基于拉曼信号分段重构的分布式光纤测温空间分辨率提升研究

激光器脉宽是分布式光纤测温系统空间分辨率的主要影响因素之一,在光脉冲覆盖待测区域的情况下,系统无法准确解调出待测区域的准确温度。提出了一种拉曼信号分段与重构方法,通过分析光脉冲在待测区域处的信号特征,得出了激光脉宽对温度偏差的影响关系,并根据此关系对不同温度区域原始拉曼信号进行分段,借助待测区域长度、已知温度和待测温度下的拉曼光强差重构待测区域处的拉曼信号强度,利用重构后的拉曼信号进行温度解调,使系统空间分辨率、测温精度大幅提升。使用20 ns脉宽的光源(理论空间分辨率可达到2 m)、0.72 m测试光纤进行测试,结果表明,在90℃测试温度下,温度误差从33.9℃减小至5.8℃,系统空间分辨率由2.27 m提升至1.13 m。

基于信号极值检测分段法和ITD-PE-PCA算法的变压器绕组变形超声检测信号去噪研究

为了解决超声信号特征分段问题和固有时间尺度分解(ITD)算法分解次数不便确定的问题,本文中作者提出了一种极值检测分段和ITD-PE-PCA联合去噪算法。试验结果表明,组合的去噪算法结合了ITD、PE和PCA的优点,去噪后的信号信噪比更高、均值误差更小,并且可以有效保留超声回波中的有用信息。

基于自相关分析的离心泵振动信号的分段方法

离心泵是石油工程领域重要的设备之一。分析离心泵运行过程的振动信号、提取反映设备运行状态的有用信息是目前的研究热点。以自吸空调泵为试验研究对象,采集不同负载下该泵运行的振动信息,运用小波去噪与自相关性分析进行振动信号的分段处理,并结合分段平均周期图与功率谱估计方法,提取相应特征。研究表明,采用自相关方法可以对离心泵的振动信号进行合理分段,获得完整的周期信号,从而有效防止了信号信息的混叠与缺失,为信号的特征提取、识别提供了便利。

基于分段信号假设检验的方差估计算法

针对传感器测量噪声变化导致加权数据融合精度下降的问题,提出一种新的方差估计算法。方差估计采用自适应移动数据窗,窗口长度由多元假设检验的结果决定。假设检验环节首先应用信号分段处理方法与中心极限定理,使得检验统计量满足正态分布,简化了后续计算与理论推导。然后根据马尔可夫状态转移理论和最大后验概率准则,实现测量噪声方差变化的快速检测。通过与典型算法的仿真对比,验证所提算法克服了典型方法的局限性,能够保证加权数据融合具有更高精度。

呼吸肌电信号的多分辨率分段分析

在呼吸控制的研究中对呼吸肌电信号分析，需要从背景噪声中检测突发动作电位（信号分段），并且能够确定其起止点（边界估计）。本文叙述了一种新型的自动多分辨率处理技术用于信号分段和边界估计的方法。在信号分段中，那种包含背景和突发活动之间的边界信息被定义为过渡分段，然后在这一过渡分段中完成边界估计，利用人工神经网络原理选择边界类型及其概率，在给定的过渡分段中，用最大后验概率估计最终的边界。

一种分段平稳随机信号的参数识别方法

基于振动的结构健康监测的前提是从振动测试信号中提取结构模态参数。随机子空间方法是近年来发展起来的一种线性系统辨识方法,可以有效地从环境激励的结构响应信号中提取结构模态参数。随机子空间识别方法的应用前提是输入满足白噪声的假定,输出信号应当是平稳信号。论文对随机子空间方法的使用前提进行了拓展。将非平稳信号划分为分段平稳随机信号进行处理,为非平稳信号的研究提供一种新的分析方法。基本思想是将在现场采集的结构输出信号进行分段,各段信号应满足稳定的条件,即分段平稳。将各段信号用随机子空间结合稳定图进行识别,然后将所有各段所识别的模态参数再一次用稳定图方法进行分析,得出结构的模态参数。最后用一3跨连续梁的数值模型进行验证,结果表明用随机子空间方法结合两次稳定图可以有效地识别分段平稳的随机信号。

应用于分段连续信号的基于提升格式的双自适应小波变换

由于小波具有良好的时频特性,对于平滑的信号,利用固定尺寸的小波滤波器滤波可以获得良好的线性近似结果。然而对于某些具有突变点的信号而言,采用固定尺寸的小波滤波器进行线性滤波并不是一个理想的选择。在PiellaG提出的基于提升格式的自适应小波变换算法的基础上,本文提出了一个新的双自适应小波变换算法,将其应用于分段连续信号中得到了较好的线性近似结果。

