基于小波抗混叠单子带重构改进算法的测量信号特征提取

针对Mallat算法固有的频率混淆特性导致单子带重构算法提取出错误特征频率信息的问题,提出了一种能够消除频率混淆和边界效应的小波抗混叠单子带重构算法。该算法在信号的分解和重构过程中使用不同的纠正滤波器对各子带信号进行处理,同时在每一次卷积后加入去暂态过程点的步骤,可以克服Mallat算法和单子带重构算法中的频率混淆,保证了重构信号与原始信号的长度一致。对仿真信号的计算结果证明了该算法的有效性,为测量信号的特征信息提取分析提供了一种有效手段。

关于轧机生产板材轧辊偏心控制优化研究

在板材的生产过程中,由于轧辊偏心扰动影响板材厚度的精度,而传统FFT算法在轧辊偏心控制中存在识别误差。针对上述问题,提出了一种基于单子带重构改进算法和比值校正法相结合的偏心信号重构新方法。首先采用单子带重构改进算法对偏心信号进行分频,并且有效的去除噪声,在信噪比低和频率相近时能够准确的提取偏心信号的频率及谐波个数,弥补了比值校正法对噪声敏感的弱点及对各谐波分量间隔大的要求。然后使用比值校正法对各次谐波幅值和相位进一步估计。仿真及实验结果表明,利用结合方法重构得到的轧辊偏心模型可以很大程度减小厚度波动,使轧辊偏心控制精度达到了补偿要求。

基于BBSRIA的测量系统动态精度损失分解与溯源

利用单子带信号重构改进算法在信号分解中的优势,实现了对测量系统动态精度损失信号的有效分解,得到测量系统各主要结构单元的频率成分,在此基础上利用神经网络所具有的输入到输出之间的非线性映射能力完成求解各频率成分所包含的未知参数。同时根据测量系统内部各结构单元的误差特性完成分解信号的溯源。实验结果表明利用单子带信号重构改进算法可以实现精度损失信号的可靠分解与溯源。