基于DT-CWT统计模型的舰船噪声信号中线谱信号检测研究

双树复解析小波变换(DT-CWT)在信号去噪方面的性能优于实小波变换,且计算量远小于后者.文章基于DT-CWT小波理论,通过对海洋环境噪声中舰船噪声中低频线谱信号小波系数的层间联合分布的分析,提出一种DT-CWT统计模型并推导出最大后验概率估计子(MAP),用于检测海洋噪声背景中的舰船噪声中的低频线谱信号.对实测舰船噪声信号和海洋环境噪声的分析表明,所提出的DT-CWT统计模型算法明显优于VisuShrink、SureShrink和BayesShrink算法对舰船噪声中线谱信号的检测效果.     

基于谐波小波包变换的信号检测

利用二进离散小波变换检测周期性信号时,由于频带间的干扰,微弱成分易被强信号所淹没,为解决此问题,提出一种基于谐波小波包变换的周期性信号检测算法。利用谐波小波函数的盒形频谱结构,根据目标声信号的特点,选择合适的分解层数和分析带宽,由此避免分析频带之间的相互干扰。对实测数据的分析结果表明,谐波小波包变换对于低信噪比下的微弱线谱信号成分有一定的增强效果。     

数字包络的实现

采用Hilbert变换法提取信号的包络.Hilbert变换而得的解析信号实部为信号本身,虚部为其Hilbea变换,解析信号的幅值即为信号的包络.Hilbert法解调出的包络是对信号绝对值的包络,其解调幅值代表真实包络.     

基于包络提取的TOA估计算法

针对超宽带无线传感器网络中噪声影响定位精度的问题,提出了一种基于包络提取的到达时间(time of arrival, TOA)估计算法。该算法首先利用小波变换的多分辨率分析有效地去除信号中的噪声成分,之后对去噪的信号进行希尔伯特变换提取其包络,最后选取第一个包络的最大值作为TOA的估计值。仿真结果表明,该算法抑制了噪声对TOA估计的影响,提高了估计精度。     

基于小波变换的声波信号包络提取

包络提取是声场层析成像的关键，考虑到希尔伯特变换法在提取声包络信号中毛刺多等缺点，提出了一种小波变换法来提高包络提取的精度．计算机仿真结果表明，用该方法提取包络的效果比希尔伯特变换方法效果好．     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

基于解调振动信号特征提取齿轮箱的故障诊断

通过振动信号的可调频率成分研究齿轮裂纹尺寸的故障识别,振动信号分析是基于Hilbert变换和自适应小波.Hilbert变换用于获得振动包络,从而从低信噪比的振动信号中解调载波频率,自适应Morlet小波建立振动信号模型,从而从解调载波频率中提取特征,以鉴定齿轮箱中齿轮的裂纹尺寸.该方法用于分析在不同角速度、不同负载转矩和不同裂纹尺寸下的试验振动信号,结果表明,该方法用于鉴定齿轮箱中齿轮的裂纹尺寸是灵敏和有效的.     

基于小波变换的声波信号包络提取

包络提取是声场层析成像的关键,考虑到希尔伯特变换法在提取声包络信号中毛刺多等缺点,提出了一种小波变换法来提高包络提取的精度.计算机仿真结果表明,用该方法提取包络的效果比希尔伯特变换方法效果好.     

基于双树复小波包变换和1.5维谱的轴承故障诊断方法

针对滚动轴承故障识别困难这一问题,提出了基于双树复小波包变换和1.5维谱的诊断方法。首先通过双树复小波包变换将复杂的、非平稳的原始故障信号分解为若干个不同子带信号分量,继而利用峭度评价指标从分解所得结果中筛选出蕴含丰富特征信息的子带信号分量,将其视为最佳分量并做进一步包络解调运算,最后计算所得包络信号的1.5维谱,从中提取出轴承故障特征信息。实测信号分析结果表明,基于双树复小波包变换和1.5维谱的诊断方法能够实现滚动轴承故障类型的有效判定,具有一定工程应用价值。     

线性自适应小波理论的齿轮箱故障诊断方法

针对早期齿轮箱故障信息淹没在背景组分中的问题,提出了基于线性自适应小波理论的齿轮箱故障诊断方法.该方法基于希尔伯特变换(HT)和自适应小波变换(AWT),能从低频的调制振动信号中区分并识别不同程度的裂纹故障.首先用希尔伯特变换提取调制振动信号的包络值以显示调制频率.然后利用自适应小波变换来处理由希尔伯特变换得到的调制信号,其中在自适应小波处理希尔伯特变换后的调制信号的过程中利用粒子群算法(PSO)对过程参数进行优化.实验结果表明该自适应小波变换能通过过程优化小波找到匹配振动信号的啮合频率及其谐波、耦合频率、载波频率及其边频带,能够从调制信号中提取出特征参数,且具有较高的分辨率.     

