基于循环谱的BPSK信号符号速率盲估计

在非协作通信中,符号速率估计是信号解调的关键过程。提出了一种基于循环谱分析的二进制相移键控(Binary Phase Shift Keying,BPSK)信号符号速率的盲估计方法,利用BPSK信号在循环频率维度中区别于其他相移键控(Phase Shift Keying,PSK)信号的峰值奇异特征,精确提取BPSK信号的载波频率,之后利用载波频率值估计符号速率。仿真结果表明,在信噪比不低于2 dB时,所提方法估计结果值与理论值完全一致。

基于RPCA低秩稀疏分解的循环频率检测方法

在强噪声干扰时循环频率的准确检测对于循环平稳信号处理有重要意义。该研究提出了一种低信噪比(signal-to-noise ratio, SNR)下将基于鲁棒主成分分析(robust principal component analysis, RPCA)的低秩稀疏分解技术应用于循环谱密度(cyclic spectral density, CSD)矩阵,从而进行循环频率检测的新方法。首先,采用RPCA将循环谱密度矩阵分解为表示噪声干扰的低秩矩阵和表示循环平稳特征的稀疏矩阵。随后,利用稀疏矩阵构造检测函数实现循环频率的自动检测。仿真结果证明了该方法在强噪声干扰下检测概率方面的优越性,并可根据检测各阶循环频率谐波的受试者工作特征(receiver operating characteristic, ROC)曲线为不同信噪比条件下选择检测阶数提供参考。为了进一步验证该方法在应用中的有效性,将该方法应用于滚动轴承的早期故障诊断中。滚动轴承加速疲劳寿命试验数据上的分析结果证明该方法能够在轴承早期故障阶段从低SNR的振动信号中准确检测出轴承的故障特征频率,实现轴承的早期故障诊断。

基于强抗噪威格纳威利分析的滚动轴承故障诊断

为了解决威格纳威利谱(Wigner-Vile spectrum,WVS)时频分析方法对受强背景噪声影响下的滚动轴承冲击性故障信号特征提取难的问题,根据滚动轴承发生故障时呈现出的循环平稳特征,将基于2阶循环统计量的循环谱密度算法(cyclic spectral density,CSD)与WVS相结合,提出基于CSD的WVS分析方法,即循环谱密度威格纳威利谱(CSDWVS)时频分析方法。经仿真及实验验证,相对传统WVS分析方法,该方法能有效提取出强背景噪声影响下的滚动轴承内圈故障特征频率为51.9Hz及外圈故障特征频率为32.1Hz。