一种基于自回归模型的间谐波谱估计的改进算法

间谐波的频率是基频的非整数倍,频谱随时间而变化,具有随机性,因此间谐波是随机信号。该文首先介绍平稳随机信号的AR模型和Burg算法的基本原理,然后分析Burg算法在处理正弦信号时出现谱峰偏移的原因。在此基础上该文提出了一种基于AR模型的间谐波谱估计改进算法。该算法通过直接求解在预测误差功率最小意义下的较低阶AR模型系数,再递推计算高阶系数,减小了谱估计的谱峰偏移。仿真结果表明,该算法明显改善了谱估计的性能,而且只要用比较短的数据即可得出较好的间谐波谱估计。

5-DOF上肢康复机械臂交互式康复训练控制策略

设计一种5-DOF穿戴式偏瘫上肢康复机械臂系统,提出被动和主动两阶段的交互式康复训练控制策略。在被动训练中,根据偏瘫患者上肢单侧受损的特点,提取偏瘫患者的健侧上肢4块肌肉的表面肌电信号(Surface electromyogram,sEMG)作为康复机械臂的控制信号,利用AR参数模型和BP神经网络来理解患者的运动意图,驱动机械臂辅助患侧上肢实现特定的康复训练动作。在主动训练中,通过实时获取各关节力矩信号来判断人体上肢的运动所产生的作用力方向与大小,并利用比例控制器和运动学雅可比逆矩阵控制康复臂末端速度、驱动各关节运动。试验结果证明了提出方法的正确性和有效性。

光电稳定跟踪平台中微机电陀螺滤波方法研究

根据微机电陀螺的实测数据,分析了其噪声特性,建立了微机电陀螺零漂的AR模型。研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了Kalman滤波不能够在微机电陀螺信号去噪中获得较好效果的原因。在此基础上,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果。实测结果表明由于后者不依赖于噪声的精确模型,根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果。最后给出了两种滤波算法的比较结果。

基于AR模型的车型自动分类技术

利用AR参数模型提取采集到的车辆行驶时产生的车外噪声信号的特征,再用假设检验进行特征选择,并设计了BP神经网络进行分类识别。本文对道路现场采集到的两种车型共计74个信号进行分析,实验结果表明:通过AR参数模型提取车辆车外噪声特征实现车型自动分类是可行的,其分类的正确率达80%以上。

基于时变AR预白滤波处理的水雷非水雷识别算法

基于时变AR预白化滤波器处理方法采用图象模式识别技术设计开发了一个水雷/非水雷的自动识别系统。数据预处理完成后截取有效数据段并提取信号特征由分类器对真假水雷目标进行识别。时变AR预白滤波器方法在一定程度上将背景混响预白化,提高了匹配滤波的检测性能。本文基于实际湖试和海试数据对该识别算法进行验证,结果表明此算法识别效果较好。

基于自由响应信号与BP神经网络的结构损伤程度识别研究

提出了基于自由响应信号与BP神经网络的结构损伤程度识别方法:首先采用随机减量技术提取自由响应信号,利用AR模型进行动态建模,计算结构损伤前后的模型系数之间的欧式距离;其后以结构损伤前后的欧式距离作为特征向量,输入BP神经网络确定结构的损伤程度。四层海洋平台结构的数值模拟表明,该方法是可行的,且具有一定的抗噪声能力。

齿轮性能退化评估的时序重构模型

齿轮性能退化评估是预诊断的提前和基础,针对概率相似度量评估方法存在模型复杂,容易过早饱和等现象,提出一种基于AR (Autoregressive model)模型和字典学习的齿轮性能退化评估的重构模型方法,其中AR模型用于提取齿轮振动信号的状态特征,字典学习通过正常状态下构建的字典模型(Dictionary learning, DL)对测试样本进行AR模型系数重构。首先提取正常运行状态下振动信号的AR模型系数构建过完备字典模型,然后将待测信号的AR系数作为特征向量输入字典模型中得到重构后的AR模型系数。最后由原始AR系数和重构AR系数分别构造自回归模型,并各自完成对待测信号的时序建模,将两自回归模型所得残差序列的均方根误差作为性能劣化程度指标。全寿命疲劳实验数据分析结果表明,与传统时域指标相比该方法对早期故障更敏感且具有与齿轮故障发展趋势一致性更好等优点。