用于变压器中局部放电定位的十字形超声阵列传感器研究

局部放电是电力变压器绝缘劣化的主要原因,研究局部放电定位对提高电网的安全运行很有帮助。该文研制了一种用于电力变压器局部放电定位的复合传感器,并针对该传感器进行了定位仿真和实验。复合传感器由共形的13阵元十字形超声波传感器阵列和22阵元的超高频传感器阵列组成。应用高阶累积量处理技术对十字形超声阵列进行虚拟扩展,扩展后阵列具有61个阵元的阵列性能,提高了超声阵列的孔径和方向性锐度,这极大减少了后续硬件电路和成本。利用扩展超声阵列配合超高频阵列来仿真局部放电定位,结果表明扩展阵列具有很好的定位效果。在噪声背景下与多重信号分类(multiple signal classification,MUSIC)方法作了比较,结果表明高阶累积量处理技术能更好地抑制各种高斯色噪声的干扰。基于该十字形超声波阵列传感器进行了局部放电定位实验,结果表明扩展后的十字形超声阵列能精确地定位局部放电,定位的相对误差小于5%。对较少数目阵元的阵列实施虚拟扩展技术,为阵列技术在电力设备上的实用化提供了可能性。

电站锅炉声学测温中时间延迟估计的仿真研究

为了在电站锅炉声学测温中获得准确的声波飞渡时间，针对强噪声环境下弱信号检测问题，研究了声信号的时间延迟估计。对从国内某电站锅炉采集的炉膛噪声进行了频谱分析和统计分析，认为炉膛噪声是以中心频率250-1000Hz的低频燃烧噪声为主的类高斯噪声。指出了电站锅炉环境下几种传统的时延估计方法的不足，提出了一种基于高阶累积量的时延估计方法。在指数分布信号中加入实测炉膛噪声信号，设定不同的信噪比，分别对基于ML互相关方法和基于3阶累积量方法进行了100次蒙特卡罗时延估计仿真试验。结果表明，在较低的信噪比下，3阶累积量方法仍可以抑制非高斯信号中相关高斯噪声的影响。不仅为声学测温中的声波飞渡时间测量提供了指导，而且对基于时延估计的锅炉四管爆漏声源定位有一定的参考价值。

混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法

本文以互四阶累积量为依据 ,首次证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声 ;并在建立互高阶累积量的Yule Walker方程的基础上 ,通过该矩阵的奇异值分解 ,建立了信号矢量空间与噪声矢量空间 ;首次提出了混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法。仿真结果表明 ,与自高阶谱Pisarenko方法相比 ,该方法具有更好的谱估计的分辨率和谱估计的稳定性 ,抗干扰性更强 ,其信噪比工作门限更低 。

再生切削颤振系统动态响应谐参数辨识

考虑多重再生切削效应,建立了切削系统在随机噪声激励下的时滞动力学模型及递推求解算法。利用基于互四阶累积量的谐参数联合估计TLS-ESPRIT方法,讨论了再生型切削系统动态响应的频率、相邻两转切削间相移和互功率的辨识,揭示了在动态失稳切削中这些谐参数的演变特征以及多频再生型切削颤振现象。研究结果表明,基于互四阶累积量的谐参数估计TLS-ESPRIT方法可抑制噪声,具有优越的参数估计性能,能够在动态失稳切削中抽取再生型切削不稳定性的演变特征。

基于状态空间模型谐波恢复的Tls-Hankel法

将状态空间模型与互高阶累计量相结合,充分利用状态空间模型具有的灵活性、方便性,提出基于状态空间模型谐波恢复的互高阶累计量的Tls-Hankel矩阵分解法,为解决谐波恢复问题提供了一条新的思路。仿真结果表明,在混合色噪声和很低信噪比条件下,该方法在谱估计的分辨率、稳定性及对混合色噪声的抑制等方面均明显优于自高阶谱估计方法。

谐波恢复的互高阶累计量Hankel矩阵法

本文将状态空间模型与互高阶累计量结合在一起 ,首次提出了基于状态空间模型谐波恢复的互高阶累计量的Hankel矩阵分解法 .该方法清晰地展现了谐波恢复问题的实质 ,充分利用状态空间模型所具有的灵活性、方便性 ,为解决谐波恢复问题提供了一条全新的思路 ,是一种短数据条件下的高精度算法 .仿真结果表明 ,该方法在混合色噪声和很低信噪比条件下谱估计的分辨率、稳定性及对混合色噪声的抑制等方面均明显优于自高阶谱估计方法 .

