局部均值分解的几种改进方法

局部均值分解方法(Local Mean Decomposition,LMD)是一种性能优越的旋转机械故障诊断的方法,它不仅可以准确地反映非平稳信号的时频分布,而且非常适合处理含有多分量成分的非平稳信号。但是由于LMD方法本身的缺陷,使得该方法存在着诸如端点效应的处理方法、迭代终止条件的确定等问题。在介绍LMD方法的基础上,分别以改进的“自适应延拓法”和“信息熵判据”解决以上两个问题,并结合仿真软件上验证改进结果。

以LCD为目标的自动定焦判据选择

在光学综合自动测量中 ,使用液晶显示屏作为分划板可以大大简化结构 ,提高效率 ,真正地实现自动测量。由于液晶显示具有对比度低、噪声大等特点 ,所以根据液晶的这些特点以及图像处理和CCD信号接收的特点选择两种适用的判据进行了分析和试验比较 ,并给出了结果。结果表明 ,这两种判别函数都适用于以液晶显示屏为目标和用图像处理方法进行光学参数测量的系统 ,其中锐度判别函数更优于信息熵判别函数 ,前者具有更好的抗干扰性和稳定性 。