基于自适应自相关谱峭度图的滚动轴承故障诊断方法

自相关谱峭度图通过最大重叠离散小波包变换对信号频谱进行分割,并选取最大峭度值所对应频带内的信号进行诊断分析。针对自相关谱峭度图方法在分割频带时因遵循二叉树结构而导致的频带划分区域固定问题,提出一种基于自适应自相关谱峭度图方法的滚动轴承故障诊断方法。自适应自相关谱峭度图方法以改进的经验小波变换为基础,对原始信号傅里叶谱进行包络与平滑处理后再分割,实现了自相关谱峭度图方法自适应分割频带的目的。通过仿真信号与实验数据分析,并将所提方法与快速谱峭度及自相关谱峭度图方法进行对比,结果表明,所提出方法能够准确地检测到合适的解调频带,同时其故障特征更加明显。

运用自相关谱计算薄互层砂岩厚度

在分析以往"计算薄互层砂岩厚度"技术基础上,通过大量的正演模型及提取多种特征参数等工作,优选出对薄互层砂岩厚度表征良好的一类特征参数———自相关谱。在自相关谱中着重研究了3种规律性较好的特征参数,即自相关谱振幅(Amax),第一零交叉时(t01)及三间隔延迟振幅比(A3 Amax)。阐述了3个特征参数与薄层砂岩厚度(小于λ 4)的关系,给出了反演的计算方法,并利用关系函数进行了定量的反演计算,得到了较高精度的结果。

基于听觉模型的自相关谱语音信号的重构

研究如何从听觉模型的自相关谱中恢复出原始的声音信号.从短时自相关函数中得到原始信号的傅立叶变换的幅度值,然后利用迭代算法仅从傅立叶变换的幅度值中恢复语音信号.

基于MED与自相关谱峭度图的滚动轴承故障诊断方法

滚动轴承振动信号往往信噪比较低,且具有较强的非高斯噪声,如何选择合适的解调频带一直是故障诊断的难点。自相关谱峭度图(Autogram)是新提出的一种最优频带选择方法,通过计算解调信号的平方包络的无偏自相关的峭度,能够有效地检测到解调频带及其故障频率;但此方法易受到噪声干扰,故障特征识别不明显;基于此,提出了一种基于最小熵解卷积(MED)与Autogram的滚动轴承故障诊断方法;该方法通过MED去除噪声,在得到最佳频带的同时,能够有效地突显故障特征。通过分析仿真信号及实验数据,将所提方法与快速谱峭度及现有方法进行了对比,结果表明,所提故障诊断方法能够准确地检测到解调频带及故障频率,突出故障特征和提高故障检测效果。

基于近红外自相关谱检测奶粉中的三聚氰胺

发展了一种基于近红外自相关谱定性定量分析掺三聚氰胺奶粉的检测方法。分别配置40个纯奶粉样品和40个不同质量百分比浓度的掺三聚氰胺奶粉(10-4%~40%,w/w)样品,采集了所有样品的一维近红外漫反射光谱,以奶粉中掺入的三聚氰胺浓度为外扰进行相关计算,选择随浓度变化敏感的7 000~4 200cm-1为建模区间。在提取自相关谱信息的基础上,建立了定性定量分析掺三聚氰胺奶粉的偏最小二乘模型,并与常规一维近红外谱模型的预测结果进行了比较。所建立的方法对未知样品的识别正确率为100%,预测均方根误差(RMSEP)为0.63%;而一维近红外谱的识别正确率为96.2%,RMSEP为0.84%。研究结果表明:相对于常规一维近红外谱,所建立的方法能提供更好的预测结果,其原因可能是自相关谱能提取更多的特征信息。

基于自相关-倒谱联合分析的无人机旋翼转动频率估计方法

准确估计无人机旋翼转动频率对于无人机的检测与识别具有重要意义。该文针对调频连续波雷达的无人机目标回波模型,提出一种自相关-倒谱联合分析的无人机旋翼转动频率估计方法,推导了无人机旋翼转动频率与雷达回波倒谱输出中周期性时延的映射关系,通过加权均衡能够更有效地估计多旋翼无人机旋翼转动频率,弥补了传统方法的不足。通过仿真和实际场景实验验证了方法的有效性。

