分形维数海豚哨声信号检测方法

针对海豚哨声信号自动检测的问题,提出一种基于分形维数的自适应阈值海豚哨声信号检测方法。对待检测声信号计算盒分形维数,根据得到的盒分形维数特征值,通过模糊C均值聚类自适应确定检测阈值,实现海豚哨声信号的自动检测。文中对水池录制的海豚声信号进行了数据分析,利用哨声信号盒分形维数对哨声信号段与非信号段进行检测,并与基于谱熵的方法进行对比,获得了较高的检测率以及较低的虚警率,可以适用于海豚哨声信号的自动检测与分割。

基于分形盒维数的频谱感知技术研究

为了降低频谱感知的计算复杂度,提高感知性能,该文提出基于分形盒维数的频谱感知方法。由于噪声与信号盒维数值存在差异,将分形盒维数作为检验统计量。仿真结果表明,该方法在高斯白噪声环境下,具有良好的检测性能,对噪声不敏感。并且计算复杂度低,易工程实现。

基于EMD和分形盒维数的旋转机械耦合故障诊断方法研究

针对旋转机械耦合故障的诊断问题,提出一种基于EMD(Empirical Mode Decomposition)和分形盒维数的诊断方法。该方法结合EMD对非线性信号处理的自适应性和分形盒维数能对非线性行为定量描述的特点,先对故障信号进行EMD处理,得到含有故障特征的本征模式函数(Intrinsic Mode Function,IMF),然后求出各IMF的盒维数,通过盒维数的比较分析进行故障诊断。构造了含有裂纹-碰摩-松动耦合故障的转子-轴承系统动力学模型,用龙格-库塔法求出故障模型振动信号。通过对耦合故障信号进行分析,得到耦合故障特征向量,并与传统的边界谱诊断方法比较,证明该方法对旋转机械耦合故障诊断的有效性和优越性。

基于GIS的流域地貌形态分形盒维数测定方法研究

流域地貌形态分形维数测定是目前地貌分形研究的薄弱环节,对于流域水土流失预报模型中地貌因子量化具有重要科学意义。依据分形盒维数测定原理,结合流域地貌的复杂三维立体特性,提出了以地形等高线为基本数据源,以GIS技术作为主要实现手段的流域地貌形态分形盒维数测定方法,编制出了相关测算程序,并以岔巴沟流域为例进行了实证研究。结果表明,该方法快速、准确、数据可靠,可实现不同尺度流域地貌形态分形盒维数的测定。

基于调和平均分形盒维数的无线通信信号调制识别算法

为了能够在低信噪比下快速有效地实现对免授权频段频谱共存条件下调制信号的识别,基于分形理论,通过构造峰度调和函数,提出了一种基于调和平均分形盒维数的新型无线通信信号调制识别方法.对接收到的信号通过希尔伯特变换进行预处理,然后提取其盒维数以及峰度调和参数,并将这两个参数进行调和平均,构成调和平均分形盒维数这一特征参数,并采用决策树理论进行分类识别.采用WiFi(802.11a)等4种常用无线通信信号,运用Matlab进行了仿真.结果表明:所提出的算法在-5 dB低信噪比下对WiFi(802.11a)等无线通信信号的识别率高达80%,远高于传统算法;新算法具有较低的复杂度和特征稳健性,易于工程应用.

基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法

针对球磨机在磨矿过程中负荷(充填率、料球比)靠经验难以准确判断的问题,提出基于改进的集总平均经验模态分解算法(modified ensemble empirical mode decomposition, MEEMD)-多尺度分形盒维数盒和极限学习机(extreme learning machine,ELM)的负荷识别方法。该方法首先利用MEEMD算法对不同负荷状态下的磨音信号进行分解得到本征模态分量,然后,采用相关系数法选取敏感模态分量进行重构得到降噪后信号;通过分析重构信号的多尺度分形盒维数,结果表明,欠负荷、正常负荷和过负荷状态下的多尺度分形盒维数存在明显的差异,能够很好地区分磨机的不同负荷状态。将重构磨音信号的多尺度分形盒维数作为极限学习机(ELM)的输入,磨机负荷状态为输出,建立磨机负荷识别模型;通过磨矿实验验证了该方法的有效性,整体识别率高达94.8%,模型能够准确识别磨机负荷状态。

