基于小波方差谱熵的轴承故障诊断方法

提出了一种基于小波方差谱熵的故障诊断方法。该方法以信号的方差在小波域上分解形成的谱向量的熵值作为故障的诊断特征,建立了基于小波方差谱熵的故障检测及诊断模型,并提出了基于判别能力因子的小波基选择方法。试验结果验证了小波方差谱熵能有效地反映轴承信号特征并检测出故障类别,实验最后将该方法同基于小波能谱熵的故障检测方法进行比较,实验结果表明所建议的方法在检测率及时间上有显著提高。

广义分数低阶协方差谱及谐波频率估计

为了进一步探索α稳定分布的谱定义,该文提出了广义分数低阶协方差谱的概念,它对α稳定分布随机过程作非线性变换,使变换后的随机过程存在二阶统计量,从而可运用Fourier变换作频域分析.变换函数可以是对数型、Sigmoid型、反正切型等,这些变换函数不依赖于对特征指数α的先验知识的了解或估计,便于工程应用.计算机仿真表明,这些广义分数低阶谱在α稳定分布噪声条件下具有良好韧性,能够对谐波信号频率进行有效识别.

对ENDECO956波浪浮标测量的功率谱和方差谱的评价

本文介绍了美国ENDECO公司生产的956波浪浮标的特点和用途,剖析了该公司开发的数字带通滤波方法软件956 B08源程序,分析了该浮标实际使用的效果。

涡度拟能传输惯性区二维湍流标量场方差谱

本文应用非平衡统计力学封闭方法,给出涡度拟能传输惯性区二维湍流标量场方差谱的完整表达式,数值计算该表达式中的比例系数B。由于传输过程的非局部性,B依赖于表征波数变化范围的局部化因子,不再是普适常数。

分数低阶协方差谱用于改进的时延估计方法

时延估计技术是一项活跃的研究课题。近年来,满足稳定分布的脉冲噪声模型得到了广泛的研究,并在时延估计技术中得到了应用。为提高时延估计方法在脉冲噪声环境下的估计精度和稳定性,本文提出了一种改进的基于分数低阶协方差谱的广义互相关时延估计方法,并进一步引入经验参数对所提出方法的性能进行调整。仿真分析表明,新方法在高斯和脉冲噪声环境条件下都具有良好的顽健性。

基于分数低阶协方差谱的频谱感知算法研究及其FPGA实现

在对非高斯噪声情况下主用户频谱感知问题的理论研究之上,采用α稳定分布模型描述认知通信系统的非高斯噪声,给出了一种基于分数低阶协方差的感知方法,并采用分数低阶协方差谱对α稳定分布噪声下的主用户信号进行了谱估计,较好地解决了在非高斯噪声情况下传统的功率谱估计性能失效的问题。在此基础上针对FPGA的特性,进一步优化了算法,在FPGA上设计并实现了基于该算法的感知系统。系统利用FPGA产生中心频率为25 MHz、带宽为12.5 MHz的QPSK信号和特征指数为1的α稳定分布噪声作为主用户信号,设计相应的数字信号处理模块,并在此系统中验证了基于分数低阶协方差的感知方法能够有效地从α稳定分布噪声中检测出主信号的存在。该系统运行稳定,可移植性强,适用于不同的主用户频谱检测方案在此系统上进行实现与验证。

语音信号的预滤波和倒谱参数方差的统计

对于非实验室条件下的实时语音识别系统来说，能否准确提取出所需要的语音信号特征，是决定该识别系统正识率高低的关键因素之一。对语音信号进行预滤波以抑制噪音，有利于语音信号特征的提取。本文结合一个实际系统，讨论了其降噪问题，并建议以倒谱参数方差之统计特性是否符合一定规律为标准，来衡量预滤波的效果．文中还对数字滤波器及随机低门限时域中心削波在预滤波中的作用进行了讨论，实验结果表明，预滤波取得了较好的效果。

