在连续噪声背景下分离脉冲信号的一种方法

在探伤中经常遇到以脉冲形式出现的伤信号，伴有大小随机变化的连续噪声，包括某些因为仪器平衡点漂移产生的趋势项．有时噪声绝对值可能相当大，甚至超过伤信号．作者提出一种简便有效的方法，可以将伤信号分离出来，并对此方法作了一定的理论分析     

基于切片双谱分析的滚动轴承故障识别研究

针对滚动轴承故障识别问题，提出基于共振解调理论和高阶谱分析相结合的新方法.讨论了双谱理论和双谱对角切片的特性，分析了故障滚动轴承振动信号的特点.利用希尔伯特（Hilbert）变换构造原始振动信号的解析信号，求取信号的包络，计算包络信号的对角切片双谱，提取由于滚动轴承二次相位耦合产生的非线性特征，得到滚动轴承的故障特征频率，识别滚动轴承的故障模式.试验和理论分析表明，利用该方法可以有效地将正常轴承和内滚道伤轴承、外滚道伤轴承的振动信号进行分离.该方法保留了信号的相位信息, 并且能够有效地抑制噪声，在降维的同时简化了算法.     

用振动和噪声信号诊断汽车变速箱齿轮故障的研究

在深入阐明应用振动与噪声信号诊断齿轮故障机理的基础上，通过对测取的齿轮正常和故障运行状态下的振动与噪声信号进行分析处理，研究了几何误差显著差异和具有典型故障的齿轮系统的振动与噪声信号的频域图象特征及其识别技术，并作了特征参数的提取同时，对分别应用振动和噪声信号诊断齿轮故障的等效性作了对比分析     

小波分析在管道超声裂纹检测中的应用

高效、可靠的数据处理方法在管道缺陷检测和识别系统中处于十分重要的地位.在管道超声裂纹检测中,作为检测基本数据的伤波信号常受到界面波等信号的干扰,致使位置确定不准确.通过对一组数据选择合适的小波基进行小波变换,较好的保存信号中的尖峰和突变部分,有效地区分信号和噪声,信噪比明显提高,计算得到了更为精确的伤波位置.     

基于多小波噪声方差阈值的信号滤波方法

对信号和噪声的多小波变换进行了研究，根据它们多小波变换下呈现出的截然相反的特征，即随着变换尺度的增大，噪声的变换值迅速减小，而信号的变换值增大，利用相关算法推导并给出了多小波噪声方差阈值的计算公式，基于阈值提出了一种新的多小波信号滤波方法，该方法在噪声方差估计的基础上，对噪声信号变换系数进行处理，减小由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数进行处理，减少由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数重构信号，对该方法用典型的GHM双小波进行了仿真分析，结果表明，本文的方法具有很好的滤波效果。     

用混沌振子和Kalman滤波检测强分形噪声中的弱信号

针对强分形噪声中微弱信号难于检测这一问题,提出了小波域多尺度模糊自适应Kalman滤波和Duffing振子相结合的方法。先对淹没在强分形噪声中的信号进行多尺度小波变换,根据分形噪声信号小波系数的平稳性,建立状态方程和观测方程,用模糊自适应Kalman滤波,对每一尺度估计出分形信号,然后将估计信号与观测信号作差得误差信号,把误差信号送入Duffing振子,利用Duffing振子对噪声的免疫性,来检测微弱信号。也给出了Duffing振子的免疫性一种新的统计解释。仿真实验结果表明：该方法能在低信噪比和低信干比下有效地检测出淹没在强分形噪声中的微弱谐波信号。     

基于互高阶谱SVD算法的电力系统低频振荡频率估计

介绍了互高阶谱理论在互联电力系统低频振荡频率估计中的应用，详细讨论了其数学模型和处理过程。在相关高斯噪声与非相关噪声背景下，首先用互高阶谱SVD方法，将信号分解成信号矢量空间和噪声空间，通过求解噪声信号的特征方程则可知频率信号。该方法不需要任何关于有色噪声的先验信息就可以估计低频振荡频率。仿真分析的结果表明该方法具有良好的谱估计分辨率及谱估计稳定性，是低频振荡频率估计的有效工具。     

能量比时间延迟估计法及在定位中的应用

本文针对在噪声干扰下不能用相关方法确定时间延迟的复杂信号，提出用能量比函数来检测在噪声中信号的到达时刻，由此来估计不同测点信号是的时间延迟，并分析了噪声对该方法的影响．最后给出了该方法在定位问题中的应用。     

阵元分集与SVD降噪

针对高距离分辨(HRR)雷达系统,提出了一种抑制噪声的方法。该方法引入辅助阵元接收目标回波形成测量矩阵,首先对该矩阵作奇异值分解(SVD),建立信号子空间和噪声子空间,然后对信号进行估计并重构出噪声受抑的测量矩阵,在重构矩阵中进行同相相加,降低噪声电平,以提高噪声背景下雷达检测和识别能力。     

