基于循环谱和小波变换的MFSK信号解调算法

针对多载频信号的解调算法存在计算量大,只适用于低阶信号的问题,提出了一种基于单切面循环谱和改进小波变换的联合算法。该算法将传统循环谱的二维搜索简化为一维搜索,并改进了小波尺度的选取,算法结合了传统循环谱法和小波变换法优点,能够在提高解调精度的同时降低计算量,且适用于高阶MFSK信号。仿真结果表明,该算法在性能上明显优于传统小波解调算法和循环谱算法,在较低信噪比下,仍能获得较高的准确率。

基于小波变换的MFSK信号盲解调算法

针对无先验信息的MFSK（M-ary frequency shift keying）信号提出了一种基于小波变换的盲解调算法。该算法基于morlet小波脊线值与MFSK信号符号之间的对应关系，研究了小波脊线提取、符号率估计、符号同步、调制进制M识别、调制码估计等算法，实现了盲信号的解调。仿真结果表明：2FSK信号的盲解调性能比理论值恶化不超过0．1dB；4FSK信号的盲解调性比理论值恶化约1dB。

基于小波变换的MFSK/MQAM信号类内识别法

提出了一种基于小波变换的FSK/MQAM信号类内调制方式识别的改进算法,该方法通过深入分析MFSK和MQAM信号在小波域的不同特征,充分利用小波变换模值的奇异性信息,通过对该信息的有效检测,实现MFSK信号类内识别,并将其推广应用到16QAM和64QAM的分类。对该方法的适应性进行了理论分析和计算机仿真,结果表明,新算法大大提高了MFSK/MQAM信号的识别正确率,并有效降低了识别的信噪比门限。

基于广义解调时频分析的多分量信号分解方法

广义解调时频分析方法是一种新的信号处理方法,该方法将广义解调和最大重叠离散小波包变换相结合对复杂信号进行分解,得到若干个瞬时频率和瞬时幅值都具有物理意义的单分量信号,从而获得原始信号完整的时频分布。本文在介绍广义解调时频分析方法的基础上,将该方法用于多分量信号的分析,对该方法进行了改进,给出了由改进的广义解调时频分析方法分解多分量信号的具体步骤,从而由改进后的广义解调时频分析方法不仅可以得到原始信号中各个分量的时域波形,而且还可以得到相同的时频分布。采用改进后的广义解调时频分析方法对仿真信号进行了分析,同时和其它时频分析方法进行了比较,结果表明了该方法的有效性。最后,对广义解调时频分析方法中的相位函数选择问题进行了讨论。

自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.

基于小波包频带能量特征的包络分析在滚动轴承故障诊断中的应用

经典的小波包迭代算法会由于小波包分解过程中的隔点采样而发生频率混叠现象。采用小波包移频算法,以1#、2#、3#这3个406滚动轴承(其中1#轴承工作正常,而2#、3#轴承工作状态未知)进行分析。通过小波包分解提取了这3个轴承振动信号的频带能量特征,初步判断2#、3#轴承的工作情况。基于此,再选择合适的频带进行小波包重构,并经H ilbert变换实现包络检波,这样轴承发生故障时的高频共振信号就实现了包络解调。再通过对振动包络信号进行频谱分析就可以对轴承的故障类型作出判定。

广义解调时频分析方法在调制信号处理中的应用

介绍了一种新的信号处理方法-基于广义解调的时频分析方法,并将这种方法应用于调制信号的处理。广义解调时频分析方法采用广义解调将时频分布是曲线的信号变换为时频分布是平行于时间坐标轴的直线的信号,然后采用最大重叠离散小波包变换(Maximal overlap discrete wavelet packet transform,简称MODWPT)对广义解调后的信号进行分解,得到若干个瞬时频率和瞬时幅值都具有物理意义的单分量信号,再对各个单分量信号进行逆广义解调,进一步求出瞬时频率和瞬时幅值,从而得到原始信号完整的时频分布。采用广义解调时频分析方法对调幅-调频信号进行了分析,结果表明该方法能有效地提取调幅-调频信号的调制信息。

