AWGN信道中非恒包络信号SNR估计算法

本文提出一种利用信号自相关矩阵的奇异值分解（SVD）对加性高斯白噪声（AWGN）信道下非恒包络信号信噪比的盲估计算法,并作了详细理论分析。通过对该算法进行计算仿真,结果表明:该算法性能稳定,对MPSK、MQAM信号在实际信噪比为 l～20dB时,估计误差小于 0.5dB。

任意复包络信号的匀速运动目标回波脉间补偿及相干积累

现代声呐、水下制导等水声探测系统常常使用窄带脉冲、调制、编码、伪随机等种类繁多的发射信号波形来满足低信噪比检测、高分辨估计、抗干扰、主动隐蔽探测的应用需求.针对这一情况,本文研究了任意信号的长时间积累问题,给出了一种任意复包络信号的匀速运动目标回波脉间补偿及相干积累检测方法.通过构建任意发射信号波形的广义模糊函数,将匹配滤波器输出表示为所构造的广义模糊函数,使得任意复包络信号的脉压波形不仅能够用统一的数学模型来表述和计算,而且能够提供多脉冲回波的距离走动信息和多普勒频移信息,为多脉冲距离位置对齐和Fourier变换(FFT)积累提供了依据.对于用广义模糊函数表示的匹配滤波器输出,采用Keystone变换将复包络对齐,消除了距离走动,采用FFT补偿多普勒频移项,实现了任意复包络信号的长时间相干积累.对于水下探测中使用的连续波信号、线性调频信号以及复杂的m序列编码信号、Costas跳频编码信号波形进行了信号积累及检测的计算机仿真,验证了任意复包络信号的匀速运动目标回波脉间补偿及相干积累的正确性.消声水池实验验证了该方法的有效性.

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。

基于小波包变换的局部放电包络信号模式识别

为实现GIS故障检测和缺陷的模式识别,针对GIS出现的典型绝缘缺陷及其放电特点,设计了4种常见的GIS绝缘缺陷模型并进行放电试验。对获取的大量超高频包络信号,提出了一种基于小波包变换奇异值分解的时域特征提取方法。该方法首先对包络信号进行小波包变换,构建各尺度的小波包分解系数矩阵,然后对其进行奇异值分解,提取特征向量,在此基础上,采用BP神经网络进行模式识别,结果表明采用此方法获得了良好的识别效果。

基于IITD和包络信号1.5维谱的轴承故障诊断

为了有效识别轴承的早期故障特征,提出了一种基于改进的本征时间尺度分解(IITD)结合包络信号1.5维谱的轴承故障诊断方法。IITD方法是将端点延拓引入到传统的本征时间尺度分解(ITD)当中,用于改善其端点效应。轴承振动信号经IITD分解后得到一组PR分量和一趋势项,对PR分量的包络信号进行1.5维谱分析。结果表明,IITD分解得到的PR分量包络信号的1.5维谱,可以准确提取轴的转动频率、内圈故障特征频率和外圈故障特征频率,从而实现了轴承故障的有效诊断,证明了该方法的有效性和实用性。

恒包络信号识别与快速突发捕获

为了迅速判断恒包络信号的起始点,详细推导了信号平坦度的计算公式,将信号平坦度概念引入到信号捕获和端点检测领域,在快衰落信道下通过计算噪声和信号平坦度不同,快速区分噪声和恒包络信号;并利用搜索窗快速定位信号起始点位置。经过试验表明在信噪比不低于5dB条件下,该参数能够迅速捕获恒包络信号,并能准确得判定信号的起始点位置,该方法适用在实时性要求比较高的领域。

基于超声回波信号包络拟合的信号处理方法

针对气体超声波流量计回波信号难以定位、信号处理算法计算量大,而仪表要求具备较高实时性的问题,提出一种基于超声回波信号包络拟合的信号处理方法。利用不同流量下回波信号上包络上升段和下包络下降段中间部分的包络变化率都基本保持不变这一特征,通过求取回波包络线的变化率曲线,确定分布近似于一条直线的部分包络以及两段包络覆盖的峰值点,对此区间内的峰值点进行最小二乘拟合得到两条特征直线,分别代替上包络上升段和下包络下降段。根据特征直线的空间特性,选取两条特征直线的交点作为特征点,快速定位回波信号。在基于DSP和FPGA的双声道气体超声波流量计平台上实时实现信号处理方法,并在国家认可的检定机构进行标定实验,验证了信号处理方法和系统的有效性。

