一种改进的非协作MSK信号参数联合估计算法

针对MSK信号参数联合估计中原有参数估计算法抗噪声性能不足、算法较复杂、运算量较大等问题,基于burg现代谱算法,提出一种改进的MSK信号参数联合估计算法,实现了在低信噪比条件下对MSK信号进行快速参数估计。

半正弦荷载下修正Burgers模型沥青混合料变形特性研究

基于修正Burgers模型中各元件的本构模型,在模拟公路交通荷载作用的情况下,引入半正弦波形荷载,重新推导了修正Burgers模型。此模型满足了Boltzmann叠加原理,更加精确地反应了沥青混合料的粘弹性变形,更加精确地计算了沥青混合料的永久变形,可应用于公路工程中沥青公路的粘弹性分析。

基于WTD-AR谱和MEA-BPNN的轴承故障诊断方法

针对滚动轴承故障诊断模型在噪声干扰下鲁棒性能差的问题,提出一种基于小波阈值去噪(WTD)、AR谱和思维进化算法(MEA)优化反向传播神经网络(BPNN)的轴承故障诊断方法。以原始振动信号为输入,采用小波方法分解重构原始信号滤除高频噪声,然后采用Burg算法估计AR模型参数提取降噪信号功率谱特征,最后将特征向量与对应标签分别作为MEA-BPNN神经网络的输入、输出进行训练,最终实现诊断。将该方法与一些先进的人工神经网络诊断方法作比较,测试该诊断模型的性能。研究结果表明:WTD-AR谱-MEA-BPNN诊断模型能够有效降低轴承振动信号的噪声干扰,实现特征增强,分辨率更高;相较于传统神经网络训练速度更快,在更短时间内甄别故障类型且识别率高。

锯齿形结构面剪切流变特性分析

利用岩石双轴流变试验机,对水泥砂浆浇筑的不同角度的规则齿形结构面试件进行了剪切蠕变试验和松弛试验。试验结果表明:蠕变曲线与松弛曲线形态相似,都有衰减和稳定两个阶段,全过程曲线都呈阶梯状变化,松弛曲线为非完全应力衰减曲线;采用Burgers蠕变模型和松弛模型对蠕变曲线和松弛曲线进行拟合,吻合程度较好。除了参数G1外,蠕变模型的参数值比松弛模型的参数值大;在分析松弛速率与应力水平关系的基础上,提出了用分级加载松弛试验确定长期强度的方法,即:松弛速率拐点对应的剪应力为岩石的长期强度,此方法与稳态蠕变速率确定长期强度的机理一致,而且两种方法确定的长期强度值相同。

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。

基于滑坡土体渗流与蠕变耦合模型的ABAQUS二次开发

三峡库区滑坡的变形失稳过程不仅与库水变动产生的渗流场变化相关,还与蠕变效应关系密切,而常规流固耦合模型未考虑蠕变效应。对此,通过Laplace逆变换求得蠕变模型的松弛模量解析解,考虑蠕变效应且基于ABAQUS的流固耦合模型二次开发,即在常规流固耦合模型基础上将弹性模量替换成蠕变松弛模量。分别用二次开发程序和常规流固耦合方法对三峡库区典型滑坡土体的渗流与蠕变耦合试验进行模拟,结果表明,二次开发程序所求最终位移大于常规方法所求值,其值更接近于试验值,更符合滑坡土体流固耦合真实情况。

基于AR模型的机织物线状疵点研究

针对机织物线状疵点检测效果不佳的问题,采用AR模型的谱估计方法对此问题进行研究。首先将获取织物的图像按照一定的子窗口大小分割,并将子窗口内图像的灰度值按照纵向、横向2个方向分别使用方差的方式投影,得到方差序列;然后选择合适的AR模型阶数,依据Burg算法估计得到谱数据;最后通过求得带有疵点图像的谱估计与正常纹理图像得到的谱估计之间的相关系数检测出疵点及其位置。实验验证表明这种方法对机织物线状疵点的检测是有效的。

基于AR谱估计和Adaline神经元的间谐波分析

将人工神经网络应用于电力系统间谐波分析,提出了Burg算法与Adaline神经元相结合的间谐波分析方法。通过Burg算法计算自回归(AR)模型参数,得到信号中谐波和间谐波的个数及频率初值,然后应用改进的Adaline神经网络精确分析谐波和间谐波的频率、幅值和相位。MATLAB仿真结果验证了Burg-Adaline间谐波分析方法具有分辨率高、精度高、收敛快的优点。