基于分形盒维数的双门限合作频谱感知方法

在信号分形盒维数特征的基础上,提出利用噪声与授权信号分形盒维数的差异对授权用户是否存在进行检测。为了使合作感知性能趋于更优,多用户采用双门限策略进行分步合作。该方法运算复杂度低,对噪声不敏感。仿真结果表明,双门限合作相比单门限分形盒维数检测和能量检测,系统检测率更高,所需频谱感知时长较短,同时减轻了融合控制中心以及传输信道的负荷。

基于分形盒维数和小波包能量矩的垮落煤岩性状识别

针对综放工作面垮落煤岩性状识别的技术问题,采集了综放开采现场垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于分形盒维数和小波包能量矩的识别方法。该方法结合分形盒维数对非线性信号整体定量描述的特点和小波包能量矩对非线性信号在各频带精细描述的特点,先对振动信号进行分形特征分析,求出其盒维数,然后对振动信号进行小波包变换,并计算各频带的能量矩。以分形盒维数和小波包能量矩构造特征向量,并作为BP神经网络的输入来识别顶煤垮落和顶板岩石垮落两种工况。试验结果表明:分形盒维数和小波包能量矩构造的特征向量可用于识别垮落煤岩,识别率达到95%。

基于分形盒维数的线性调频信号参数估计

针对当前线性调频(linear frequency modulation,LFM)信号参数估计算法中对调频斜率的估计复杂度高、实时性差且信噪比适应范围较小等缺点,提出了基于分形盒维数的LFM信号调频斜率估计方法。该方法通过计算信号调频斜率与盒维数的关系曲线,利用盒维数对LFM信号的调频斜率进行估计,探讨了信号的幅度和相位对信号盒维数的影响,计算了不同信噪比下的估计误差,并与传统的基于匹配傅里叶变换(matching Fou-rier transform,MFT)的LFM信号参数估计算法进行了对比仿真,绘制了脉冲宽度、调频带宽与盒维数三者的关系曲线图。仿真结果表明,该算法在建立了对应关系数据库后,在信噪比变化范围比较大的情况下的估计误差仍然比较小,且算法简单,对于实时性估计具有很好的应用价值。

分形盒维数在裂纹转子故障诊断中的应用

在模拟转子实验台上进行了实验,模拟大型旋转机械转子系统的无裂纹轴与有裂纹轴的振动过程。根据裂纹转子故障振动信号的分形特征,对无裂纹转轴与有裂纹转轴的试验数据进行了分形盒维数研究计算。结果表明:无裂纹轴的轴心轨迹为椭圆,其对应的分形盒维数较小;有裂纹轴的轴心轨迹较为复杂,其对应的分形盒维数较正常轴更大。因此,分形盒维数可用于裂纹转子的故障诊断。

脉冲噪声下基于Myriad滤波及分形盒维数的频谱感知

为了实现脉冲噪声背景下频谱感知,提出基于Myriad滤波及分形盒维数的频谱感知方法。Alpha稳定分布噪声影响信号的分形盒维数值。由于Myriad滤波可以抑制Alpha稳定噪声,所以先对接收信号Myriad滤波,再计算其分形盒维数值作为检验统计量。仿真结果表明,该方法在Alpha稳定分布噪声下具有良好的频谱感知性能。

基于分形盒维数的无杆抽油机示功图自动识别技术

针对抽油机示功图人工目测准确性低,神经网络自动识别网络训练复杂、计算速度慢的现状,研究了基于分形盒维数的示功图自动识别技术。验证了分形盒维数理论用于示功图识别的可行性,提供自动识别步骤,并对无杆抽油机正常、供液不足、游动阀泄漏以及油管漏失4种工况下的示功图进行识别。结果表明:基于分形盒维数的示功图自动识别技术能对以上4种工况下的示功图进行准确有效的识别,自动识别效果在低噪声时更为准确,噪声较高时,为保证自动识别的准确性需要先进行降噪处理。研究提出了无杆抽油机示功图自动识别的新方法,对于提升无杆抽油机运行状态监测的自动化、智能化分析水平具有重要意义。

基于分形盒维数的输电线路故障识别研究

研究了基于分形盒维数的输电线路故障类型识别的方法。应用ATP-EMTP对输电线路在不同故障进行仿真,计算并分析故障线路各相暂态电压的分形盒维数,提出了故障类型识别的判据方法。计算结果表明,基于分形盒维数识别方法提取输电线路的故障特征量是可行和有效的。

