回旋管小信号振荡特性的新分析法

采用积分变换法推导出圆柱腔 TE_(mn1)模回旋单腔管的小信号振荡方程。发现该方程与电子回旋脉塞色散方程之间存在着明确的数学联系。利用这种数学联系,可以准确而简洁地求解小信号条件下回旋管的“热”振荡频率和增长率。

非线性燃烧不稳定振荡幅值演化特征信号辨识方法研究

固体火箭发动机非线性不稳定压强振荡信号存在明显的多阶模态共存现象,且各个模态幅值随时间变化特性不同,模态之间存在振荡能量的传递与演化过程。为研究非线性燃烧不稳定模态间能量传递的演化规律,首先需要对振荡信号进行准确的模态分解。基于变分模态分解(VMD)方法,提出了一种可用于固体火箭发动机非线性不稳定振荡信号的自适应模态分解方法SPSO-VMD,解决了传统VMD方法无法自适应问题,在提高信号分解精度的同时极大的降低了计算时间。基于该方法,对典型的非线性燃烧不稳定信号的各阶模态进行了分解和分析。结果表明,该方法能准确地获得非线性燃烧不稳定振荡信号中各阶模态的频率和幅值,频率误差为0,幅值误差小于0.5%。最后,将该方法应用于真实发动机振荡数据获得了各阶模态幅值信息,为后续各阶模态之间能量传递演化研究提供了关键、准确的数据支撑。

基于低频振荡信号的中国南方冬半年持续性低温指数延伸期预报试验

利用1961—2009年36°N以南、108°E以东中国大陆191个站点逐日最低气温和NCEP/NCAR再分析日平均格点资料,研究与区域持续性低温事件有关的大气低频振荡信号,寻找可以在一定程度上表征不同类型区域持续性低温事件的指数,并尝试结合DERF2.0系统的预报产品进行持续性低温指数的延伸期预报试验。结果表明:(1)在研究范围内的区域持续性低温事件可以归纳为江北型、江南型和全区域型3类,其中江北型和江南型事件的环流背景差异体现在异常环流中心的纬度位置上,而全区域型事件属于增强型的江北型事件;(2)江北型和江南型区域平均最低气温时间序列的10—30 d低频分量的位相和强度变化与区域持续性低温事件的发生有显著关系,可以作为表征区域持续性低温事件指数和预报量;(3)100°—120°E范围内850 hPa温度场距平的经验正交函数分解前两个主模态具有显著的10—30 d变化周期,并且其空间结构分别与江北型和江南型事件的典型环流特征一致,前两个主模态时间系数能够作为持续性低温指数的预报因子;(4)检验结果表明,DERF2.0系统对上述预报因子有一定的预报能力。在延伸期预报时效内,利用统计学和动力学相结合的方法制作的持续性低温指数的预报效果好于模式直接预报的2 m气温,该预报方法有助于提升区域持续性低温事件的延伸预报能力。

暂态振荡信号频率检测的Morlet小波谱峭度法

针对电力系统暂态振荡信号频率检测中存在的检测过程复杂、易受噪声影响且通用性不强的问题,提出了一种基于Morlet复小波谱峭度的暂态振荡信号频率检测方法。采用Morlet复小波对含噪暂态振荡信号进行小波分解获得小波系数;利用小波系数绝对值计算信号的谱峭度;最后,通过最大值检测方法实现对暂态振荡的频率检测。针对谱峭度对噪声适用范围不明确的问题,提出并定义相似度函数,用于分析算法对噪声的敏感程度。仿真实验表明,该方法通用性较强,且计算过程简单,检测精度可以满足实际需求。

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。再利用基追踪去噪算法对得到的小波系数进行优化处理。最后对优化的小波系数进行重构,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。

基于颅内脑电高频振荡信号自动检测的癫痫灶定位

目的研究一种基于颅内脑电高频振荡信号(high frequency oscillations,HFOs)自动检测的癫痫灶定位技术。方法针对高频噪声及癫痫样尖峰波形等信号易被误检为HFOs的问题,采用小波包滤波对信号进行预处理,然后用BP神经网络进行特征提取和自动分类,再根据结果统计出HFOs高发区确定癫痫灶;最后,分析3位癫痫患者的颅内脑电数据,评估检测性能及病灶定位准确度。结果本文HFOs自动检测方法的灵敏度和误检率分别为90%和7.46%,其中两位局灶性癫痫患者的HFOs高发通道与癫痫灶有较强关联。结论将小波包分解和BP神经网络相结合并用于HFOs的自动检测,能在保持高灵敏度的同时有效降低其误检率。临床确诊的致痫区与HFOs高发区有较高相关性,初步证实HFOs可用于定位局灶性癫痫灶。

