小波分析在信号奇异性探测及瞬态信号检测中的应用

近年来,小波技术越来越成为一种有效的信号处理手段。本文介绍了小波的时频局部化和多尺度特性以及它在信号奇异性探测、瞬态信号检测领域中的应用。并以ECG信号分析为例,较全面地说明了小波在信号处理中的实现手段。最后,对小波可进一步应用的领域作了展望。

水声瞬态信号短时谱形态及谱相关法检测

通过对海上记录时间大于4h的几十条水声目标噪声进行归一化短时谱图即船谱图方法分析，归纳出一些典型的瞬态信号的时频分布形态。有竖条分布、横条分布、“麻花状”的共振峰滑动型和能量集中的正方型分布等，为进一步研究和识别瞬态信号打下基础。文章还调查了谱相关技术（二阶累积量谱）在干扰噪声中检测水声瞬态信号的性能。计算机模拟和对18个实际瞬态信号的分析说明用谱相关技术检测瞬态信号的有效性，近80％的实际信号比常规功率谱检测有3～6dB的增益。文章最后研究用谱相关提取瞬态信号模态的技术，给出了3个无源目标瞬态信号模态较清晰的图像，为识别瞬态信号提供特征。

基于小波变换的脑电瞬态信号检测

在脑电 (EEG)信号分析与处理过程中 ,瞬态信号的检测和定位具有非常重要的实际意义。传统的瞬态脉冲检测方法是匹配滤波 ,但匹配滤波需要有关瞬态信号的先验知识 ,因而在实际应用中受到一定的限制。本文用小波变换对含有瞬态干扰的脑电信号进行多尺度分解 ,在某些尺度下 ,瞬态信号特征得以明显增强 ,用简单的阈值比较就可以有效地检测并消除瞬态干扰。实验结果表明 ,在缺乏先验知识的条件下 ,小波变换能有效检测出脑电信号中短时、低能量的瞬态脉冲。

小波变换对瞬态信号特征信息的精确提取

研究了瞬态信号小波变换的相位特性和小波特征。采用了小波脊线的分析方法,详细分析了瞬态信号的小 波脊线与瞬态信号的瞬时特征和特征信息的对应关系,建立了瞬态信号特征信息的精确识别模型和特征参数的精 确提取方法。通过工程应用实例的验证,该方法对瞬态信号(特别是信噪比较低的弱信号)特征信息具有相当高的定 位精度(误差不大于1个采样点)和识别精度(不存在累积误差),其算法简单、准确,且有较快的收敛性,可实现实 测瞬态信号特征信息的实时分析。

非高斯水声瞬态信号Power-Law检测

根据水声瞬态信号检测的特点,研究了基于高阶谱的power-law算法及其在水声瞬态信号检测中的应用。模拟试验和实际数据处理结果表明基于高阶谱的power-law瞬态信号检测器在检测非高斯瞬态信号方面优于传统的基于DFT的power-law检测器,有较好的应用前景。

提高扭转振动瞬态信号处理精度的方法研究

用测试扭振信号来分析轴系的各谐次幅值特性 ,研究扭转共振是解决由扭振产生故障问题的有效方法之一。针对发动机升降速过程扭振信号是瞬态时变信号 ,并存在低频滚振干扰 ,不能采用转速跟踪分析方法直接进行分析的特点 ,提出了将一次采样样本所包含的整周期数扩大一倍 ,加 Hanning窗进行转速跟踪分析的方法 ,消除了低频滚振的影响 ,大大提高了升降速过程扭振各谐次幅值分析精度。这种方法既能在试验台上测试分析发动机的扭振特性 ,也能测试汽车或船舶行驶或加速过程中的扭振特性。仿真和试验证明 ,除所分析的第一谐次幅值有较大的误差外 ,其余谐次幅值精度都很高 。

基于混合小波变换的瞬态信号检测方法

探讨了信号的小波变换与匹配滤波的关系 ,指出小波变换 (WT)实际上就是可变检测模板的匹配滤波过程。根据这一思想 ,提出了基于混合小波的信号检测方法。本文中 ,“混合小波变换”是指在小波分解和重构中分别使用不同的基本小波。其中分解小波用于实现可变模板的信号检测 ,重构小波则用以增强被检测信号的特征。我们用该方法对实测脑电信号 (EEG)中瞬态脉冲干扰进行检测。实验结果表明该方法能有效地检测出

基于极值点概率密度和听觉模型的瞬态信号提取方法研究

零件间的碰撞会诱发瞬态振动信号成分,所以发现和提取瞬态信号有助于设备故障的识别。人类听觉系统对于突发声音具有本能的敏感性,因此,基于听觉系统的运行机制提出了一种瞬态信号提取方法。提出了信号极值点幅值概率密度曲线中存在小幅值局部波动这一含瞬态成分信号的重要特征,并结合频带连续性和起始同步性做为瞬态信号提取的线索。基于三种线索,首先对信号进行Gammatone带通滤波、相位调整和极值点提取,继而计算各滤波信号极值点的幅值概率密度,并判断各滤波信号中是否存在瞬态成分,根据判断结果提取可能与瞬态成分有关的极值点,但因背景信号和干扰噪声的影响,所提取到的极值点会有一部分与瞬态成分无关,因此,将无关点分为四类并设计了相应的筛选方法。最终,利用筛选后所得极值点生成瞬态信号。数值仿真和实测数据验证的结果表明,所提方法对于瞬态信号提取具有良好的性能,且在干扰噪声和背景信号较强时也可实现较好的提取效果。

基于小波变换的Page-Test水声瞬态信号检测

针对鱼雷、空投浮标、火箭助飞深弹等反潜武器入水瞬间产生的水声瞬态信号所具有的持续时间短、信噪比低、突发和不稳定等特点,以传统的Page-T est检测器为基础,提出了一种新的水声瞬态信号检测方法.该方法首先对采集的水声信号进行小波去噪,去除信号中的随机频谱成分,提高信噪比,然后利用Page-T est检测器进行检测.仿真结果表明,该方法可在低信噪比条件下有效地提取出瞬态信号的起始位置,其处理效果明显优于传统的Page-T est检测方法.

