基于倒谱预白化和随机共振的轴承故障增强检测

轴承损伤引起的冲击受到离散频率分量和噪声干扰,使轴承故障检测面临困难。结合基于倒谱编辑(Cepstrum editingprocedure,CEP)的信号预白化和随机共振(Stochastic resonance,SR)微弱信号检测技术,提出一种轴承故障增强检测的新方法。信号预白化能够提升轴承振动信号的冲击特性,产生包含白噪声和轴承局部故障信号的白化信号。在未知最优共振频带的情况下,对白化后的轴承振动信号进行包络分析,增强故障特征分量的同时引入了较多噪声。通过随机共振的归一化尺度变换,将轴承包络信号作为检测模型的输入,增强轴承故障特征频率分量。提出将轴承故障特征频率处的局部谱峭度和局部信噪比作为对照指标。实测正常和外环植入故障轴承的诊断结果表明,提出的方法优于基于谱峭度优化的包络分析和单纯的信号预白化方法。

基于倒谱预白化和奇异值分解的滚动轴承故障特征提取方法

为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和强背景噪声的干扰,该文提出了一种新的基于倒谱编辑(cepstrum editing procedure,cep)信号预白化和奇异值分解(singular value decomposition,SVD)的轴承故障特征提取方法。通过CEP预白化处理增强了轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生了只包含背景噪声和碰撞损伤引起的非平稳冲击成分的白化信号。构造预白化信号的Hankel矩阵,进行奇异值分解,通过差分谱理论选择表征故障冲击成分的奇异值进行矩阵重构恢复信号,去除强背景噪声的干扰,实现对故障特征的提取。试验结果表明,该方法较为理想地提取了轴承滚动体和内圈的故障特征,并且在提取效果和运算效率方面要优于基于小波-SVD差分谱故障特征提取方法。

LFM信号基于自适应预白化处理的GLRT检测器

针对有色混响噪声背景下线性调频(LFM)信号的检测,提出了基于自适应预白化处理的广义似然比检测GLRT(generalized likelihood ratio test)改进算法。改进算法根据前一段的混响噪声数据估计AR模型参数,利用估计参数构成的白化器对当前段混响噪声数据进行滤波,并对滤波后数据进行单变量的GLRT检测。与双变量的GLRT算法相比,改进算法有效降低了运算量。最后通过蒙特卡罗仿真给出了改进算法的检测性能分析。

基于倒谱预白化和形态学自互补Top-Hat变换的滚动轴承故障特征提取

为了消除振动信号中离散频率分量和强背景噪声对提取滚动轴承故障特征频率的干扰,提出了一种新的基于倒谱编辑(Cepstrum Editing Procedure,CEP)预白化和形态学自互补Top-Hat变换的方法用于滚动轴承的故障特征提取。CEP能够去除故障振动信号中的周期性频率成分,剩余只包含背景噪声和碰撞损伤引起的非平稳冲击成分的白化信号,通过分析构造的形态学自互补Top-Hat变换滤波器,提出采用故障特征幅值能量比(Feature Amplitude Energy Radio,FAER)的方法自适应确定最优结构元素的尺度,预白化信号经过形态学滤波有效消除了背景噪声的干扰,提取了较为清晰的轴承故障特征频率。对实测轴承滚动体、内圈故障信号进行了分析,结果表明该方法可有效提取滚动轴承故障冲击成分并抑制噪声。

基于分数阶傅里叶变换的LFM混响空时预白化方法

针对主动声纳在浅海混响背景下线性调频(linear frequency modulation,LFM)信号检测的高虚警问题,提出了基于分数阶傅里叶变换(fractional Fourier transform,FRFT)的空时预白化(space-time prewhitening,STPW)方法。该方法利用FRFT对LFM信号良好的频域聚焦性,将混响信号变换到分数阶傅里叶域进行白化处理,使混响中的线变频率变换为稳定频率,增强了混响的局部稳定性,从而改善了混响的白化效果。通过实测混响数据对所提方法进行了验证,实验结果表明,所提方法使匹配滤波检测器的统计性能在信混比(signal-to-reverberation ratio,SRR)-16 dB^0 dB范围内平均提高了13%,显著提高了主动声纳在混响背景下的检测性能。