小波分析用于电力设备绝缘在线监测中信噪分离的研究

文章利用小波分析可进行时域与频域同时局部分析，频域窗口随信号的变化自动调整的特点。将小波分析应用于电力设备绝缘在线监测这类具有较大背景干扰情况下的信号处理，选择合适的小波基对混有噪声的信号进行变换，以实现信号与噪声的分离。并利用小波变换的快速算法对信噪分离作了仿真计算，讨论了小波分析在线监测等领域的应用前景。     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换(DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪．通过对此信号进行频谱分布的分析，用Donoho的阈值去噪法去除高斯白噪声之后，根据小波变换的多分辨率思想，提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声，然后运用小波反变换来恢复内燃机瞬时转速信号的方法．实验结果表明，此方法能够较精确的去除噪声，恢复内燃机瞬时转速信号．     

运用BP神经网络的FSK信号智能检测

针对强噪声背景下FSK信号的智能检测，提出了一种新的方法．运用接收端FSK信号与发射信号的互相关信息，作为特征量，利用BP神经网络实现模式分类，达到智能检测FSK信号的目的．仿真结果表明，该方法能够有效地抑制噪声，实现FSK信号的智能检测．     

多子阵信号相位匹配原理的信号最小二乘解

提出了利用多元阵信号相位匹配原理的信号方向估计及信号估计的最小二乘法的求解方法，该方法不仅可减小接收通道的相幅度一致性对信号估计的影响，同时也可以消除利用三元阵或四元阵的信号相位匹配原理时产生的估计信号奇异值。利用真实舰船噪声的线谱可实现高精度目标定向，然后根据确定方向实现目标宽带信号估计。仿真结果表明，多子阵的信号相位匹配法的噪声抑制性能明显优于阵元域的噪声抑制性能。     

一种特殊锅炉辅机噪声的治理

本文对一台四吨锅炉噪声控制中的一些特殊问题进行了分析和讨论。通过对噪声和振动信号作频谱分析和比较，检测出噪声声源和主要传播途径，采取相应的措施，最终有效地治理了噪声污染。     

过采样方法与提高ADC分辨率的研究

在噪声理论的基础上，论证了过采样方法可以实现使用低分辨率的ADC完成高分辨率的数据采集.并对过采样方法作了理论上的探索.有非常多的因素影响ADC的转换结果，如：热噪声、杂色噪声、电源噪声、参考电压波动、时钟不稳定以及量化误差等.这些噪声的噪声功率是可以变化的，设计中可以通过多种措施来减小噪声，过采样技术会减小量化误差和获得与高分辨率ADC相同的信噪比，以增加被测数据的有效位数，从而提高ADC的分辨率.这要求被测信号中的噪声为白噪声或至少接近白噪声.实验证明，过采样技术能在一定范围内提高ADC的有效位数.     

小波变换信号消噪技术研究

通过对信号与噪声奇异性分析，给出信号与噪声的小波变换模极大值在各个尺度上的表现截然相反的结论，并给出了一种非线性的消噪方法。该方法与传统的消噪方法不同，即不同于低通滤波器滤波，而是根据信号与噪声的奇异点性质不同进行滤波。实验结果表明，这种方法在改善信噪比的同时，又保持相当高的时间分辨率，并且计算简单，有很好的去噪效果。     

基于α稳定分布噪声下匹配滤波的信号检测

针对传统匹配滤波器在非高斯噪声环境中检测性能明显下降的问题，提出了一种基于α稳定分布噪声下匹配滤波的信号检测方法，并应用于非高斯噪声中已知确定信号的检测．仿真结果表明在非高斯噪声下，该方法的检测性能明显优于传统匹配滤波器的性能．     

乘性噪声消除的同态变换盲源分离算法

为消除乘法性观测噪声，利用独立分量分析的冗余取消特性，提出一种基于同态变换盲源分离（BSS）的消噪新方法.通过对原始观测信号的同态变换--对数变换，将乘法性噪声转变为加法性噪声.引入经过相同对数变换的虚拟噪声分量，将变换后的一维观测信号扩展为多维观测.依据最大化估计分量间独立性的准则（由高阶累积量构成）对多维观测实施盲源分离.最后，联合指数逆变换及输出信号校正处理，实现真实信号的估计，从而消除原始观测中的乘法性噪声.仿真消噪实验结果表明，该方法可有效地消除观测信号中的乘法性噪声.与同态滤波等传统的乘性噪声消除技术相比，新方法不仅实现简单，运算效率高，而且可以方便地扩展应用于多维观测信号的噪声消除.     

一种基于小波脊线拟合的MFSK信号识别方法

通过MFSK信号的正弦类Haar小波脊线表达式的推导，选取其作为MFSK信号识别的特征参量，进而对MFSK信号进行了识别．针对高斯白噪声对MFSK信号的特征参量的影响，提出利用最小二乘法对正弦类Haar小波脊线进行拟合的方法．最后对2-FSK信号进行仿真，结果表明此方法具有较好的抗噪声性能．     

一种新的基于平衡阈值的小波去噪方法

小波阈值去噪在信号处理中提供了一种新的去噪方法，然而，软阈值和硬阈值在信号去噪方面存在各自的局限性．为了能在软硬阈值两种方法结合之间找到折衷的方法，提出了一种平衡阈值处理方法．它不仅有效地去除噪声，而且去除噪声后的信号较为光滑．仿真结果表明，平衡阈值方法在信号去噪中要优于软硬阈值方法．