一种改进的抗噪基音周期检测算法

介绍了一种改进的抗噪性强的基音周期检测算法,该算法利用经典的自相关函数和平均幅度差函数,并将二者相结合。它继承了自相关函数的抗噪特性,并通过能量函数进一步加重基音峰值点,进而提高了在噪声环境下的提取准确度。与传统自相关方法相比,该算法很好地克服了基音半倍和双倍错误。实验证明:这种算法简单易行,又有很好的抗噪性能,在存在噪声的条件下,仍能比较精确地检测出基音周期。

G-KSVD字典及其在滚动轴承故障信号稀疏表示中的应用

针对传统学习字典中缺少原子相干性分析的问题和最优原子选择问题,提出了一种基于有效奇异分量的G-K奇异值分解(G-KSVD)字典学习方法。基于信号相干性提出自相关函数脉冲能量比(ACFPER),并以此为指标对奇异分量进行筛选,实现信号的降噪,利用包含故障信息较多的分量对字典原子进行更新和系数求解,从而达到增强信号中冲击成分的目的,并通过减少反馈层来降低时间成本。利用仿真信号和实际轴承信号对所提方法进行有效性及重复性的验证,结果表明,G-KSVD算法在有效区间内具有良好的去噪效果和较低的时间成本。