刚度主轴方位对模态耦合再生切削系统动态响应谐参数的影响

综合考虑再生切削效应和模态耦合效应,建立了随机扰动激励下两自由度切削加工系统的时滞动力学模型。分析了刚度主轴方位对切削稳定性叶瓣的影响。将切削系统的动态响应作为观测数据,基于互四阶累积量的谐参数联合估计ESPRIT方法,考察了刚度主轴方位对模态耦合再生切削系统动态响应的互功率、频率和相移等谐参数的影响,揭示了这些谐参数关于刚度主轴方位角的一些新依赖特征。

基于十字阵的高阶累积量DOA估计算法

基于十字阵的改进高阶累积量DOA估计算法是十字阵导向矢量模型的基础上实现了的Music算法。首先将Music算法中的二阶累积量扩展到四阶累积量,然后对协方差矩阵进行分解,得到高分辨率的DOA估计。改进算法相对于等距线性阵列的Music算法具有全方位定位、阵元数少的特性,且在有色高斯噪声环境下具有很好的谱估计性能。改进算法还对初始采样信号进行了DFT预处理,以克服高阶累积量计算量大的缺点。仿真实验表明,算法计算量少且分辨率高。

时变主轴转速再生切削系统的动态响应特征

考虑多重再生切削效应,建立了在时变主轴转速下再生切削系统的时滞动力学模型及递推求解算法,该算法适用于主轴转速变化的任意轨迹。将再生切削系统相继两转的动态响应作为观测数据,提出了基于互四阶累积量的谐参数联合估计的TLS-ESPRIT方法。根据该方法,研究了时变主轴转速对再生切削系统动态响应的影响,揭示了再生切削系统动态响应的频率、相继两转切削间的相移和互功率等谐参数对主轴转速依赖的一些新特征。

基于互四阶累积量的谐参数联合估计的TLS-ESPRIT方法

导出了混合色噪声中复值随机谐波信号和实值随机谐波信号的互四阶累积量及对角切片,利用这些对角切片皆可估计出相同的频率和相移,但根据实值随机谐波所估计的互功率为复值随机谐波的3/16.将互四阶累积量与高分辨率的ESPRIT方法结合,提出了在混合色噪声中基于互四阶累积量的谐参数联合估计的TLS- ESPRIT方法.研究结果表明,基于互四阶累积量的谐参数联合估计TLS-ESPRIT方法可抑制混合色噪声,具有优越的参数估计性能.

高分辩率谐波恢复的互四阶累计量的Pisarenko方法

互高阶谱估计是抑制混合色噪声的一种有效方法。为此提出了一种混合色噪声背景下谐波恢复的互四阶累积量的 Pisarenko方法。仿真结果表明 ,该方法可同时抑制各信道间相关的高斯色噪声及相互独立的任意色噪声的影响 。

互高阶累积量对离散系统辨识的应用原理

采用互高阶累积量 (互四阶累积量 )的一维对角切片为统计量 ,证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声 ,并在建立互高阶累积量的Yule Walker方程的基础上 ,对离散系统 (AR过程 )的结构进行了分析。结果表明 ,该方法具有良好的谱估计的分辨率和谱估计的稳定性。与其它方法比较 ,该方法抗干扰性更强 ,其信噪比工作门限更低 。

基于高阶交叉累量特征的调制识别

在对星座图聚类的启发下,构造了一种新的高阶交叉累量.将截获信号的直观几何特征(星座图)映射到变换域中,可区别不同调制内部的同相正交分量的相对关系,避免了聚类算法受噪声干扰和其他随机因素影响.数值化后的星座图特征精度较高,更适合干扰较大的自动智能识别流程.

