自适应Chirplet信号展开及其在颤振信号处理中的应用

提出了一种新的以高斯线调频小波作为基函数的自适应信号展开算法。算法融参数的初值估计和精确估计于一体，自适应地将信号展开在高斯线调频小波基函数集上，通过展开系数和基函数参数获得信号的自适应时频能量分布。数值仿真结果表明该算法抗噪性好，信号可重构性高。同时，该算法作为一种时频域滤波技术，成功应用于某型飞机的颤振试验信号处理中，使得颤振边界预测的精度提高了1％～3％。     

模拟电路在线故障检测与诊断的FPGA实现

选择节点电压、幅频特性和相频特性构成故障特征向量集,并根据多通道宽带数据采集接口和驱动程序,给出全数字式的正交幅相特性实时检测方法。利用网络分析与信息融合技术,设计一种模拟电路在线检测和诊断方案,并在现场可编程门阵列硬件系统中进行实现,以解决诸多模拟电路故障诊断算法缺乏测试平台而停留在仿真阶段的问题。实例分析结果表明,该系统可有效识别电路软故障,在存在元件容差的情况下,其识别准确率高达96％,时间消耗低于60ms。     

基于影响因子的频域盲源分离排序算法

卷积混合信号盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序问题.本文研究了频点距离和各频点分离质量对基于相邻频点幅度相关性的排序算法的影响,提出了改进的频域盲源分离排序算法.改进算法通过影响因子来控制频点距离和各频点分离质量对排序的影响,距离小且分离质量好的频点设置较大影响因子,距离大或分离质量不好的频点则设置较小影响因子.文中详细讨论了影响因子的设定函数.最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验.实验结果表明了本文算法的有效性.     

一种新的多嵌入延迟相空间重构方法

对文献[5]提出的Cao方法进行了改进,提出一种新的多嵌入延迟相空间重构方法,不仅能够判断最小嵌入维数,还能够确定最佳时间延迟矢量。Cao方法的应用领域得以扩展,使得相空间重构问题可以在一个判断标准下完成。数值仿真结果表明,该改进方法在处理包含多个强烈周期成分的信号时比目前常用的单一嵌入延迟方法有明显优势。     

基于先验估计的自适应Chirplet信号展开

该文提出一种新的时频表示方法--自适应线性调频小波(Chirplet)信号展开算法。算法基于信号本征空间,融参数的初值估计和精确估计于一体,利用匹配追踪算法将信号自适应地展开在高斯线性调频小波基函数集上。通过展开系数和基函数参数获得信号的时频分布,其时频聚集性、抗噪性和时频分辨率不仅优于一般的时频分布而且优于已有的自适应时频分布,可以更好地刻画信号的本质。应用数值仿真检验了算法的有效性和时频分布的优良性能。     

基于动力子空间的信号迭代降噪方法

重构相空间是通过修正动力轨道来降噪的前提和基础。针对传统相空间重构方法在实际应用中嵌入维数和嵌入延迟难于准确、客观估计的问题，采用模型最小描述长度准则确定最佳的嵌入窗口，据此重构相空间并采用动力子空间法进行迭代降噪计算。数值仿真试验证明该方法在有限长非线性信号降噪处理中是有效的，特别在信噪比较低时，信噪比增益可达到10dB左右。