一种基于信号谱自相关特性的盲波束形成方法

研究了阵列流型未知情况下的波束形成问题，基于周期平稳信号的谱自相关特性提出了一种估计信源导向矢量的算法，在未预知阵列流型及信源波达方向（ＤＯＡ）信息的条件下实现了盲波束形成．

自适应MCKD结合Autogram的矿用滚动轴承故障特征提取

为辨析矿用滚动轴承运行状态,有效地提取矿用滚动轴承故障特征,提出了一种基于粒子群优化算法(Particle Swarm Optimization,PSO)的参数自适应优化最大相关峭度解卷积算法(Maximum Correlated Kurtosis Deconvolu-tion,MCKD)与自相关谱峭度图法(Autogram)相结合的矿用滚动轴承故障特征提取算法.首先,在考虑振动信号的强周期性的基础上,采用MCKD对原始信号进行预处理以实现信号的降噪与增强;同时,针对MCKD参数选择问题,构造利用PSO对适应度函数进行寻优得到合适的参数组合[滤波长度L,解卷积周期T];此后,利用Autogram对处理后信号进行特征提取;最后,通过仿真信号及公开数据集试验信号对该算法进行验证.结果表明:PSO-MCKD-Autogram算法能够较好地克服噪声影响,可有效提取矿用滚动轴承故障特征且具有一定的鲁棒性.

相关分析在战场声目标模糊模式识别中的应用

本文以４种车辆噪声来模拟战场声目标，以实测的车辆噪声进行自相关谱分析，在提取特征量的基础上绘制了直方图．探索了利用噪声自相关谱，对声目标进行模糊模式识别的可行性．

基于自适应Autogram+OSF滤波的电机轴承故障诊断

自相关谱峭度图Autogram方法可以对初始信号非周期脉冲与噪声进行限制的方式测定周期性脉冲,获得更精确的最优频带。设计了一种自适应Autogram方法,通过顺序统计滤波(OSF)方法完成电机轴承故障信号傅里叶谱的包络处理。研究结果表明:采用自适应Autogram方法进行处理时具备良好可行性。采用本方法测试佳解调频带的效果比滤波器快速谱峭度方法的性能更优。相对自适应Autogram方法并未形成明显的二倍与三倍频特征频率,产生了众多干扰分量。

用Haar小波联合变换相关器进行模式识别

在联合变换相关器中应用Haar小波滤波器进行模式识别 ,并利用参考物自相关谱抽取的方法来削弱零级直流分量 .模拟结果表明 。

VLBI软件相关处理机脉冲星信号脉冲轮廓搜索算法

VLBI观测比单天线观测拥有更高的角分辨率，在脉冲星观测，尤其是成图和定位研究中有着重要的作用。相关处理机在进行脉冲星信号处理时，首先必须知道脉冲信号到达时刻、脉冲星相位及脉冲宽度等脉冲轮廓信息。研究了利用脉冲信号自功率谱来绘制脉冲星轮廓图的算法，此算法只需对单站信号进行频谱分析就可确定脉冲位置和宽度，然后在VLBI软件相关处理机中完成脉冲信号的相关计算。实际的VLBI数据相关处理结果表明，用上述方法可准确获得脉冲星的轮廓。

基于全矢Autogram的滚动轴承故障诊断方法

针对滚动轴承单通道信号信噪比较低、不能全面和准确表征故障特征等问题,提出了一种基于全矢谱和自相关谱峭度图的滚动轴承故障诊断方法。首先,计算互为垂直的两通道振动信号的自相关谱峭度图,得到信号中最佳频带的位置,并提取重构信号;其次,为了保证信号故障信息的全面性和获取精确故障特征信息,计算重构信号的全矢包络谱;最后,分析全矢包络谱中的故障特征进行故障诊断。通过分析仿真信号及实验数据,将所提方法与快速谱峭度和自相关谱峭度图等方法进行了对比,结果表明,所提故障诊断方法能够有效地提取滚动轴承的故障特征频率,提高故障诊断的精确性。