基于谐波恢复的状态空间模型的互高阶累计量Ls-Hankel矩阵分解法

将状态空间模型与互高阶累计量结合在一起,首次提出基于谐波恢复状态空间模型的互高阶累计量的Ls-Hankel矩阵分解法。仿真结果表明,该方法在混合色噪声和很低信噪比条件下谱估计的分辨率、稳定性及对混合色噪声的抑制等方面均明显优于自高阶谱估计方法。

利用循环相关特征的自适应模糊调制分类

针对非平稳数字调制信号,提出一种高阶正交循环累量特征,具有"屏蔽"干扰和噪声的特性.采用模糊神经网络非线性动态建模的调制识别器,根据特征训练样本的大致分布状况建立蕴涵初始经验的模糊推理系统结构,再嵌入神经网络的结构和自适应学习算法对模糊系统参数进行调整和优化,完成模糊神经网络模型的逼近求精.对MASK, MPSK,MFSK,MQ.AM等信号进行仿真实验,结果表明系统在信嗓比等环境参数变化较大的情况下适应性和容错性良好.相对于神经网络等识别器,具有初始经验的系统结构更明确,建模周期较短,算法识别率和效率有明显提高.

一种宽带高分辨测向方法及性能分析

提出了一种基于互高阶累积量的阵列宽带高分辨测向方法 ,该方法能够在较低信噪比、等间距布阵条件下实现宽带空间信号源波达方向的高分辨估计 ,同时可增加检测信号源数目 。

基于互高阶累计量的混合色噪声中的谐波恢复

采用状态空间模型描述时间序列,将其与互高阶累计量相结合,首次提出状态空间模型谐波恢复的互高阶累计量SLS-Hankel矩阵分解法。该方法用于谐波恢复,突破了高阶累积量方法对噪声的限制,降低了互谱方法对硬件隔离的要求。仿真结果表明,该方法在混合色噪声和很低信噪比条件下谱估计的分辨率、稳定性及对混合色噪声的抑制等方面均明显优于自高阶谱估计方法。

一种基于高阶互累计量的遗传盲反卷积算法

提出了一种基于高阶互累计量的遗传盲反卷积算法,旨在解决现有许多基于独立分量分析盲反卷积算法中存在的两个共同缺陷.一是算法中引入的非线性函数依赖于源信号的峭度性质,当观测信号为超高斯信号与亚高斯信号的卷积混合时,算法性能急剧下降.二是算法中大多采用梯度法对分离矩阵序列进行寻优,初始值和步长的设定对搜索性能影响较大,使得寻优过程易陷入局部极优值,从而降低算法的分离效果.在阐述了算法的相关原理和设计思路之后,通过对比试验验证了算法的正确性和有效性.

一种基于高阶累计量的图像抗噪配准改进算法

为了降低噪声对图像配准精度的影响,提出了一种基于高阶累计量的图像抗噪声配准改进算法,首先通过对图像作去均值处理,并利用三阶累计量的离散傅里叶变换得到三阶谱,然后计算出归一化互双谱,来有效抑制噪声的影响,最后利用傅里叶逆变换得到了精确的平移量、旋转角度和尺度缩放因子。仿真实验结果表明,提出的改进算法能够将含有较强噪声的图像进行更为精确的配准,得到平移量、旋转角度和尺度缩放的最大估计误差分别仅为0.58pixel,0.19°和0.36%,且配准后的图像具有较小的均方根误差均和较大的归一化相关峰置信度,进一步说明了提出算法对噪声影响具有更强的适应性和鲁棒性,能够获得更加精确的配准图像。

色噪声背景下的正弦信号相位估计方法

噪声背景下的正弦信号相位估计在雷达、导航、波达方向估计等领域有着广泛的应用。提出了一种基于互高阶累计量的正弦信号相位估计方法——奇异值分解法。这种方法通过对互高阶累积量矩阵进行奇异值分解,得到信号子空间和噪声子空间。由于信号子空间不包含噪声信息,因此是提取信号成分与抑制噪声意义下的最优解。信号的自高阶累积量矩阵是共轭对称矩阵,它的左、右奇异矢量是相同的,而两个幅值和频率都相同、只有相位不同的正弦信号的互高阶累积量矩阵却是非共轭对称矩阵,左右奇异矢量也不相同,这说明是谐波信号之间存在相位差导致了这一结果。因此,从这一点出发,证明了谐波信号的互高阶累积量矩阵左、右奇异矢量内积的相角等于正弦信号相位差这一重要定理。并根据这一定理推导出估计正弦信号相位差的奇异值分解法。仿真结果验证了这种方法的有效性。