基于希尔伯特-黄变换的船舶声信号特征提取

将希尔伯特-黄变换(HHT)用于船舶声信号特征提取中,利用HHT对实录船舶辐射噪声进行特征提取后,利用神经网络进行分类.研究表明希尔伯特-黄变换方法对于信号的时频特性具有较高的分辨能力,适用于水声非平稳信号的分析.与传统时频分析方法相比具有很强的自适应特性和较好的时频聚集性,时频分辨力高于小波变换.结果表明对于船舶声信号识别,希尔伯特-黄变换方法是一种有效的特征提取方法.     

远程水声通信中的多信号恒包络合成方法

针对并行水声通信中单个子信号发射功率下降以及合成信号峰均比（峰值功率与平均功率之比）过高的问题,提出了一种多信号恒包络合成方法——归一化包络法（NEM）,并将其应用于混沌调频M—ary（M元）远程水声通信．理论分析表明,与直接叠加的合成方法相比,该方法可将合成信号的峰均比降至最低;在信号峰值相同的情况下,得到的恒包络合成信号包含的子信号幅度比直接合成信号大,两信号叠加时是其4/π倍,且信号叠加数越多,提高倍数越大,并保持了原信号的相关特性．进行了水池实验,实验结果与理论值符合较好,表明该方法可行有效．因此应用归一化包络法可以提高子信号的发射功率,从而可以提高通信距离;或者可以增加子信号的数量,从而提高通信速率。     

小波变换用于舰船辐射噪声调制信息检测

应用小波分析从舰船辐射噪声中提取调制信息,进行了仿真研究,供舰船识别利用.首先讨论了舰船辐射噪声的产生机理、构成和频率特性,指出螺旋桨噪声的振幅存在周期性调制.其次利用小波的多分辨分析的方法,在中低信噪比条件下,仿真实现了调制信号和舰船辐射噪声的分离.其结果表明,相对于传统DEMON分析,利用小波以及希尔伯特变换可以更快更好地提取舰船辐射噪声的调制信息.在水声信号处理领域,小波变换对于舰船调制信息提取是一种有效手段.     

基于局部投影算法的舰船信号降噪处理研究

利用基于非线性动力学系统的局部投影降噪算法研究了舰船辐射噪声的非线性降噪问题。分析了局部投影降噪算法邻域半径参数与降噪效果的关系,研究了利用噪声强度估计邻域半径参数的方法。通过对含噪Lorenz模型和实际舰船信号进行降噪处理,得到了较为满意的结果。     

现代水声通信技术的发展及应用

本文介绍了通信技术中现代水声通信的历史,分析了水声通信发展的关键技术,讨论了水声信道的特点,并简要分析了水声通信技术的现状,对水声通信系统的特点作了一定的比较,最后对未来的水声通信技术作了预测。     

Walsh变换特征用于回声信号的识别

随着水下目标降噪技术的进展,利用回声信号来探测和识别水下目标的越来越重要,水下目标识别是水声领域中存在的难题之一.以大量的水下目标回声信号资料为依托,借助Walsh变换的分析法,研究了脉冲声的回声识别问题,给出了回声信号的时频特性及其相应的特征向量,提取了43维的Walsh谱特征.结合ART神经网络,对一定范围对真假两类目标进行分类,可取得80%以上的正确识别率.该方法具有较好的实用性,是一条解决实际回声信号识别的有效途径.     

基于高阶谱的LOFAR谱图特征在被动声纳信号自动识别中的应用

水下目标的特征提取一直是水声信号处理的难题。由于实际的声纳目标的发声机理和反射声波的机理十分复杂,成份多样,造成水声信号具有较强的非平稳性和非高斯性。为了提高对水下目标识别的正确识别率,突破以往研究中关于信号平衡性的假设和高斯性的假设,本文在简要介绍了ＬＯＦＡＲ谱图和高阶谱（ＨＯＳ）估计方法之后,提出了一种基于高阶谱的ＬＦＡＲ谱图和高阶谱（ＨＯＳ）估计之后,提出了一种基于高阶谱的ＬＯＦＡＲ谱图特征     

小波分析在信号包络提取中的应用

包络分析是机械测试和故障诊断领域的常用方法 ,本文利用小波的频带分离特性和噪声的小波变换特性 ,将希尔伯特变换和小波分析结合起来 ,提高了提取信号包络信息的精度 ,并通过实例说明了这种方法的有效性     

基于递归分析的水声信号处理

利用递归分析及定量递归分析研究了水声信号的非线性特征.在计算正弦、随机和洛沦兹3种典型信号递归图的基础上,对2种实际舰船信号的递归图进行了定量分析,并和它们的关联维数进行比较.结果表明:定量递归分析的特征参数与混沌特征参数具有一定的联系,利用定量递归分析的特征量作为特征参数可以对舰船信号进行有效地识别和分类.这一结果对于进一步开展水下目标信号的识别、分类研究具有重要参考价值.