混响背景下预白化信号检测

在浅海环境中主动声纳匹配滤波器性能下降的一个重要原因是混响问题,因为混响同样是由发射信号引起的,与发射信号有很强的相关性。预白化抗混响算法是将混响看成局部平稳的有色高斯随机过程,采用AR模型对混响进行建摸,利用AR模型系数对原始数据进行"白化"处理,然后利用修正后的发射信号做拷贝信号进行匹配滤波。预白化处理能够有效抑制混响干扰,降低虚警,提高对运动小目标的探测能力。仿真和湖试数据处理结果验证了该方法的有效性。

噪声空间谱预白化小孔径阵列被动目标检测方法

为了解决小孔径阵列在低信噪比下不能正确检测被动目标的问题,提出了两种小孔径阵列非白噪声场空间预白化方法:噪声空间谱模值归一化(MNNSS)和噪声协方差矩阵求逆(NCMI)方法。假设噪声场为空间平稳非白噪声场,通过学习得到平稳非白噪声场的空间角谱和噪声协方差矩阵,使用学习的空间角谱和协方差矩阵对阵列接收数据进行预白化处理。将预白化处理后的阵列数据用于空间谱检测器。水池实验数据处理结果表明,采用MNNSS和NCMI方法对阵列接收数据预白化处理可明显改善小孔径阵列噪声场的非白特性,预白化处理后空间谱检测器在检测概率达到90%时的可检测信噪比分别下降了3 dB和7 dB;MNNSS和NCMI方法运算量不大,可以运用到实时处理系统。

基于低阶预白化与新型网络传递函数的盲源分离方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同, α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。本文先简要介绍稳定分布统计特性,再提出了适用于盲信源分离的神经网络结构与基于分数低阶统计量与子空间技术的预白化过程,并利用一种新型传递函数修正了分离算法,提出了一种基于分数阶预白化与新型传递函数的盲信源分离方法。计算机模拟和分析表明,这种算法是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的盲信源分离方法,是对传统的二阶统计量基础上的盲信源分离方法的改造与推广。

预白化滤波器及其功率谱估计分析

本文简述了预白化滤波器的两种实现方法，进一步分析了频域方法中对于功率谱估计的要求，对几种功率谱估计方法进行了比较。在仿真试验中，平滑周期图法与周期图法在[p(ω）]^-1估计误差的方差上相差达四五个数量级。

一种雷达信号预白化处理的方法

雷达回波信号的相关性给信号分析带来了诸多不便,因此对于信号的预处理变得极为重要。介绍了一种信号预白化处理的方法,通过提取独立分量对信号进行去相关。Matlab仿真表明此方法在信号处理中起到了很好的去相关作用,为信号的后续处理消除了部分冗余信息,确保了雷达系统信号处理实时性的要求。

预白化与小波变换联合的混响抑制方法研究

针对主动声呐在强混响背景下匹配滤波器检测性能不理想的问题,提出了将预白化与小波变换联合处理方法。首先将混响预白化处理,然后通过小波变换将混响和回波信号分解到不同的尺度空间下,在尺度空间进行阈值量化处理,对有用的信号成分进行数据重构,最后利用重构的数据进行匹配滤波处理,使得混响被有效抑制,改善检测性能。仿真和试验数据处理结果验证了该方法的有效性,信混比可以提高约3 dB。

基于预白化和子空间方法的主动声呐混响抑制

海洋混响作为主动声呐目标探测时的主要背景噪声,是一种有色干扰噪声,常被看作是非平稳的过程。基于信号子空间分解的噪声抑制算法被广泛应用于语音增强领域,其对于包含加性高斯白噪声的信号有明显的降噪效果,但是对于非高斯分布的混响抑制效果不佳。因此,本文提出首先利用自回归模型构造白化滤波器,对混响进行预白化处理之后再使用子空间分解法,实验数据分析证明,该方法可以明显提升混响的抑制效果。

基于倒谱预白化的轨道车辆轴箱轴承故障诊断

轴箱轴承作为轨道车辆的关键旋转部件之一,起着承载、减磨、降阻的作用。基于振动信号的轴承监测方法,将成为轨道车辆轴承状态在线监测的发展方向;在信号预白化的理论基础上,提出了基于倒谱编辑预白化的轴承故障诊断方法,该方法使用实倒谱定位和编辑原始信号的对数幅值,去除不想要的离散频率分量,然后结合原始相位信号和编辑后的幅值重构时域信号,再对时域白化信号进行频谱分析;试验结果表明,倒谱预白化与传统包络谱解调分析都能有效检测轴箱轴承故障,但倒谱预白化不需要进行滤波频带选择,具有简单实用的优点,验证了该方法在轴承严重故障和微弱故障诊断方面的有效性。

