振子的混沌运动,利用系统发生间歇混沌现象的频差条件和相位差对于系统特性的影响,采用混沌振子阵列实现对噪声背景下微弱信号的检测,提出了改进的频率、相位、幅值检测方法。     

微弱正弦信号混沌检测的仿真分析

研究了一种在噪声背景下用混沌振子检测微弱正弦信号的时域处理方法。分析了基于相平面变化进行微弱正弦信号检测的Duffing方程的数学模型,着重对与策动力频率不同的信号进行了仿真分析。结果表明:Duffing振子对与系统策动力频率一致的信号敏感,而对其它频率的信号不太敏感,且对噪声具有一定的免疫力。     

基于双混沌振子的最小频移键控信号频率估计方法

针对低信噪比条件下最小频移键控(MSK)信号频率估计的问题,提出混沌双振子频率估计算法,通过混沌振子系统策动力频率与待测信号频率的相互配合,充分利用混沌振子～信号敏感、噪声免疫的特性,实现在低信噪比条件下对待测信号频率的有效估计。理论分析和实验证明了本文算法的有效性。相对于经典的锁相环法和2P次方法,本文算法在低信噪比条件下(如Eb/N0=0 dB时)也能准确估计信号频率,且相对误差在10-2量级以下。     

自相关级联混沌振子法实现随相弱正弦信号的检测

为了全面考查混沌振子系统的检测能力,改善系统的检测性能并实现随机相位微弱正弦信号的检测,通过Monte-Carlo仿真得到了系统的检测性能,提出了自相关与混沌振子相结合的检测方法.首先对接收信号进行自相关,故意失掉相位信息并抑制部分噪声,从而使自相关结果即送入混沌振子的信号变为了信噪比得到增强的0初相正弦信号,采用一个方程就可实现检测.避免了方程组的方法,不仅降低了检测的复杂度,也提高了检测性能,Monte-Carlo仿真证明了联合检测系统提高了对微弱信号的检测能力.     

利用Duffing振子估计多频信号参数

针对Duffing振子在混沌阈值附近对其临近频率的微小信号敏感而对其他信号免疫的特性,提出利用Duffing 振子估计多频信号参数.将待测多频信号送入Duffing振子中,用多相位振子组法估计各分量的频率,再通过平均特征指数法得到各频率分量对应的幅值和相位.该方法是一种时域分析方法,实现简单,估计精度高,对频率分量接近和低信噪比的多频信号同样适用.仿真结果和分析证明了该方法的有效性     

混沌振子在强噪声背景下正弦信号的检测研究

分析了基于Duffing方程形成的混沌振子的运动特性,阐述了利用混沌振子检测强噪声背景下正弦信号的原理：利用混沌振子对与策动力频率相近的正弦信号的敏感性,及对噪声和与策动力的频差较大的正弦信号的免疫性来检测淹没在强噪声中的正弦信号。给出了判断是否存在有用信号的方法,并用仿真实验验证了利用混沌振子检测微弱正弦信号的可行性和有效性。     

基于混沌振子的微弱特征信号检测原理及应用

介绍了利用混沌振子检测微弱特征信号的原理和实现方法。实验表明该方法能够在信噪比相当低的情况下检测出微弱的特征信号,并用滚动轴承上测取的振动信号验证了该方法的可行性。     

双Duffing振子逆向联合信号检测模型

针对Duffing振子信号检测系统存在的输入噪声对系统扰动的影响、目标信号与内策动力的相位同步以及系统输出运动状态判断3个关键性问题,分别提出了相应的解决方法。提出了一种基于临界阈值字典的逆向相变方法,根据临界阈值随噪声强度的单调性建立临界阈值字典,有效避免了低信噪比下输入噪声对系统的扰动。提出了一种双系统联合检测方法,解决了目标信号相位和内策动力相位不同步问题,并推导出了由于相位的不遍历性导致的虚惊概率。提出了一种基于输出相空间图形表征的系统运动状态判断方法,并进行了可行性的数学证明,实现了检测结果的低运算量、高精度的嵌入式表征。最终建立了适用于工程实际的低信噪比下Duffing振子信号检测模型,使得检测概率不变的前提下最低检测信噪比大幅度降低。     

基于光纤声呐传感器混沌锁频方法研究

传统的水下声信号检测方法的不足之处是在滤除噪声的同时,有用信号也受到损失,且随着噪声的增大,检测精度也会降低。针对强噪声背景下水下声呐信号频率解耦问题,采用马赫曾德光纤声呐传感器搜集水下声呐信号,当声呐信号注入混沌系统,利用混沌系统对信号参数的敏感性及对噪声免疫性的特点,一定频率的信号会使系统处于大尺度周期态,信噪比可以达到-65dB,对声呐信号锁频明显。理论计算和实验结果表明,该混沌声呐信号处理方法具有极低的信噪比和较高的频率辨识能力。     

基于类Lorenz的微弱信号检测及其电路实现

传统的微弱信号检测方法,其输入信号的信噪比难以降低,受到一定限制。而基于混沌理论的微弱信号检测可以改善上述不足,达到极低的输入信噪比,提高检测精度。用一种新的混沌系统来检测微弱信号,根据特定混沌系统对于参数敏感而对噪声免疫的特性,利用双参数控制方法,构造了一种类Lorenz系统的微弱信号检测模型,结合中低频微弱周期信号检测对模型进行了理论分析和数值仿真。根据理论模型设计制作了混沌检测电路,实验结果与理论分析基本吻合,实现了利用电路从噪声背景中检测出微弱的中低频周期信号。     