语音增强：使用burg谱先验信噪比估计消除“音乐噪声”

针对谱衰减增强算法中存在的"音乐噪声"问题,提出一种新的估计先验信噪比的方法。文章深入分析了谱衰减算法中"音乐噪声"的产生原因和抑制机理,并基于对先验信噪比的平滑,准确性和分辨率三者之间的关系以及它们对增强算法的影响等方面的综合考虑,选择burg方法结合直接判决准则进行估计,从而得到更加接近于真实情况下的先验信噪比。实验证明,在最小均方误差(MMSE)和对数谱最小均方误差(LSA-MMSE)增强算法中使用文章提出的先验信噪比估计,可以有效抑制"音乐噪声",同时,语音失真也进一步降低。

基于Burg最大熵法的管道腐蚀超声检测

超声波检测是输油管道在线内检测的重要方法之一,但在管道壁厚测量应用中却经常出现大量的误差,甚至得出相反的结果。本文进行了较深入的超声检测回波分析,指出了由回波信号的前两个脉冲的时间间隔计算管道剩余壁厚的检测方法将产生较高的误检率和漏检率,提出了一种基于Burg最大熵谱估计的信号处理检测方法,Burg法按最大熵原则外推自相关函数,递推计算模型预测误差滤波器反射系数,避免了其他自回归功率谱估计方法中自相关函数的计算。短时间序列、高分辨、抗干扰能力强的功率谱估计算法是超声管道内检测的关键技术。实验结果表明该方法检测精度高、谱估计分辨率高,适用于输油管道在线管壁腐蚀检测。

基于AR-Kalman的机械设备状态趋势预测方法研究

为提高AR模型的趋势预测精度,结合AR模型和卡尔曼滤波方法,提出了一种新的机械设备状态趋势预测方法。该方法利用AR模型作为预测器,以卡尔曼滤波方法作为实时修正器,进行趋势预测。实验结果表明,该方法能有效地对机械设备的运行状态趋势进行预测,明显提高了预测准确度。

低频重复经颅磁刺激治疗小脑梗死后平衡障碍的疗效分析

目的探讨低频重复经颅磁刺激(LF-rTMS)治疗小脑梗死后平衡障碍的临床疗效。方法选择小脑梗死病人40例,按照完全随机对照分为rTMS组和对照组,各20例。rTMS组采用LF-rTMS+常规平衡障碍康复训练;对照组采用伪线圈rTMS+常规平衡障碍康复训练。纳入后即开始康复训练,两组病人刺激每日1次,每次20min,连续28d。记录两组病人治疗前和治疗后(第7天、第14天、第28天)Burg平衡量表(BBS)评分和Tinetti步态量表评分。结果治疗后rTMS组病人BBS评分增加,平衡功能恢复良好,疗效明显优于对照组(P<0.01);rTMS组病人Tinetti步态量表评分增长快,平衡及步态功能康复理想,疗效显著优于对照组(P<0.01)。结论 LF-rTMS可显著改善小脑梗死后平衡障碍及步态康复,且远期疗效显著优于近期疗效,证实LF-rTMS治疗小脑梗死后平衡障碍病人疗效的可靠性及有效性。

改进的Burg最大熵法在管道检测中的应用

短时间序列、高分辨率、强抗噪能力的功率谱估计是管道超声内检测的关键技术.针对Burg最大熵法存在的问题,从减小递推算法初始阶段误差出发,提出二阶预测误差滤波器系数倒推法,由二阶滤波器系数修正一阶反射系数,保证递推初始阶段最大熵原则,以适应短时间序列谱估计,算法在管道内检测实验中得到了较好的结果.

基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号,但是在有噪声的环境下,会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号,该方法不受高斯噪声的影响。首先,利用高阶累积量对高斯噪声不敏感的特性,改进Burg算法的预测误差标准。其次,为了降低引入高阶累积量而增加的计算量,反射系数的求取采用递推形式。最后,利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明,所提出的算法明显改进了Burg算法的谱估计性能,能够在噪声环境下获得准确的间谐波参数估计。