一种紧凑型汽车座椅水平驱动器的声音品质识别

对紧凑型汽车座椅水平驱动器运行时的声音信号进行分析,实现声音品质和质量鉴别。首先采用sym6小波对原始声音信号降噪;然后带通滤波截取待分析频段,剔除低频噪声;利用希尔伯特变换对故障调制后信号进行解调,得到反应故障特征的调制信号;再低通滤波出去高频噪声,截取解调出的调制信号,最后通过傅里叶变换得到特征信号的频谱。根据特征频率处的幅值是否超过阈值,从而判断是否合格。此方法能够识别微弱的故障信号,同时具有全频段抗噪的能力。

基于广义解调时频分析的多分量复杂信号分解方法

在广义解调时频分析方法的基础上,将该方法应用于多分量时频变化信号的分解,并对该方法进行了改进,给出了由改进的广义解调时频分析方法分解多分量复杂信号的具体步骤。重点分析了自动获取相位函数的方法,以及对分离出来的各单分量再次进行广义时频解调的问题,得到了比较理想的时频分布。仿真实验结果证明:此法不仅可以得到原始信号中各分量的时域波形,同时也可以得到各分量的时频分布,从而为多分量复杂时频变化信号的准确分离提供了有效途径。

实时跟踪电压闪变幅度的移动不变小波分析方法

该文提出了一种移动不变的小波分析方法,用以分离电压闪变信号的闪变波形(包络线)。该方法利用线性相位复小波具有奇对称实部与偶对称虚部的性质,使得在小波变换域能方便地得到与被分析调幅信号对应的一对幅值相同、频率相同的正交信号,从而可方便地对本质为调幅信号的电压闪变实现解调制。与现有的同类方法相比,该文方法的显著特点是:采用二进塔式快速算法,而不是费时的移动不变算法或重构算法,即可达到移动不变效果;只须在 3 个尺度上进行小波变换,并且前 2 个尺度上只进行实系数平滑小波变换,第 3 尺度上只进行复系数细节小波变换;只需一个尺度上的细节小波变换系数。这些特点使得该方法具有快速、准确、便于实时跟踪闪变幅度的能力。

基于小波变换的BDPSK信号盲解调算法

在BDPSK信号解调中,非合作信号的载频估计误差或高动态环境引起的多普勒频移都会使得解调性能恶化,甚至无法解调。针对这个问题,提出了一种基于morlet小波变换的BDPSK信号盲解调算法。算法利用BDPSK信号小波系数模的幅度突变信息,完成符号率估计、符号同步和符号识别。算法无需载波恢复,对载频估计误差也不敏感,并且能够适应载频时变的BDPSK信号。仿真结果表明,算法具有较高的符号率估计性能和同步性能,盲解调性能比理论值恶化量约为1.6dB。

基于小波变换的轨道电路UM71信号解调实现

分析了UM 71信号的时域波形和频谱特点以及小波变换在时域和频域具有良好的局部化特性.针对UM 71信号的信息特征,提出了基于小波分析技术、利用小波脊线对UM 71信号进行解调进而提取UM 71信号信息特征的方法,给出了小波算法解调过程,通过计算机仿真,证明了此方法的有效性.该方法克服了傅立叶变换频谱分析方法缺乏时间和频率定位功能的缺点,可以得到UM 71信号的瞬时幅度、瞬时频率及上下边频等特征,从而为UM 71信号的分析和解调提出了一个新的方案.

短时突发非协作的FSK信号检测

本文探讨了突发FSK信号的检测方法[1],但是用来检测无引导码的突发FSK信号是不够的,没法判断信号何时来临。阐述了能量检测、小波变换以及AFC的原理。利用结合能量检测和AFC环的非相干解调算法,以及小波变换的算法,并分别给出了处理流程以及仿真结果。结果表明,两种方法都可以较好地检测无引导码的突发FSK信号。