心电信号的小波变换消噪方法

人体心电信号微弱,信噪比较低.为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,人们已提出了多种方法来消除这些噪声.小波变换是一种信号的时间尺度(即时间频率)分析方法,具有多分辨率分析的特点。它对信号具有的自适应性,使其成为数字信号处理领域中的一个重要工具.这里提出了一种采用阈值预处理的小波变换消噪方法,该方法可以降低模极大值消噪算法计算的复杂程度,又可保证心电信息特征不被丢失.试验表明,该方法能较好地实现心电信号的消噪.显然,该方法也适合于信噪比较低的生物信号的处理中.     

新型小波阈值函数的仿真及应用

提出了一种新型小波阈值函数.借助于典型信号和高斯白噪声叠加形成测试信号,对传统小波阈值函数、改进小波阈值函数及新型小波阈值函数的去噪效果进行对比仿真研究.结果表明,采用新型小波阈值函数所得到的去噪信号,其信噪比和均方差均最优.此外,将新型小波阈值函数用于滚动轴承的实际振动信号的去噪研究,从去噪信号的时域信号对比及信噪比来看,该函数具有较好的去噪效果,使信噪比得到了较大提高.     

Phi-OTDR技术信号处理中的特征提取方法

在相位光时域反射(Phi-OTDR)技术分布式振动信号的处理中,为了保证时间轴上的信噪比和长度轴上的作用域同时得到提升,同时兼顾保留信号特征和时域快速处理2个条件,采用了"信噪分类、信号保留、噪声归零"的方式进行信号处理.在信噪分类的过程中,首次提出利用改进的实时编码信号处理算法,在时域上对Phi-OTDR分布式振动信号数据进行时域编码和特征提取.所提方法可以同时提高长度轴上的作用域和时间轴上作用域内各点的信噪比,运算速率也得到了一定的提升.     

采用信号匹配的支票图像二值化

提出了一种基于信号匹配的低信噪比图像的信号提取方法,解决类似支票日期域这种既有复杂背景,又有印章噪声干扰的图像二值化问题. 这种二值化方法完全不同于传统的方法,它从信号处理的角度出发,利用了部分先验知识和理想状态下的投影轮廓信号,再通过用不同阈值分割的投影信号与之匹配,匹配度最大时的阈值即为图像分割的最佳阈值. 本方法比其他的传统的二值化方法更具有自适应性和鲁棒性,通过大量的实验数据,以及与常用的其他算法进行的比较得到了验证.     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。     

VLSI电路噪声特性检测阈值的分析及决策

给出了利用阈值选取和决策对VLSI电路噪声特性进行检测的方法。利用信号多分辨分解噪声模型算法进行系统参数分析,简洁且精确。实验表明:非平稳噪声在时域中是可以识别的,与传统的噪声频域检测方法相比,分辨率有明显的改善。非平稳噪声的小波域实时检测方法具有自适应能力强、对信号先验知识依赖少、能够进行完全重构、可较好地保留待测信号的波形信息、有效提高信噪比等优点。这一研究将为VLSI电路器件的严格筛选、故障诊断及定位、VLSI电路的可靠性研究提供新的理论依据和检测方法。     

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法. 首先对声矢量阵接收信号进行三阶张量建模, 并通过高阶奇异值分解得到信号张量子空间, 从而结合加权信号子空间拟合算法进行空间方位谱估计. 由于基于高阶奇异值分解得到的信号张量子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声, 并且体现了多维数据之间的关联关系, 因此具有更高的方位估计精度. 理论和仿真结果表明: 该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性, 工程应用价值较高.     

机械振动信号分块自适应压缩感知算法

压缩感知技术通过构造满足约束等距性质(restricted isometry property,RIP)的观测矩阵,能够实现数据的有效降维(即压缩测量),但与之相伴的是如何从压缩信号中高质、高效地重构原始信号. 为了规避烦琐的重构流程,提出了一种基于压缩域特征辨识的故障诊断方法. 在压缩感知的基本框架下,以行阶梯观测矩阵替代主流的高斯随机测量矩阵,实现对原始信号的压缩测量. 针对随机噪声对于压缩观测信号的干扰,建立基于最大相关峭度反卷积(maximum correlation kurtosis deconvolution, MCKD)与1.5维谱的微弱故障特征提取方法,即通过MCKD增强压缩信号中的周期冲击成分,剔除传递路径与背景噪声的干扰,进而采用1.5维包络谱提取故障特征频率. 结果表明：该方法不但规避了经典压缩感知的复杂重构过程,而且在受到强噪声干扰的条件下,也能获得准确的故障诊断结果.

     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

小波阈值降噪在岸桥小车轨道振动信号处理中的应用

针对测量时振动信号易受噪声干扰的特点,采用小波降噪法对原始信号进行降噪处理。小波具有“变焦距”、较好的时频局部分析能力等特性,适合非平稳信号振动噪声处理。分别通过小波阈值降噪法对仿真信号并口岸桥小车轨道铰点振动信号进行降噪处理。试验表明,小波阈值降噪法能够较好的消除噪声,能有效提高信噪比、降低均方误差,为进一步分析振动信号奠定了基础。