一种有效的分段光滑信号逼近方法

传统的Fourier变换,连续小波变换等方法在逼近具有分段光滑特性的非连续信号时,因Gibbs现象的干扰会产生比较大的误差.本文提出了一种有效的分段光滑信号逼近方法.首先根据给定信号的分段点位置,构造一组标准正交分段多项式系,该函数系具有正交性,收敛性及再生性.然后将信号在该函数系下进行正交分解及重构,即可得到该信号的最佳平方逼近结果.数值实验表明,本文方法比传统的正交基具有更好的逼近结果.

基于旋转不变阵列的分段平稳信号欠定DOA估计

为克服KR-MUSIC算法限定阵列为均匀线列阵、需要空域谱搜索、计算量较大的缺点,提出了一种基于旋转不变阵列的DOA估计算法,扩大了应用范围,且算法通过解析运算估计DOA,避免了计算量较大的谱搜索.该算法可估计的DOA个数由KR-MUSIC方法的2N-1增加到N2/2.仿真结果表明,在同样信噪比、帧长和帧数条件下,本文算法的性能要优于KR-MUSIC算法.

分段经验模态分解的直流漂移消除方法

在低频模拟信号采集及处理电路中,常常存在着噪声与直流漂移的问题影响信号的测量。为了从原始信号中准确去除直流漂移分量及存在的噪声从而获得有用信号,提出了一种基于分段经验模态分解直流漂移消除的方法,并通过合适且有效的去噪方法处理使得采样信号更加真实准确。首先,对信号进行经验模态分解,求取本征模态函数分量的局部极值点进行区间分段,之后分别对每一段信号再次进行经验模态分解,选取每一段信号的低频分量重构出该段信号的直流漂移分量。最后,利用自相关函数筛选出噪声占主要成分的本征模态函数分量进行能量分析,将所有分段整合,得到去除直流漂移且降噪之后的信号。本研究通过仿真对此方法进行了说明,比较了该方法与多项式拟合、小波分析、高通滤波等方法的效果。并对微创外科手术机器人力传感器的应变信号进行了处理。实验结果表明:按照已有数据计算可将信噪比提升到6.39 dB以上,均方根误差有明显减少;该方法能够有效消除应变信号中的直流漂移,并且也能达到降噪的目的。

基于时间分段信号的弹道导弹目标微多普勒调制周期估计

地基空间探测相控阵雷达因需同时满足多任务、多目标的工作要求,通常采用时间分割的方式照射目标,本文针对这一特点,以弹道导弹为例,建立了单一目标分时段观测回波的数学模型,分析了带尾翼弹道导弹自旋运动对雷达回波的调制效应,从机理上揭示了利用微多普勒周期特征识别弹道导弹目标的可行性。论文针对时间分段信号特点,提出了一种利用Radon-pseudo-STFT提取目标径向半加速度的方法,并成功利用循环平均幅度自相关函数提取了加速度补偿后信号的微多普勒调制周期。

“一种分段常量信号”作用下的RC串联电路

在文献[1]的基础上,本文运用子区间分析,分析了“一种分段常量信号”作用下的RC串联电路(线性、非时变电路),而且着重讨论了两种情况下的稳态过程.在满足有关条件下,得到了计算电容电压稳态波形极值的两个公式.文献[2]所介绍的式(7-61)和式(7-62)均属于本文两个公式的特殊情况.

基于分段正弦信号激发的L_(CR)波应力检测的研究

根据临界折射纵波(LCR波)的产生原理及其应力检测原理,提出采用分段正弦信号来激发LCR波,并运用互相关时延估计实现应力检测。分段正弦信号激发LCR波,相对于脉冲信号激发,能在较低的电压幅值下获得足够的发射能量。同时,分段正弦信号激发产生的LCR波在介质中传播时,波形畸变小,便于实现高精度的数据处理。实验结果表明,该方法能有效的测量出试件的内部应力。

