EMD方法在消除桥梁振动信号局部强干扰中的应用

在进行桥梁的健康监测和状态评估时 ,外界环境的影响常常会在采集的振动信号中形成局部强干扰 ,导致分析结果的严重失真。为解决这一问题 ,文中基于经验模态分解 (empiricalmodedecomposition ,EMD) ,提出一种信号强干扰的消除方法。首先利用EMD把一个时间序列的信号分解成不同时间尺度的本征模函数 (intrinsicmodefunction ,IMF)和残余项 ,然后采用合适的带通滤波器对前几个IMF进行滤波 ,在存在强干扰的区段 ,用滤波后的数据代替滤波前的数据 ,并使后几个IMF在相应区段的幅值为零 ,最后将所有的IMF及趋势项重新进行叠加 ,即得到消除强干扰后的信号。将该信号再次进行EMD分解 ,可得到一系列新的IMF ,它与未消除干扰时信号的分解结果有显著差别。通过对实测南京桥有对讲机干扰的应变信号进行分析 ,结果表明该方法可行。

一种消除高速列车振动信号局部强干扰的方法

在高速列车状态检测试验中,外界环境常常会在某些传感器采集的振动信号中形成局部强干扰,从而导致错误的车辆动力学性能评估结果。为解决这一问题,提出一种基于改进经验模态分解消除信号中强干扰的方法。该方法以改进的极值域均值代替极值点包络线的均值来提高局部均值的求解精度,以边界波形匹配预测法来抑制端点效应,将信号分解成不同时间尺度的本征函数(IMFs)和残余项,然后将残余项的强干扰区段幅值设为零,最后将所有IMF与修正的残余项叠加,即得到消除强干扰后的信号。对高速列车转向架轴箱弹簧筒实测强干扰信号进行计算分析的结果表明:该方法在高速列车横向稳定性评价中的可行、有效。

一种实用的抗局部强干扰的景象匹配算法

针对巡航导弹在作战过程中可能遇到的各种局部强干扰 ,本文分析了局部强干扰对景象匹配的影响 ,提出了一种实用的抗局部强干扰的景象匹配算法———基于小窗口的分块匹配算法 ,即粗匹配阶段将实时图分块 ,采用AD算法将受强干扰区域滤除 ,精匹配阶段采用Nprod算法确定最终匹配位置。仿真试验证明 ,该算法能够满足匹配可靠性和实时性的要求 。