基于反向随机共振的衰减振荡信号自适应检测

衰减振荡信号作为暂态信号的主要形式广泛存在于多个领域。针对噪声环境下衰减振荡信号的识别检测问题,提出了一种基于双稳系统及量子粒子群寻优的自适应反向随机共振检测方法。该方法选取脉冲形式的输出信号作为最优随机共振检测结果,采用峭度或加权峭度作为寻优算法的适应度函数,实现了系统参数的自适应选取,进而识别出原始信号中衰减振荡信号的具体位置。该方法利用衰减振荡信号的单边特性,通过在时域上对输入信号进行反转,降低了信号的位置识别误差。基于仿真衰减振荡信号与水下气体泄漏声学信号对本文方法进行了测试,结果表明本文方法能够在噪声环境下实现对衰减振荡信号的自适应检测,相比现有方法具有更好的信号位置识别精度,可应用于水下气体泄漏检测等多个领域,具有良好的工程应用前景。

NINO区SST与SOI的耦合振荡信号及其预测试验

应用奇异交叉谱（ＳＣＳＡ）分析方法，提取Ｎｉｎｏ 海区各区的平均海温（ＳＳＴ）和南方涛动指数（ＳＯＩ）之间的耦合振荡信号，由此描述其年际和年代际的时变特征。基于ＳＣＳＡ，重建耦合振荡分量序列（ＲＣＣＳ），并与回归分析相结合，对Ｎｉｎｏ 各海区平均的ＳＳＴ月际序列作短期气候预测试验。结果表明，各海区ＳＳＴ与ＳＯＩ的显著耦合振荡周期各有特色，其年际或１０ 年际变化不尽相同，从而构成了ＥＮＳＯ信号在时空演变型态上的复杂性。ＳＣＳＡ基础上的回归预报模型的预报技巧绝大部分优于ＳＳＡ－ＡＲ预报模型。

复频谱插值DFT的电力系统低频振荡信号测量方法

低频振荡是三相电力系统中的一种平衡现象,如何准确、快速地估计振荡信号的参数对于评估和消除低频振荡至关重要.本文提出了一种采用复频谱插值DFT的低频振荡下电力系统动态信号参数估计的方法,该方法利用三相系统的对称特性,通过克拉克变换将电力系统中的三相实信号转换为正交分量形式的复信号,然后对复信号进行离散傅里叶变换,通过复频谱插值方法,利用两个幅度最大的谱线样本来估计各项动态参数.实验仿真结果表明本文方法能在低频振荡的场景下准确高效地实现电网动态参数的估计.

基于混沌小扰动抑制的电力系统混沌振荡控制方法研究

针对电力系统在周期扰动下可能发生混沌振荡,影响电力系统稳定运行的问题,提出基于混沌小扰动抑制的电力系统混沌振荡控制方法;构建电力系统数学模型,模拟电力系统混沌振荡过程,确定扰动与混沌振荡之间的关系;根据电力系统实时运行数据的采集结果,计算混沌振荡信号特征参数,判定系统振荡状态,计算混沌扰动抑制控制量;在混沌振荡控制器的支持下,利用混沌小扰动抑制技术限制混沌振荡幅值,进而实现电力系统的混沌振荡控制任务;从实验结果中可以看出,与传统控制方法相比,优化设计方法控制作用下,电力系统的混沌振荡信号的幅值和频率更低,振荡幅值和频率的控制误差分别降低了约1.57 db和0.015 Hz,即优化设计方法的控制性能更优。

基于近红外光谱技术的人体低频振荡信号研究

低频振荡信号是血液动力学参数自发缓慢的变化信号,是反映局部的血液动力反应的重要标志。近红外光谱技术能够提供基于血红蛋白浓度变化的血液动力信息,从而反映大脑皮质的血氧代谢情况。然而作为检测低频振荡信号的重要手段,以往的近红外光谱设备在同步采集不同部位的数据时存在重大的缺陷,尤其是在血管末梢部位。由此,开发了一款基于近红外光谱技术的多通道血氧仪,可以同时检测不同部位(耳,手,脚)的低频振荡信号。对25个健康人静息状态下的低频振荡信号进行采集,然后对采集的数据进行时频分析和相关性分析,结果发现在人体对称位置的低频振荡信号存在较高的相关性,并且不同位置信号的时延在特定的范围之内,这项发现对于人体某些疾病的预防和治疗有重要的意义。

