基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

双谱的一致估计及在颤振辨识中的应用

双谱分析作为非线性系统辨识的有效方法,已引起人们极大的兴趣.在极小化均方误差的准则下,利用最优的二维谱窗对周期图进行加窗处理可构造出双谱的一致估计.本文将在此基础上获得的双谱估计快速算法应用于机械故障诊断之中,对Mx—4车床的颤振现象进行了辨识,取得了明显的效果,并与未经加窗处理的双谱进行了比较.     

槽式孔板差压信号的高阶统计量特征

针对气液两相流流过槽式孔板时产生的差压信号呈现出的非高斯特性,提出了一种基于高阶谱技术的信号分析方法.通过对槽式孔板两端差压信号进行的双谱分析,提取了不同流量下信号的非高斯特征.以信号的双谱幅度最大值和双谱切片幅度最大值作为特征参数,对不同流型、流量下差压信号偏离高斯分布的程度进行了定量估计.结果表明,提取的特征值不仅可作为气液两相流流型转变的判据,而且还为进一步优化两相流流量计的设计提供了参考.     

基于特征融合的通信辐射源个体识别

针对通信辐射源个体识别研究中单一特征不足以全面表示细微特征差异,从而限制识别率的问题,提出了一种基于特征融合的通信辐射源个体识别方法。该方法首先对原信号进行短时傅里叶变换和双谱变换,提取时频特征和双谱特征,结合小波融合技术进行特征融合,最后使用残差神经网络挖掘信号隐含的深层次特征,完成分类识别。实验结果表明,对于模拟信号源发射的短波通信信号,经过特征融合后的识别效果相较于使用单一特征方法有更高的识别准确率,并且在低信噪比的情况下仍有较好的识别效果。     

Local identifiability and sensitivity analysis of neuromuscular blockade and depth of hypnosis models

This paper addresses the local identifiability and sensitivity properties of two classes of Wiener models for the neuromuscular blockade and depth of hypnosis, when drug dose profiles like the ones commonly administered in the clinical practice are used as model inputs. The local parameter identifiability was assessed based on the singular value decomposition of the normalized sensitivity matrix. For the given input signal excitation, the results show an over-parameterization of the standard pharmacokinetic/pharmacodynamic models. The same identifiability assessment was performed on recently proposed minimally parameterized parsimonious models for both the neuromuscular blockade and the depth of hypnosis. The results show that the majority of the model parameters are identifiable from the available input–output data. This indicates that any identification strategy based on the minimally parameterized parsimonious Wiener models for the neuromuscular blockade and for the depth of hypnosis is likely to be more successful than if standard models are used.     

基于二维双树复小波变换的无人机个体识别

在无人机个体识别中,直接用双谱矩阵进行个体识别要计算复杂的二维模板,运算效率低。针对这一不足,提出了一种基于二维双树复小波变换的二次特征提取算法。该算法将双谱分解成多个方向子带图并计算其能量和能量偏差,将维度较高的双谱矩阵高效地转换为维数较低的图像纹理特征,再将其送入支持向量机实现无人机个体识别。采用实采的Phantom 3 Advanced与Mavic Pro图传信号对算法进行验证,结果表明,基于二维双树复小波变换比直接用双谱矩阵进行分类的运算效率高21倍,准确率相较于基于积分双谱、基于灰度共生矩阵、基于小波变换法有不同程度的提升,满足准确性和实时性的需求。     

基于双谱熵的齿轮裂纹故障特征提取

针对裂纹故障导致齿轮振动信号非高斯性变化这一特点,提出采用双谱熵对信号非高斯成分在双频域内的分布形态进行定量描述,并据此提取故障信息,得到裂纹产生期、扩展期的特征趋势。结果表明,双谱熵不基于信号能量信息,受非故障因素影响小,而且能有效抑制高斯噪声,同时又对微弱故障十分敏感。研究结果为后续故障诊断与趋势预测提供了新的有效方法。     

双谱估计在直升机声信号特征提取中的应用

根据直升机信号在更多情况下表现为非高斯的随机过程,提出采用高阶统计量对直升机声信号进行建模与特征提取,导出基于三阶累积量的直升机声信号非高斯参数双谱模型,讨论了双频域内直升机声信号特征提取的方法,并结合实例给出说明,最后指出将高阶统计量分析方法用于直升机声目标识别具有十分有意义的应用前景。     

基于2阶Hann自卷积窗的谐波电能高精度量测方法研究与实现

分布式光伏发电根据全发电量进行补贴,无法约束其并网对配电网造成的高频次谐波污染和电压波动等电能质量问题。电能谐波含量是体现分布式光伏电能质量的因素之一,可作为并网电能定价的参考依据。为了对分布式光伏谐波电能进行快速、准确计量,文中采用2阶Hann自卷积窗及其双谱线插值校正算法,提出了一种低运算资源消耗的顺序型谐波计算流程,在其基础上优化设计了一种多级流水线型的谐波计算架构,大幅提升了加窗插值FFT的计算效率;考虑ADC量化误差,对2阶Hann自卷积窗及其双谱线插值校正算法的谐波分析效果进行仿真,提供了ADC位数、采样点数N与窗函数的选择依据。设计并开发了基于ZYNQ与LTC2358的谐波量测装置板卡样机。实验与测试结果表明,该样机的基波测量误差满足C级静止式有功电能表标准和0.5S级无功测量仪表检定标准的要求;此外,3～21次谐波测量误差满足A级谐波测量仪表检定标准的要求。