应用EMD和倒包络谱分析的故障提取方法

针对倒频谱分析方法难以提取滚动轴承早期微弱故障的问题,提出了一种利用最小熵反褶积(minimum entropy deconvolution,简称MED)和倒包络谱分析的故障特征提取方法,并应用于滚动轴承诊断中。首先,采用MED方法对故障信号进行降噪处理,同时增强信号中的周期成分;然后,计算降噪后信号的包络,再对包络信号进行倒频谱分析;最后,得到倒包络谱,提取故障特征。试验结果表明,所提出的方法优于传统的倒频谱分析,能够有效提取强背景噪声下的滚动轴承早期故障特征频率信息。

多参数调节的超高频局部放电信号模拟源研制

超高频局部放电传感器及检测系统性能的评价需要稳定的信号源，由于多种因素的影响，高压模拟放电模型产生的超高频局部放电信号存在放电参数不稳定和不易调节的缺陷。因此根据超高频信号的时频特性，设计出了一种局部放电超高频信号模拟源。该信号源由控制单元、信号合成单元、宽频带全向发射天线组成，控制单元产生能够反映局部放电时频特征和相位特征的信号，通过幅值调制单元合成超高频局部放电信号，信号由天线发射。实验结果表明：该信号源能输出连续稳定的并具有工频相位特征的电磁波信号，信号的频率范围为0．3～1．5GHz，输出信号频率、输出功率及局部放电相位一放电量（φ-q）、相位一放电次数（φ-n）谱图均可平滑调节，输出功率达25dB，能有效模拟多种类型的局部放电超高频信号。

基于多稳态随机共振的轴承微弱故障信号检测

针对双稳态随机共振模型无法有效处理调制信号的缺点,提出了一种以包络信号为输入信号的自适应多稳态级联随机共振(adaptive multi-stable cascaded stochastic resonance,简称AMCSR)信号强化方法。首先,对振动信号进行包络解调,依据包络信号分布特点,选用与信号分布相匹配的多稳态随机共振模型;然后,以故障特征频率的频谱幅值为指标,采用蚁群算法自适应地优化随机共振模型参数;最后,以噪声为强化源和驱动信号,通过级联随机共振方法对包络信号中的故障特征频率进行逐级强化,获得故障特征成分的强化信号。对实测轴承振动信号的验证结果表明,该方法能够增强故障特征频率成分,有效地提取被其他频率成分淹没的微弱故障信号。

基于局部均值分解的机械振动信号趋势项消除方法

为了消除机械振动信号中趋势项,提出一种基于局部均值分解(LMD)的趋势项提取新方法.考虑到机械振动信号中夹杂的趋势项特点,其残余量并不会对趋势项产生过大的影响,所以可将LMD的最后一个频率分量作为待提取的趋势项.为了验证该方法的可靠性,通过数值模拟的方法将线性、多项式和指数趋势项加载到待消除的仿真信号和实测滚动轴承振动信号中,并将笔者所提的LMD方法与常规的最小二乘拟合法、小波分析和EMD方法分别用于趋势项的提取.数值模拟试验和实测数据分析表明,该方法能够较准确地提取机械振动信号的趋势项,与其他方法相比具有一定的优势.

一种宽带高效包络跟踪放大器的设计

为了高效处理宽带非恒包络信号,利用宽带包络信号功率主要集中在低频部分的特性,结合线性放大器和开关类放大器的优势,设计了一个宽带包络跟踪放大器。该放大器由一个宽带线性级和一个受线性级控制的高效开关级组成。线性级采用折叠式共源共栅放大器结构,具有AB类输出级及输出级缓冲;开关级采用同步降压型DC-DC变换器结构,包含驱动电路及"防直通"模块。整个电路采用Jazz 0.18μm BiCMOS工艺进行设计仿真,结果表明,在3.3V电源电压下,线性级单位增益带宽约为50MHz,可驱动300mA电流,具有188V/μs的摆率,包络跟踪放大器可跟踪包络信号幅度和带宽的瞬时变化,改变开关导通比以及开关频率。

基于电流电压小波包络熵权的电压暂降源定位方法

为了正确定位电压暂降扰动源位置,提出一种基于暂降包络信号熵权信息的电压暂降源定位方法.首先采用离散化小波变换和归一化方法对系统监测点电流、电压数据进行处理,形成电流、电压包络序列,然后对各监测点电流、电压包络序列进行熵权分析,最后结合熵权法的定位判据,实现电压暂降源定位.该方法结合小波变换和熵权法,在形成各监测点电流、电压离散化包络信号序列的基础上结合熵权法定位判据,实现对电压暂降源的准确定位.对Simulink中IEEE 33节点系统进行仿真试验,结果表明,与单一判据的电压暂降源定位方法相比,该方法具有更高的定位准确率.