基于改进的维奥拉积分方法提取心音信号包络

心音是评价人体心脏功能的重要生理信号之一,分析心音信号特征对心脏疾病的早期诊断和治疗具有重要意义。分别采用希尔伯特黄变换、归一化香农能量以及维奥拉积分方法提取心音信号的特征包络,并针对维奥拉积分法存在的不足,结合香农能量方法可抑制高、低强度信号的特性,提出了一种改进的心音信号特征包络提取方法,最后采用阈值法实现了对心音信号的分段。采用改进的维奥拉积分方法对55例心音信号提取特征包络并进行分段处理,经验证该方法能有效的提取心音信号特征包络,对正常信号分段正确率达到了100%,异常信号分段正确率平均达到了95.32%,适合于心音信号分段。

阵列导波检测数据分段式混合压缩算法研究

针对阵列导波检测中形成的大量数据对后续传输与存储所构成的挑战,本文提出了一种分段式混合压缩算法。基于损伤散射信号的高幅值及相关性特征,将检测数据划分为高、低保真段两部分。在高保真段设计了LOPCM无损压缩方法,在低保真段则应用JPEG有损压缩算法,以此兼顾压缩比与损伤信号的保真度。构建实验平台获取实测信号并实施压缩:对比验证了LOPCM方法的有效性;考察信号整体的误差指标,并结合重构数据成像结果,评估了分段式混合压缩算法对成像精度的影响。结果表明,该算法能够在保证损伤成像精度的基础上有效减少数据量,相较于仅采用无损或有损压缩能更好地满足阵列导波检测中对数据压缩的需求。

采用深度学习和表面肌电信号的上肢动作识别

使用上肢表面肌电信号对上肢动作进行识别是实现康复机器人持续被动运动和主动辅助运动模式的重要方法。为了提高基于表面肌电信号(surface electromyography,sEMG)的上肢动作识别精度,分别采用了分段时域信号和拼接频谱图的两种肌电动作识别方法。分段时域信号方法采用融合卷积神经网络(convolutional neural network,CNN)、长短时记忆网络(Long Short-term Memory,LSTM)和注意力机制的自建网络对上肢动作进行识别;拼接频谱图方法将预处理后的时域信号通过短时傅里叶变换(Short-Time Fourier Transform,STFT)转换为对应频谱图,利用两种微调的预训练模型VGG16和Resnet50对所有通道竖直拼接的频谱图提取特征并将特征拼接,结合支持向量机对上肢动作进行识别。实验结果表明,所提出的两种方法在采集的受试者肌电信号数据集上均表现出90%以上的识别精度,可有效区分不同的上肢动作。

基于分段CEEMD降噪的时延估计研究

为了提高信号非平稳、采样点数较多条件下的时延估计精度和速度,提出了一种基于分段CEEMD降噪的广义互相关时延估计方法。该方法首先将原始信号划分为等长的小信号段,再利用CEEMD阈值降噪方法滤除各小段信号的噪声成分,连接降噪小信号段构成原始信号的降噪信号,最后根据降噪信号的互相关峰值来估计时延。针对该方法中的分段段数和添噪次数的选取问题,在研究这两个参数对仿真人走动信号降噪精度和计算耗时等性能的影响的基础上,给出了参数的具体选择范围。将该方法应用于声定位系统的时延估计中,结果表明:在信号采样点数较多、低信噪比的情况下该方法仍能够较为快速、准确地估计时延。

一种改进的分段平稳随机过程的参数估计方法

将非平稳随机信号划分为分段平稳随机信号进行处理,为非平稳随机信号的研究提供的一种新的分析方法。为最优地将非平稳随机信号划分为分段平稳随机信号,Djuric等人用 Bayes方法,通过递推多维条件分布概率来估计最优划分参数值,但计算相当复杂。本文在研究 AR模型本身的一些特性的基础上,通过直接递推多维联合分布概率来估计最优划分参数,大大地减少了计算量。

混合调制雷达信号识别方法

论文提出了一种针对雷达脉内混合调制信号的识别方法。该方法首先利用直方图法统计信号的瞬时频率,将常规信号和混合调制信号分类识别,再通过改进的信号分段方法将混合调制信号分解为常规信号进行识别研究。实验表明,在信噪比为3dB情况下,论文提出的信号识别流程的识别准确率依然能够达到94%。

一种LTE-A系统中PSS信号联合检测方法

针对LTE-A(LTE-Advanced)系统终端,提出一种主同步信号的联合检测方法。该方法首先在LTE-A网络的可用频段内接收信号,然后对接收到的信号进行自身滑动镜像相关运算,检测到明显峰值后,在峰值点进行主同步信号的本地相关,从而获取主同步信号索引。分析和仿真结果表明,该方法的运算复杂度低,能够较好地抵抗大频偏的影响,特别是对小区边缘终端主同步信号的检测具有良好的效果。