多谱分析的研究和应用

本文综合了付里叶谱分析的稳定性和最大熵谱(Burg 谱)分析的高分辨特点,提出了自相关外推谱分析的新方法,并做了理论地震模型和实际地震剖面的多谱分析,对谱剖面有了新认识。

Burg最大熵及其在切削颤振研究中的应用

采用Burg最大熵法对CAK5085si型数控车床切削颤振信号进行分析:介绍了Burg最大熵谱估计法,并用此种方法获得颤振信号的功率谱。通过与自相关功率谱估计进行比较,表明了Burg最大熵谱估计不仅具有较高的频率分辨率,而且还可以反映颤振信号的主频带的变化情况,这为机床切削颤振研究以及机床故障预测提供了一种简单有效的新方法。

基于听觉系统半波整流逆变化的语音恢复

语音信号经过听觉模型系统的处理时要经过半波整流,整流后语音信号的负信号部分会丢失。对听觉模型进行了研究,提出了一种利用Gammatone滤波器通过半波整流逆变换进行语音恢复的方法,使语音信号通过一个Gammatone滤波器进行半波整流逆变换,从而将丢失的负信号恢复出来。试验结果表明,这种方法是有效的。

一种自适应共振解调方法及其在铁路轴承故障诊断中的应用

共振解调是滚动轴承诊断中最具优势的方法之一,但解调频带的确定一直是一个巨大的挑战。针对基于传统峭度图方法在复杂干扰的工况下,往往无法正确识别出最优的共振频带进行包络解调的问题,该研究提出了一种基于自相关谱峭度图的自适应共振解调新方法。以滤波后平方包络信号的自相关谱的峭度值作为度量指标,生成一种新的峭度图。最后,通过对高速铁路轴承在空载、静载、动载三种不同工况下的实验信号和铁路货车轴承实验信号进行分析,验证了该方法在复杂工况下的有效性和优越性,具有较高的工程应用价值。

用干涉自相关导数谱图明确超短脉冲啁啾方向

提出了新型的确定超短激光脉冲啁啾方向的方法,采用对二次干涉自相关(IAC)中的基频信号求一阶导数,得到干涉白相关导数谱图(D-IAC),利用该导数谱图对啁瞅方向有很高灵敏度的特性,通过对高斯型强度分布的线性唰啾、平方啁啾及立方啁啾脉冲进行数值计算与模拟,得到导数谱图的峰与谷分别对应啁啾的负与正。找到了判定啁啾正负的方向因子,即正弦函数因子,并通过实验证实用干涉自相关导数谱图可明确超短激光脉冲啁啾方向,且干涉自相关导数谱图能用于超短激光脉冲啁啾方向的检测。

一种改进的基于DS／CDMA信号共轭周期平稳特性的载波频偏盲估计方法

在DS／CDMA系统中,我们可以利用接收信号的共轭周期平稳特性估计载波频偏,但是用于估计频偏的样本个数的有限性降低了这类方法估计结果的准确性和稳定性。为此本文在这类方法的基础上提出了一种改进的载波频偏盲估计方法,该方法通过对接收信号预置一个已知的载波频偏,有效的消除了有限的样本个数对估计性能造成的影响。同时它是一种盲估计算法,不需要专门的训练序列,不会降低无线带宽利用率。仿真结果表明该方法能够很好的利用有限长度的样本数据快速准确的估计出系统载波频偏,它的估计性能较改进前的方法有明显的提高。

语音线性预测技术新探

本文提出了一种线性预测分析方法。通过估计频率抽样获得谱包 ,由归一化频率估计谱包 ;谱包规定在mel频率级 ,由IDFT提取抽样自相关估计 ,我们从抽样自相关的结果最终获得谱包cep stral系数 (SEC)。HMM(HiddenMarkovModel)识别实验表明 ,SEC与其它算法相比较 ,在低信噪比时 。