基于临界带功率谱方差的端点检测

端点检测作为语音信号处理的关键技术,其准确性直接影响到语音识别系统的计算复杂度和识别能力。在人耳听觉特性理论研究的基础上,利用语音段和背景噪声段临界带功率谱上的差异,提出了一种基于临界带功率谱方差的端点检测方法。通过自适应门限值的选取,该方法对背景噪声具有良好的跟踪性能。在不同的信噪比条件下,进行了端点检测实验。结果表明:该方法与传统的短时能量和短时平均过零率方法、谱熵方法相比,可以有效降低背景噪声的影响,具有更好的鲁棒性和正确率。

基于最小方差无失真响应谱的语音特征提取

对最小方差无失真响应谱进行了研究,并将其应用到语音特征参数的提取中,对传统的美尔频率倒谱系数提取方法进行了有效的改进。该方法首先计算短时语音信号的最小方差无失真响应谱,在该谱的基础上提取美尔频率倒谱系数。基于最小方差无失真响应谱的美尔频率倒谱系数在保留语义信息的同时有效抑制了说话人信息,更加适合于关键词检出。

α稳定分布过程的谱分析方法

对于α稳定分布的随机过程,由于没有有限的二阶矩,因此不能利用功率谱来进行相应的频域分析.基于分数低阶统计量,提出了新的谱分析方法,并研究了分数低阶协方差谱的几种估计方法.理论分析和仿真实验表明,分数低阶协方差谱是一种有效的α稳定分布过程的谱分析方法,三种分数低阶协方差谱估计方法中,加权交叠平均法由于采用加窗和分段使得估计方差明显变小.

太湖梅梁湾水体中介质吸收谱特性的空间变化

水体中藻类颗粒物、非藻类颗粒物、CDOM的光谱吸收特性的变化是整个水体对光吸收特性变化的源．本文针对梅梁湾水体中介质的吸收系数,分析了总悬浮颗粒物、藻类颗粒物、非藻类颗粒物和CDOM的标准化谱吸收数的变化．结果表明:藻类颗粒物、非藻类颗粒物组成比例的空间分布不同,是造成该区域总悬浮颗粒物标准化谱吸收系数空间变化的原因．且标准化谱吸收系数的变化主要集中在400-425 nm及600-690 nm两个波段;就谱形而言,总悬浮颗粒物的谱吸收特性主要表现为非藻类颗粒物的吸收特点,即在该区域的水体中,非藻类颗粒物是总悬浮颗粒物吸收特性的主要贡献者;藻类颗粒物、非藻类颗粒物和CDOM的吸收系数的空间变化主要是由各自的浓度变化造成的,即在采样时间内,梅梁湾的水体中,藻类颗粒物中的各种组成色素、非藻类颗粒物及CDOM中的腐殖酸和棕黄酸的组成比例在空间上基本没有太大的变化．另针对藻类颗粒物的吸收特性,本文还对比分析了用甲醇浸泡法和光谱标准分离法分离的藻类颗粒物的吸收特性,发现相对光谱标准分离法来说,甲醇浸泡法会造成藻类颗粒物吸收系数的较大波动．

非线性系统中稳定有色噪声建模及FLOC谱特性

用多项式自回归模型对非线性系统中稳定有色噪声建模,利用扩展的迭代重加权最小p范数算法进行模型参数估计。系统研究了分数低阶协方差谱的性质,并对无限方差非高斯多项式自回归有色噪声进行频域特性分析。理论分析和仿真实验表明,EIRLP算法是在高斯和分数低阶稳定分布噪声条件下具有良好韧性的参数估计方法。仿真通过对稳定有色噪声条件下的正弦信号进行谱估计,结果表明,分数低阶协方差谱具有良好韧性的谱估计性能。

分数低阶α稳定分布的功率谱估计新方法

传统的α稳定分布噪声下信号功率谱估计方法有两种,分别为共变谱估计与协方差谱估计。这两种谱估计方法都是以自相关这个二阶矩作为频域分析对象,而自相关是个损失了信号中相位的信息,不能用于时频域分析。针对这一问题,提出了一种新的分数低阶功率谱估计方法,计算机仿真结果表明,与现有方法相比,该新方法不仅在进行分数低阶功率谱估计时具有更优良的性能,而且可进一步应用于时频域分析,具有更广泛的应用价值。