一种新的跳频信号参数估计方法

跳频信号(MFSK)已应用于多种雷达中,针对此类信号的参数估计问题提出了一种基于重排小波尺度谱(Rearrangement Wavelet Scale Spectrum,RWSS)和图像处理联合估计的方法。该方法首先通过积累RWSS的时间估计信号的各个频点及编码个数,利用各频点的范围剪切时频图像并进行整形;然后利用图像处理的闭运算将断裂的时频脊线连接起来;最后对时频脊线进行再次修正并搜索最短连通区域的长度估计跳周期。仿真表明,该方法能在低信噪比下精确估计信号参数。

采用双方波信号和B-样条小波解调弱反射光纤布拉格光栅

提出了一种采用双方波信号和B-样条小波解调弱反射光纤布拉格光栅(WFBG)的方法,并进行了实验验证.单个方波周期设置为相邻WFBG间光纤中激光往返传输的时间,对单个方波进行猝发操作形成双方波,则前WFBG反射的后方波与后WFBG反射的前方波重叠干涉.采用B-样条小波变换降低干涉信号的噪声,利用Hilbert变换对干涉信号进行π/2相移,对原干涉信号和相移后干涉信号比值进行反正切运算,得到干涉信号的相位信息.将间隔为50m的5-WFBG阵列置于木地板上,分别接收不同振幅和频率的正弦声波,采用上述方法解调的干涉相位信号能较好地反映声波信息.该解调方法解调光路简单,数据处理简单.

基于改进MODWPT时频分解的时变系统参数识别

本文在最大重叠离散小波包变换的Hilbert谱方法的基础上,通过与广义解调分析方法的结合,提出了改进MODWPT时频分解的方法,并将其应用到输出信号为非稳态信号的时变系统参数识别问题中。重点介绍了对MODWPT的改进方法,并给出了具体的实现步骤。仿真结果证明,此法可以有效地处理快变信号,可以将具有多个分量的复杂信号,尤其是存在密集模态的信号,分解为若干个单分量信号之和,而这些单分量信号的频率都具有明确的物理意义,求出各个单分量信号后,对他们在时频域内组合,可以得到原始的较为复杂信号的完整的时频分布曲线。对于时频分布上,含有两阶或多阶频率较为接近的时变系统,有着较好的识别效果。

基于Morlet小波脊线的调频遥测信号识别与解调

利用小波脊方差曲线,实现了码速率估计、码同步和调制进制识别。仿真结果表明,二进制调频遥测信号在选取Morlet小波cmor系数取7-7或9-9时,能够得到清晰的小波脊线,实现符号判别。

一种用于滚动轴承故障诊断的改进EWT方法

针对经验小波变换(EWT)在滚动轴承故障信号最优频带提取中存在的问题,提出一种基于提取能量包络趋势线以自适应划分频带的改进EWT方法,并应用于滚动轴承故障诊断。利用Teager能量算子将频谱转换成能量谱,通过反复希尔伯特变换得到能量包络线。提取极大值并平滑处理,获得能量包络趋势线,对其进行1阶差分,选取有效极值点以自适应划分频带。构造一种归一化故障特征频率显著性指标,作为故障诊断和最优共振频带选取的有效判据。通过滚动轴承故障仿真和试验数据对算法进行验证。结果表明:相比于原始EWT,该方法可有效识别滚动轴承早期故障并合理选取最优共振频带。针对外、内圈故障数据所提指标可平均提升48.0%和174.1%。

基于小波变换的MDPSK信号盲解调算法

在M进制差分相移键控(M-ary differential phase-shift keying,MDPSK)信号解调中,非合作信号的载频估计误差或者高动态环境引起的Doppler频移都会使得解调性能恶化,甚至无法解调。针对这个问题提出了一种盲解调算法,该算法基于MDPSK信号相位跳变点频谱分布与相位跳变量之间的对应关系,利用小波变换的滤波特性提取MDPSK的频谱分布特征来完成信号解调。该算法不需要载波恢复,并且对载频估计误差也不敏感。仿真结果表明:当BDPSK信号Es/n0为5 dB时,QDPSK信号Es/n0为10 dB时,盲解调性能比理论值恶化约为2 dB;并且当载频估计相对误差小于15%时,解调性能无明显下降。