基于Burg法AR模型谱估计的涡街流量计旋涡脱落频率提取

为了从含噪信号中准确高效地提取出旋涡脱落频率,采用基于Burg算法的AR模型谱估计对测量介质为水、流量范围为3~35 m3/h的涡街流量计输出信号进行分析,讨论AR模型阶次对旋涡脱落频率估计性能的影响,建立频率相对误差小于3%的AR模型最小阶次与旋涡脱落频率的拟合关系式。结果表明,基于Burg算法的AR模型谱估计对涡街流量计旋涡脱落频率的提取精度较高;AR模型的阶次对Burg算法的谱估计精度和计算效率有重要影响,应选用匹配的AR模型阶次对涡街流量计输出信号进行估计;AR模型最小阶次随旋涡脱落频率的增大而减小。

一种鲁棒自适应阈值的语音端点检测方法

针对基于特征的语音端点检测方法在低信噪比及非平稳噪声下检测性能急剧下降的问题,提出了一种鲁棒自适应阈值的语音端点检测方法.采用表征较长时段语音谱平坦度的长时段语音谱平坦度特征,并融合Burg谱估计,与其他传统语音特征相比,提高了语音与噪声的区分度;能更准确地反映背景噪声特征,克服了固定阈值适应性较差的缺陷,从而更大程度上提高了检测的准确率.仿真结果表明,该方法在低信噪比及非平稳噪声下,检测准确率更高,说明该方法在低信噪比及非平稳噪声环境下鲁棒性更好.

基于最优窗Burg算法的电力系统间谐波谱估计

Burg算法适合于电力系统间谐波谱估计,但存在谱峰偏移和谱线分裂的缺点,影响其谱估计效果。本文在误差分析的基础上提出了基于最优窗Burg算法的间谐波谱估计新方法。首先通过在平均频率误差方差最小的意义下来获得最优窗,再将加窗后的预测误差平均功率最小化来求取反射系数,最终求得信号的功率谱。仿真结果表明,与传统的Burg算法和汉明窗Burg算法相比,最优窗Burg算法具有更好的谱估计性能。并且,由于采用Levinson递推,其计算复杂度明显低于特征值法。该方法可应用于电力系统间谐波谱估计。

融合Burg谱估计与信号变化率测度的语音端点检测

针对现有基于特征的语音端点检测方法在低信噪比及非平稳噪声下检测性能较低的问题,提出了一种融合Burg谱估计与长时段信号变化率测度(LTSV)的语音端点检测方法.该方法采用表征较长时段语音变化率的LTSV参数,较准确地反映了语音的非平稳程度.与传统基于特征的语音端点检测方法相比,该方法在低信噪比及非平稳噪声情况下的检测性能有了较大提高.并融合Burg谱估计,与传统Welch谱估计方法相比,提高了LTSV参数的区分度,从而进一步提高了检测的准确率.仿真结果表明:采用融合Burg谱估计与LTSV的语音端点检测方法在低信噪比(-10dB)及非平稳噪声情况下,与传统基于特征的语音端点检测方法相比,检测准确率普遍提高了约6%以上,说明该方法在低信噪比及非平稳噪声环境下鲁棒性更好.

Burg算法在基于AR模型多普勒血流信号时频分析中的应用

多普勒超声血流信号是一个非平稳的高斯随机过程,其时频分布与血流的速度及其变化有密切的关系。由于假设信号在一定时间间隔内是平稳的,实际上难以获得同时具有较好的时间、频率分辨率的超声多普勒时频分布。一种估计多普勒超声血流信号时频分布的方法是基于Levinson-Durbin算法的自回归(AR)模型法。但用该算法估计出的参数的误差随时间间隔的缩短而增大。Burg提出一种递推算法,不需要计算自相关,而是用使前向与后向预测误差能量之和最小的方法求出模型的参数。我们将用两种算法估计出的多普勒时频分布及理论的时频分布进行比较,发现用Burg算法估计出的多普勒时频分布比用Levinson-Durbin递推算法估计出的多普勒时频分布更接近理论的时频分布,尤其是频率带宽性能得到了明显的改善。

Burg频谱估计算法的硬件加速方法研究

基于Burg算法的现代谱估计相对于基于FFT算法的经典谱估计,具有更好的实时性和频率分辨率。然而Burg算法中需要的大量迭代运算,降低了实时系统的性能。为进一步提高频谱估计的速度,提出一种Burg算法的硬件加速方法。该方法以高性能FPGA为平台,遵循并行计算的思想,根据Burg算法的特点,巧妙的利用FPGA内部的DSP资源和RAM处理数学运算与存储器管理两大核心问题。通过在速度和面积上的折中优化系统性能。实验结果表明,该加速方法能较为准确的估计出脉冲编码雷达中目标物体的多普勒频偏。通过进行比较发现,该方法提高了系统的运算速度和性能。