气压脉动仪及湍流大气中的气压脉动频谱特征研究

基于自制气压脉动仪在内蒙古科尔沁地区大气边界层与大气环境综合实验站2019年夏季的观测资料,计算气压脉动特征参数,分析气压频谱及气压标准差特征。结果表明,自制气压脉动仪能够反映气压的快速变化,频率响应接近1 Hz;气压脉动方差谱曲线在0.0006~0.5 Hz的频率范围内满足n-2标度率,峰值频率低于风速和温度;不同稳定层结条件下的气压脉动归一化方差谱在高频区合并为一条曲线,在低频区根据大气稳定度排列;气压涨落对湍流能量的贡献主要体现在较大尺度上,风速和温度主要体现在较小尺度上;气压标准差和气压脉动强度存在明显的白天强、夜晚弱的日变化特征。

柱外效应引起色谱柱效损失率的测量

提出了计算柱外效应对色谱峰方差贡献的方法，由此可计算柱外效应引起的往效损失率。

基于谱减法和特征补偿的农产品价格语音识别

为解决农产品价格信息采集任务中传统设备缺少语音接口,且通用的抗噪声算法效果不佳的问题,提出一种农产品价格采集环境下的抗噪声算法。利用谱减算法实现前端的去噪,提高输入信号的信噪比,但同时产生的频谱畸变和残留噪声会造成新的失配,利用倒谱均值方差归一化方法进行补偿,减小或消除这种失配,将基本谱减算法(SS)以及多带谱减算法(MB)分别与倒谱均值方差归一化方法联合。实验结果表明,与单独使用上述各算法相比,联合后的算法能有效提高系统的识别率,特别是在较低信噪比(0dB-10dB)情况下该效果更为明显。

基于倒谱特征的重放语音检测

IoT设备身份认证是物联网领域的重要应用。语音重放欺骗攻击现已成为自动说话人验证(ASV)系统所面临的严重的安全威胁。文中以ASVspoof 2017语音数据集为研究对象进行重放语音检测实验,利用倒谱均值方差归一化(CMVN)改进检测系统性能。实验结果表明,采用CMVN后的线性频率倒谱系数(LFCC)特征在重放语音的检测上性能优于常数Q变换倒谱系数(CQCC)、梅尔倒谱系数(MFCC)和逆梅尔倒谱系数(IMFCC)特征。

三门峡站天然年径流量周期性分析

采用自相关和方差谱密度分析方法,对黄河三门峡站1470～2002年、1919～2002年和1949～2002年3个系列天然年径流量的近似周期成分进行了识别、表示和提取.研究表明:1470～2002年序列首先存在11年、其次存在3年的近似周期成分;1919～2002年和1949～2002年序列明显存在3年的近似周期成分.

突发信号存在性自适应盲检测算法

提出了一种突发信号存在性自适应盲检测算法,采用谱方差作为检测函数,通过设置噪声函数集来跟踪背景噪声的变化,实时自适应调整门限值,然后采用长度控制与状态转换的判决机制改善检测函数的抖动对判决结果的影响,提高了突发信号的正确检测概率。仿真结果表明,所提算法与短时能量法和谱熵法相比,具有较好的稳健性,尤其在低信噪比条件下具有更好的检测性能。

强噪声背景下高频CW电报信号的自动检测

长期以来,CW电报通信都靠人工操作来完成,难以满足大容量、高速度的要求,如何实现CW电报的自动检测与识别,减少人为因素的影响,提高其有效性是当前高频CW电报研究的重要课题。在强噪声背景下,高频CW信号的包络检波检测法难以有效跟踪信号波形,检测性能严重下降。针对此问题,提出了一种基于Kalman滤波的微弱CW信号检测方法。该方法首先采用Kalman滤波器实时捕捉CW信号,恢复信号波形,再运用复数谱方差识别干扰信号与CW信号,提取出纯净的CW信号。实验表明:该方法能够在强噪声背景下有效地检测出CW信号,具有更高的识别率,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制。