氢原子钟电离谱线对振荡信号的影响

通过实验分析了氢钟电离光谱组成,并通过实验分析了谱线对氢原子钟振荡信号幅度的影响。实验结果表明,当电离泡光强达到极大值时,氢原子流量控制在该极大值对应流量的3倍附近,可以保证氢原子振荡信号的幅度在极大值附近保持较小的变化。使主动型氢原子钟的振荡信号幅度能够保持在最大值附近。根据分析结果对氢原子流量进行了优化。

非线性振荡信号与用于复杂系统分析的N级倍周期演化频谱变换

本文根据非线性电路方面的有关实验结果，利用混沌动力学中的Ｆｅｉｇｅｎｂａｕｍ等比关系，提出关于ｎ级分频（ｆ／Ｚ（ｎ））信号的三个原理，进而提出与混沌电路的非线性振荡信号有关的Ｎ级倍周期演化频谱及其Ｆｏｕｒｉｅｒ变换，从而为复杂系统分析提供一种新的理论方法。

基于WTSD-EMDLPF的低频振荡信号降噪

针对电力系统低频振荡信号监测易受环境、设备等噪声污染问题,提出联合小波阈值软降噪和经验模态分解低通滤波的降噪方法,称之为WTSD-EMDLPF。首先,通过小波阈值软降噪滤除大部分白噪声,再利用经验模态分解低通滤波去除经验模态分解的首个固有模态分量以进一步减弱残余噪声,最后合成余下固有模态分量,重构低频振荡信号。运用数值信号算例、IEEE四机两区域系统产生的有功功率低频振荡信号算例仿真以及北美电网实测数据的降噪实验分析,证明WTSD-EMDLPF对低频振荡信号降噪的有效性。

可控硅中频逆变自激振荡信号的分析与改进

本文针对目前广泛采用的工业电加热可控硅中频电源启动参数不便调整的实际，对采用中频电压、电流合成式自激信号做了较详尽的数字分析，指出该方式所产生的信号存在幅值、相位随负载功率因数变化而波动的缺陷。同时根据企业生产的实际需要，提出了在非线性时变系统条件下，改善启动性能，实现功率因数最优控制的改进方案。

LDH参与的机械-光信号转换体系的吸收光谱研究

用紫外-可见分光光度法研究了乳酸脱氢酶(LDH)参与的,以NADH与DPIP·,O2为主体的机械-光信号振荡转换体系。LDH的酶催化作用使此振荡体系的信号转换效率大大提高,在无乳酸情况下,当DPIP·和NADH的摩尔比为1:4·5时的平均循环周期由108min缩短为34min;在乳酸存在下,此体系的平均循环周期由108min缩短为29min。推测LDH的促进作用主要是通过对NADH的活化实现的,其次是通过酶促乳酸脱氢作用补充体系中的NADH获得的。结果说明,酶的催化作用在某些双底物之一存在的反应情况下,也会明显表现出来。

三相不平衡高频振荡的相量测量方法

实时测量高频振荡相量可为高频振荡自适应抑制环节提供信息支撑。然而,高频振荡频率处正负序都可能存在不稳定模式,从而导致振荡信号三相不平衡特征明显,影响高频振荡相量测量准确度。因此,提出一种基于sinc插值函数的高频振荡相量测量方法。首先,对系统三相信号进行Clark变换;然后,基于sinc插值函数对负序振荡分量进行建模,进一步求解得到高频振荡相量和频率;最后,通过采用数值仿真信号、PSCAD仿真数据和实测数据进行测试发现,所提方法比传统方法具有更好的负序分量干扰抑制能力,准确度更高。

基于脑电高频振荡特征主成分分析与机器学习的致痫通道自动识别

目的研究一种基于颅内多通道脑电高频振荡(HFOs)总体特征的主成分分析与机器学习方法,以实现自动识别和确定各脑电通道是否位于致痫病灶区。方法首先,在通道水平对颅内脑电高频振荡信号进行时-频域多维特征提取;其次,采用主成分分析法(PCA)对该特征矩阵进行降维处理;然后,分别采用支持向量机、决策树及K邻近等机器学习方法对各个脑电通道进行自动分析和分类;最后,对比手术切除病灶区域及其标定的致痫灶通道,采用十折交叉法评估和比较各机器学习算法的分类性能及其对致痫灶通道的自动识别性能。结果对4例癫痫患者共229个通道的随机2 h发作间期颅内脑电数据的HFOs自动分析,PCA分析后其通道水平HFOs特征由14维降至4维,且采用支持向量机法更准确地识别出其中的15个致痫通道,其准确率、灵敏度及特异性分别为85.05%、71.25%及92.42%。结论本方法不仅提高了脑电致痫通道自动识别的准确性和智能化,而且有望缩短传统颅内视频脑电的监测时程。

应用小波的PV振荡周期多分辨率检测

该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法.首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期.