基于多尺度分解的瞬态信号检测

瞬态信号的检测在信号处理研究中占有重要地位。本文在多尺度分解的基础上对含噪声信号进行尺度上和尺度间作两维自适应滤波，并采用逐级消除平均误差的方法对自适应滤波算法进行了改进，从而有效地滤去噪声，达到提取信号的目的。基于瞬态信号的特点，在滤波的方法上提出了反向滤波的方法。实践结果表明，该方法在信噪比较小时仍能取得较好的结果。

非高斯水声瞬态信号双通道Power-Law检测

根据水声瞬态信号的特点,在分析能量检测和高阶谱检测的特性基础上,研究了基于能量检测和基于高阶谱的Power-Law检测方法,将上述两种检测器联合构成一种双通道Power-Law检测器,更好地利用了水声瞬态信号中的统计信息。通过计算机仿真试验,证明了该检测器的有效性,它能在更大程度上适应复杂水声环境变化的要求,改善和提高水声瞬态信号的检测性能。

基于小波变换的Power-Law水声瞬态信号检测研究

水声瞬态信号检测是水声对抗领域的一项关键技术。在分析了传统的Power-Law检测器的基础上,针对水声瞬态信号的特点,提出了一种基于小波去噪的检测方法。该方法利用小波去噪理论抑制信号中的杂散成分,提高信噪比,然后利用Power-Law检测器进行检测。对三种典型水声瞬态信号的仿真结果表明该方法可以在低信噪比条件下有效分辨信号和噪声,检测效果优于传统的Power-Law检测方法。

用逐级消除平均误差的LMS自适应算法检测瞬态信号

瞬态信号由于短时性、宽频带和相关性强之特点，实际的检测往往比较困难。本文是在LMS算法的基础上，以逐级消除平均误差为准则，对算法进行修正，并根据权向量的收敛过程和权向量误差的有关分析理论基础上，提出了反向滤波的方法。实验表明该滤波算法能有效地提高精度，反向滤波方法能有效地克服了正向滤波权向量不收敛现象。

一种自适应检测瞬态信号的新方法

研究ＡＲ 模型参数特征用于瞬态信号自适应检测的问题－ 依据ＡＲ 模型参数矢量长度为特征检测信号的思想， 提出了一种具有良好的自适应抑制噪声扰动的参数估计方法－ 理论分析和实验结果表明， 本方法具有很好的ＡＲ

从噪声中恢复瞬态信号的Gabor级数法

该文研究了从噪声中恢复原瞬态信号问题。根据瞬态信号和噪声的Gabor系数在时-频平面上分布不同的特点,借用假设检验理论,提出了一种恢复被噪声污染的原瞬态信号的Gabor级数方法,进行了计算机仿真和对实际信号的处理。

基于LMS自适应算法的瞬态信号时延估计

讨论了LMS方法对瞬态信号估计的困难,提出用反向LMS自适应滤波算法进行瞬态信号的时延估计。设计了两种反向LMS自适应算法,用爆炸波信号仿真分析了时间延迟估计的性能,通过比较表明该算法的有效性。

瞬态信号检测方法的研究

概述了瞬态信号检测的基本方法,研究了基于小波分析的瞬态信号检测方法,进行了瞬态信号建模仿真以及计算机处理仿真,得到了比较理想的结果。

一种多通道联合自适应水声瞬态信号检测方法

从未来潜艇识别的作战需求出发,研究了综合2种检测器的性能优点,提出经改进后的联合检测器;然后研究了将2种检测器通过双通道融合处理来达到联合检测、提高检测性能的目的.通过仿真试验,证明了这2种类型联合检测方法的有效性.在上述的研究基础上提出了一种多通道联合自适应检测器的理论模型.研究表明,多通道联合自适应检测器可以融合多个检测器的优点,可以获得比单一检测器更好的检测性能,有利于克服各检测器自身难以克服的缺陷,且抗干扰能力更强,能够适应更为复杂的探测环境.

瞬态信号波形重构及其应用

振动监测由于设备简单，处理迅速，是实现机械系统早期故障检测的有效方法之一瞬态信号由于其频率范围较宽，持续时间短，易受到传递路径和其它噪声的影响谱分析很难判别机器的状态，倒谱滤波技术，作为一种非线性滤波技术，不但可以实现卷积信号的分离，而且通过选择适当的窗函数，消除结构混响，强化信号特征本文从理论和方法上论述了倒谱强化滤波技术以及瞬态信号复原的实施步骤，并利用该技术和最优化技术，进行气缸压力时间曲线的恢复。

水声瞬态信号检测方法的性能分析模型研究

累积和检验方法根据瞬态信号出现与消失时概率密度分布(PDF)的变化进行有效检测。在纽曼皮尔逊准则下,检测性能分析方法是实现检测的关键。基于马尔可夫状态转移思想,完善了快速傅里叶变换性能分析方法。在高斯分布方差变化假设下,推导了被检测序列量化值域确定方法、更新量概率分布律的计算方法和检测概率的递归计算方法。研究表明,基于上述方法的检测概率理论计算结果和蒙特卡洛仿真实验结果吻合度好,水池和海试数据的分析结果也表明利用该检测性能分析模型计算所得参数,累积和检验方法能有效检测低信噪比的水声瞬态信号。