基于信号特征的颈动脉内中膜厚度提取算法

人颈动脉内中膜厚度是衡量心血管疾病的一个重要指标,临床上通常使用超声诊断仪来进行检测。厚度计算的方法一般是人工计算或者计算机自动计算,人工计算效率低下,而自动计算通常使用的是通用型的图像边缘检测类算法,并没有应对颈动脉内中膜处信号的特征作合理的优化。根据颈动脉内中膜包络信号的特征,提出一种新的方法来自动计算其厚度。实验证明,该方法能够有效地在图像上标记出颈动脉内中膜上下边界的位置,从而获得准确的厚度值。

非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3 dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.

基于共振解调与神经网络的滚动轴承故障智能诊断

介绍了一种基于共振解调与神经网络技术的滚动轴承故障诊断方法。对采集系统所拾取的滚动轴承振动信号进行共振解调处理,依据故障包络频谱中必然存在谐波谱线的规律,在共振解调后的包络信号中提取所需的轴承故障谱线特征信息,并将其作为神经网络输入,利用神经网络进行轴承各种故障状态的识别,实现滚动轴承故障的智能诊断。实验表明,该方法能准确而有效地识别出滚动轴承的不同磨损状态,诊断便捷。

基于Zoom-FFT频谱细化的水声目标螺旋桨轴数提取技术

基于对水声目标调制谱结构特征的分析,在传统包络信号探测(DEMON)谱分析方法基础上,采用细化-快速傅里叶变换(Zoom-FFT)算法,提高轴频位置带宽内的频率分辨率,实现频谱细化处理,从而提取到水声目标螺旋桨轴数。利用实测信号数据及仿真试验数据进行了分析验证。试验结果表明,该算法对于水声目标螺旋桨轴数的识别准确率可达80%以上,具有工程实用价值。

基于振动模态分析的轴承缺陷自动监测系统研究

通过分析轴承振动模态间的包络特性,设计一种轴承缺陷的自动监测系统,该系统选取受监测轴承的两个振动模态,设计类比解调电路来获得振动模态的包络信号,进而通过ARM芯片设计来建立自动监测系统,以分析诊断轴承的缺陷。然后通过Filter法来设计振动信号的解调分析电路,此解调分析电路先经由可设定中心频率的带通滤波器,以滤出所选取的两个不同模态的振动信号后,再经过精密全波整流、低通滤波信号处理,以获得两振动模态的包络信号。由于其模态包络信号间具有密切相关性,通过计算包络信号间的相关系数(阀值0.4),并应用于轴承缺陷的实时诊断,实验表明该方法具有较好的可行性及正确性。

一种新的能量转换表达在轴承故障诊断中的应用

针对传统包络方法中存在的不足,提出一种新的能量转换表达。该种新的能量表达主要基于高阶对称能量算子。这种新的表达可以跳过求包络信号这一步,而直接得出故障信号的能量,从而从能量谱中分辨出轴承故障特征及其倍频。同时,由于采用了对称高阶求导方法,大大增强了检测轴承微弱信号的能力,可以从受到严重污染的测量信号中提取出轴承故障特征,因此它具有更好的鲁棒性。将该方法应用到仿真模拟信号与实际轴承故障信号中,并与传统的解调算法Teager能量算子和希尔伯特变换进行对比,证明了该方法的实用性和优越性。

基于谐波检测的断相保护方法研究

断相故障是导致三相异步电机损坏的主要原因之一,现有断相鉴别方法需要进行复杂的数学运算,数据精度和计算速度受算法性能影响较大。基于此,提出一种根据二次谐波在三相电流包络信号中的占比来鉴别断相故障的新方法。文章分析了典型的断相故障特征,通过傅里叶级数变换,计算出电机对称运行、单相运行、非对称运行状态下二次谐波在三相电流包络信号中的占比,并针对相不平衡工况进行了验证,给出了硬件电路设计原理。实际应用证明,该方法实现简单,对断相故障非常敏感,能够准确识别断相故障,不易受到三相电压幅值不平衡的干扰,适应范围广,为及时、有效地鉴别出断相故障提供了一种新的可行方法。