基于几何活动轮廓与分形盒维数的图像分割

针对传统几何活动轮廓(GAC)模型不能实现自适应分割,且容易出现边界泄漏和演化时间较长的缺点,提出了一个基于GAC与分形盒维数的图像分割算法。该算法结合了图像信息(图像分形盒维数)和演化曲线的位置,用与演化曲线内外区域分盒维数相关的演化速度v(D)代替传统GAC模型中的常量速度v。实验结果表明该算法可以使演化曲线根据其位置自适应地向内或者向外运动,减少了分割时间,并且在一定程度上减少了边界泄漏。

基于分形盒维数串联电弧故障诊断技术研究

通过搭建串联故障电弧实验平台,进行多种类型负载实验,对其正常工作和发生串联电弧故障时的电流信号进行分析,提出了一种基于分形盒维数的串联故障电弧诊断方法。进一步研究了不同信噪比下分形盒维数的计算误差,分析了分形盒维数的抗噪性能,同时计算了不同负载在正常工作和发生串联电弧故障下分形盒维数的参考区间。实验证明,基于分形盒维数的故障诊断方法能够准确辨别出负载的串联电弧故障,具有较好的通用性。

基于分形盒维数的恒虚警检测方法

利用噪声与授权信号分形盒维数的差异,可以对授权用户是否存在进行检测。但判决门限只是凭借经验进行设定,虚警概率无法进行量化计算。因此提出一种基于分形盒维数的恒虚警门限计算方法。通过实验拟合可知,噪声盒维数的大致服从高斯正态分布,利用恒虚警检测可得到判决门限。仿真结果表明,基于该假设的门限值在检测概率一定的条件下,所得到的虚警概率与设定值相同,提高了感知结果的可信性和算法的可靠性。

基于分形盒维数的汽轮机转子振动故障诊断的实验研究

汽轮机转子是汽轮机故障预测及诊断问题的一个重要方面。利用振动信号或状态量对设备进行诊断,是设备故障诊断中最有效、最常用的方法。本文在Bently实验台上进行了实验,模拟电站汽轮机转子的不对中、不平衡、碰摩和轴承松动4种故障的振动过程。根据汽轮机故障的分形特征,采用分形盒维数方法进行了不同故障试验数据的分形盒维数研究计算。结果表明:碰摩状况下的轴心轨迹最为混乱且呈现雪花状,其对应的分形盒维数也最大;不平衡时的轴心轨迹较为平滑,其对应的分形盒维数最小;不对中故障及松动故障的分形盒维数居中。因此,分形盒维数在进行汽轮机转子故障类型诊断时有更好的区分度。

基于偏最小二乘法分形计盒维数的冲击定位方法

针对航空板结构健康监测需求,提出一种基于分形计盒维数的板结构分布式光纤冲击载荷定位方法。使用分形维数能够定量描述与刻画非线性系统行为的复杂性以及度量信号的不规则度。研究发现,光纤布拉格光栅(FBG)传感器冲击响应信号频谱的分形计盒维数与冲击距离以及冲击位置与光纤轴向角度存在关联,以此为特征参数可以实现对冲击位置定位。由于冲击响应信号频谱的分形计盒维数与冲击位置之间存在重复性、非线性等问题,采用偏最小二乘回归法,对多个传感器数据进行数据融合,提高了冲击点位置预测提高定位精度。该方法与时差冲击定位方法相比,无需高速FBG解调设备。

基于分形盒维数与小波包能量的干扰识别方法

针对军用通信系统常见干扰的识别问题,提出一种基于分形盒维数与小波包能量的干扰识别方法.首先提取各种干扰的分形盒维数和两个小波包能量特征参数(Wpt5和Wpt7),将其作为分类识别的特征参数,然后采用基于二叉树的支持向量机(BT-SVM)多分类器实现干扰分类.仿真结果表明,所提取的特征参数均具有较好分离度和较强的稳定性,采用的BT-SVM法能得到较高的干扰识别率;并且该方法的识别效果总体上优于传统方法.

基于Myriad预处理和分形盒维数的信号检测方法

随着信道环境的日益复杂化,实际应用中遇到了很多非高斯噪声信号,此类过程具有显著的脉冲特性,其统计特性严重偏离高斯分布,传统的通信信号检测方法不再适用。为此,重点研究了在Alpha稳定分布噪声背景下的通信信号检测方法。首先,介绍了Alpha稳定分布的基本理论。其次,分析并验证了在Alpha稳定分布噪声背景下,传统信号检测方法失效的原因。最后,提出了分形盒维数的概念,针对Myriad滤波预处理后的信号,基于分形盒维数实现了通信信号的检测,仿真结果表明,此方法在Alpha稳定分布噪声背景下能够有效地实现信号的检测,具有良好的性能。