基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.     

基于EMD时频分析方法的性能研究

针对传统的时频分析方法存在的局限性,评述了一种最新的可适用于非平稳、非线性信号的时频分析法-Hilbert-Huang时频分析.研究了经验模态分解(Empirical Mode Decomposition,EMD)与希尔伯特变换(Hilbert Transformation,HT)相结合的提取信号瞬时特征的EMD/HS法,并对其性能进行了分析.仿真实验中通过与传统的时频分析效果的比较,表明该法具有理想的时频聚集性,并且消除了交叉干扰项.     

单次单道电刺激脑电模式识别方法研究

研究了一种人体在感受电流刺激条件下的脑电模式识别算法。该方法对于单次电流刺激,根据对单通道脑电信号的分析处理,即可对受试者是否感觉到该刺激做出判断。与传统诱发电位提取所用的平均叠加滤波法相比,避免了人体对重复刺激的疲劳效应。实验结果表明,该方法可用于人体电流感觉阈值的测量,由于不需要受试者做出任何主观反应,与以往技术相比,在保持无创检测的同时,测量过程更为客观,具有良好的临床应用前景。     

基于白化检验和3􀀁 准则的小波阈值去噪算法

基于小波变换的阈值去噪法是去除数字信号中自噪声的有效算法。其中，分解层数、门限阈值以及阈值函数的选取是关键。本文分析了白噪声和有用信号的小波变换系数的特点，在此基础上提出了一种分解层数的自适应确定方法以及一种基于3σ准则的各层小波空问阈值的选取方法，并结合硬阈值和软阈值方法各自的优缺点，提出了一种改进的小波系数阈值估计的模型。仿真结果表明，该方法具有较好的去噪效果，尤其适用于强噪声背景下弱信号的检测。     

基于EMD近似熵和LS-SVM的机械故障智能诊断

故障特征提取的精确性和分类识别的高效率是提高故障诊断准确率和速度的关键,针对此问题,提出一种基于经验模式分解(empirical mode decomposition,EMD)近似熵和最小二乘支持向量机(least square support vector machine,LS-SVM)的机械故障诊断新方法.利用EMD良好的局域化特性和近似熵表征信号复杂性规律来量化故障特征,再与LS-SVM相结合进行故障类型识别.首先,对故障振动信号进行EMD 分解,得到若干个反映故障信息的本征模函数(intrinsic mode function,IMF);其次,选取前4个IMF的近似熵值作为信号的特征向量;最后将构造的特征向量输入到LS-SVM分类器进行故障类型识别.仿真表明,该方法能有效地提取故障特征,与传统的BP(back propagation)络相比,具有训练样本少、训练时间短、识别率高等优点.     

EMD相关度去噪及其在轧机信号处理中的应用

基于EMD时间尺度滤波特性,在引入相关度分析的基础上提出了EMD相关度去噪方法.对含噪信号进行EMD分解得到各IMF分量,并结合相关度阈值函数计算各分量的相关度值,再与预定阈值比较获取满足阈值要求的IMF并对其进行信号重构最终得到去噪信号.该方法消除了EMD时间尺度滤波不适用于噪声和信号在IMF成分混叠情祝下的限制.通过平稳和非平稳含噪信号去噪仿真实验表明了该方法的有效性;通过轧机在轧钢时实测信号分析验证了该方法的可靠性.     

基于EMD时频分析的轧机扭振瞬态冲击特征提取

为解决轧机扭振非平稳瞬态冲击信号瞬态特征量提取的难题,采用EMD(Empirical mode decomposition)方法提取信号的固有模态函数(IMF),再结合Hilbert变换建立单频振动瞬态信号瞬时频率提取模型,得到信号的Hilbert/Huang时频谱,进而得到Hilbert边际谱,从而提取扭振信号瞬态特征.该算法既避免了小波分解中的频率混叠,又具有时间尺度自适应调整的特点,克服了小波变换中小波基选取的难题.通过仿真实验验证了该方法的可行性,通过轧机在咬钢抛钢时实测瞬态信号的分析表明了该方法的可靠性.     

基于EMD-AR和关联维数的轧机主传动系统故障诊断研究

为提高轧机主传动系统故障诊断的精度,提出了一种基于EMD-AR模型和关联维数的故障特征提取算法.该方法采用小波滤波和EMD对振动信号进行去噪和平稳化预处理,再对包含主要故障信息的本征模函数(IMF)分别建立AR模型进行降维,最后通过时延相图法重构AR模型参数的相空间,并计算其关联维数.实验分析表明:该算法不仅能够深刻、...     

高职移动通信无线优化教学的疆与界

随着移动通信网络的不断发展,需要大量的无线网络优化人员,高等职业院校通信专业毕业生正是从事无线优化岗位的首选人才,但高职学生在校学习时间短,适应岗位的技能还有待提高。本研究将无线优化岗位技能等级分为初级、中级和高级,并详细提出了相应的具体要求,指出高职通信专业毕业生应普遍达到初级要求,少数学有潜力者可达到中级要求,经一定时间实践锻炼后可达到高级水平。     

基于EMD近似熵和DAGSVM的机械故障诊断

故障特征提取的精确性和分类识别的高效率是提高故障诊断准确率和速度的关键.针对此问题,提出一种基于经验模式分解近似熵和决策导向循环图支持向量机的机械故障诊断新方法.首先,对故障振动信号进行经验模式分解, 得到若干个反映故障信息的本征模函数;其次,选取前4个本征模函数的近似熵值作为信号的特征向量;最后,将构造的特征向量输入到决策导向循环图支持向量机分类器进行故障类型识别.仿真表明,该方法能有效地提取故障特征,与"一对一"支持向量机及传统的BP网络相比,具有训练样本少、训练速度快、识别精度高等优点.