基于倒谱预白化和辛几何模态分解数量规律的轴承故障特征提取方法

为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和背景噪声的干扰,提出了一种基于倒谱编辑信号预白化和辛几何模态分解数量规律的轴承故障特征提取方法.首先,对原始信号进行倒谱预白化来增强轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生只包含背景噪声和损伤引起的非平稳冲击成分的白化信号.其次,发现了辛几何模态分解中哈密顿矩阵的有效特征值数目与信号中的频率个数成2倍的数量规律,并通过仿真和理论推导验证了该数量规律.最后,构造预白化信号的轨迹矩阵,进行辛几何模态分解,根据发现的数量规律,选择相应的特征向量重构信号,进行希尔伯特包络谱分析,并提取故障特征.通过仿真分析和应用实例证明,所提方法可以清晰地提取轴承的故障特征.

海面目标的自适应预白化检测前跟踪算法

针对超视距雷达的海面目标检测问题,提出一种基于自适应预白化处理的检测前跟踪(TBD)算法。在目标TBD处理之前,利用海杂波的自回归模型构建白化滤波器进行杂波预白化,在跟踪阶段采用递归贝叶斯算法估计目标运动状态,在检测阶段通过跟踪滤波器的输出构造广义似然比进行似然比检测。不同信噪比下的仿真结果表明,该算法能有效抑制海杂波,检测到低信噪比的目标。

基于负熵的无预白化的独立成分分析算法

提出了一种基于负熵的无预白化的具有等变性的独立成分分析算法。首先介绍了负熵的定义以及如何使用负熵作为代价函数来度量混合信号的非高斯性。详细介绍了将分离向量和预白化矩阵结合得到了基于负熵的无预白化的迭代算法。最后通过选取4组非高斯向量作为信号源进行仿真实验,结果显示分离效果良好。

用于混响中信号检测的空时预白化处理器

提出了一种新型的空时预白化处理器用于抑制混响,它是基于二维自回归模型的。这种处理器将接收到的数据从空间和时间上联合进行处理,进而分离目标回波和混响。这种方法较传统的从空间和时间上分别进行处理的方法能够更有效的抑制混响。通过与传统的一维自回归预白化处理器相比较,使用空时预白化处理器后的检测效果提高了约9～11 dB。

自助法修正的预白化HAC在平稳过程之间伪回归中的应用

传统预白化HAC法存在有限样本偏差,导致在相互独立的平稳过程回归中存在较高的伪回归概率.本文提出利用自助法减少其有限样本偏差,从而降低伪回归概率.同时,通过与一阶偏差修正的预白化HAC法的比较分析,发现自助法修正的预白化HAC不仅能减少偏差和降低伪回归概率,而且在GARCH类异方差和高阶自回归数据过程中具有更好的稳健性.

中值无偏修正的预白化HAC法在伪回归中的应用

传统预白化HAC法存在有限样本偏差,使得平稳过程之间回归时存在伪回归.本文利用一阶和高阶的中值无偏估计对传统预白化HAC进行修正,通过修正的预白化HAC对t统计量标准误进行调整,从而进一步研究其在平稳过程之间伪回归中的适用性.研究表明：第一,中值无偏修正的预白化HAC法能减少长期方差的有限样本偏差并能降低伪回归概率;第二,修正的预白化HAC对持久性、GARCH类异方差和非正态随机新息等都具有稳健性.

高斯色噪声背景下基于权向量的连续波信号检测

针对高斯色噪声背景下信号检测需要进行预白化处理的问题,提出了一种基于权向量的信号检测方法。首先基于权向量构造检验统计量,分析其检测性能,在此基础上推导了N-P准则下的最优权向量,并证明了其与广义匹配滤波的等价性。通过构造合适的权向量,证明在大数据记录下检测连续波信号时无须进行预白处理,可以明显提高检测效率。仿真结果表明了该检测方法的有效性。