ADWR天气雷达两起典型故障分析与处理

以提高航空气象设备技术人员保障能力为目的,分析近期哈尔滨机场多普勒天气雷达在运行保障中出现的俯仰电源和线包温度过高等故障,指出其中的原因,探讨了处理方法,提出运行保障建议。

信号电缆绞合节距对电性能和投产长度的影响

介绍了绞合节距的标准要求,分析了信号电缆绞合节距对电性能和投产长度的影响。在绞合节距对电性能影响部分,论述了电性能的重要性,推导了导体直流电阻计算式,给出了绞合工艺参数。在绞合节距对投产长度影响部分,论述了投产长度的重要性,推导了投产长度计算式。以消防类信号电缆为例,对电性能和投产长度进行了实例计算。

基于参考独立分量分析的语音增强方法

参考独立分量分析(independen t com ponen t ana lys is w ith reference,ICA-R)将源信号的先验知识以参考信号的形式引入学习算法中,可以从混合信号中仅抽取期望的源信号.基于ICA-R提出了一种语音增强新方法.通过比较语音信号和多种噪声信号的特点,合理地构造了具有语音信号重要特性的参考信号,进而应用ICA-R从多种加性噪声中抽取了期望增强的语音信号.计算机仿真和性能分析结果均表明了该方法的有效性.

语音信号处理中基频提取算法综述

基频提取在语音信号处理领域是一个基础的课题。经过多年的研究,现在的技术在准确率和鲁棒性方面还没有达到一个十分令人满意的水平。当语音是一个干净的语音时,大部分的基频提取算法的结果都很好,但是当语音中混有较强的噪声,或者语音是多个语音的混合,从而同时含有多个基频的时候,很多现在的技术都表现得不好。该文介绍了若干主要的基频提取算法,并对这些算法的改进进行了讨论。

光盘道间距及其信道轨迹长度的测量

基于光盘的结构,将光盘抽象为一个反射光栅的模型,从而测出了光盘的道间距及信道轨迹长度.

异步风电机组接入系统的小干扰稳定及控制

在电力系统分析软件DIgSILENT/Power Factory中建立基于普通异步发电机的风电机组(异步风电机组)和电力系统模型,分析异步风电机组对电力系统小干扰稳定性及阻尼特性的影响。提出了一种改进的桨距角控制方案——将系统频率偏差信号引入桨距角控制系统。在系统发生低频振荡时,通过调节桨距角控制异步风电机组输出功率,使风电场输出功率与系统功率振荡的频率相关。对系统进行特征值分析和故障时域仿真,2种分析结果都表明,改进的桨距角控制环节能够改善系统阻尼,对系统功率振荡具有很好的阻尼和抑制作用,加强了系统动态稳定性。

音乐信号分析中常数Q变换的性能研究

由于采用指数分布的频域采样点,常数Q变换(ConstantQTransform—CQT)在音乐信号的音调分析中有着独特的优点。但是常数Q变换的性能究竟如何,还需进行多方面的研究,以便能开发其潜力、完善其不足。对于两种CQT定义下的频率估计准确性问题进行了讨论,给出了频率估计误差的计算公式和给定音节频率分辨率下CQT窗函数长度应满足的关系;通过实验研究了CQT和DFT在多音阶频率检测时的性能以及窗函数对CQT性能的影响。通过和DFT的比较,可以看到CQT在某些方面具有比DFT更好的特性。对于CQT的一些局限性文中也作了简单的评述。

双馈风电机全风况条件下小干扰稳定性分析

以双馈风力发电单机无穷大系统为研究对象,建立了风力机、双馈感应发电机、变频器控制系统及桨距角控制系统的数学模型和全阶微分代数方程式,用分析系统特征值和相关因子的方法研究闭环控制系统的小干扰稳定特性。研究得到全风况运行条件下系统的特征根轨迹及相应的振荡模式和阻尼特性,给出了各振荡模式和衰减模式与相应状态变量参与度的关系,为电力系统稳定器的设计提供了一定的理论参考。

基于小波变换的语音信号基音周期估计

基音周期是语音信号最重要的参数之一,是进行语音信号数字处理的基础.小波变换具有良好的时频分辨率,为语音信号基音周期提取提供了新的途径.基于小波变换及其多尺度边缘检测的基本特性,阐述了语音信号基音周期估计的原理、实现方法、算法流程;并给出了实验结果.实验表明:该方法可以实现大动态范围的语音信号基音周期估计计算,并可获得满足实用的较为精确的结果.

基于小波变换的音频信号基频提取

通过对小波变换表征信号突变原理的研究,给出了基于小波变换的音频信号基频提取的原理和算法。在算法的实现过程中,利用信号在时域和频域的对应关系提出了一种动态确定小波变换最佳尺度的方法,克服了固定变换尺度在检测基频变化范围大的声音信号时的不足,并将数学统计方法引入到极大值点的提取。在音频信号的实时基频检测实验中,该算法较准确地定位最佳尺度和极大值点,取得了较好的基频提取结果。

一种基于多尺度边缘特征提取的基音检测算法

目前很多的基音检测算法抗噪性较差 ,针对这一问题 ,本文提出了一种基于多尺度边缘特征提取的基音检测算法 (加权求和法 ) .该算法与传统的小波变换算法相比减少了局部极值的搜索次数 ,提高了检测精度 ,具有很好的抗噪性 .

基于卷积神经网络的鲁棒性基音检测方法

在语音信号中,基音是一个重要参数,且有重要用途.然而,检测噪声环境中语音的基音却是一项难度较大的工作.由于卷积神经网络(Convolutional neural network,CNN)具有平移不变性,能够很好地刻画语谱图中的谐波结构,因此我们提出使用CNN来完成这项工作.具体地,我们使用CNN来选取候选基音,再用动态规划方法 (Dynamic programming,DP)进行基音追踪,生成连续的基音轮廓.实验表明,与其他方法相比,本文的方法具有明显的性能优势,并且对新的说话人和噪声有很好的泛化性能,具有更好的鲁棒性.

基于DSP的导弹自适应控制算法仿真研究

利用PC机及数字信号处理器（DSP）——TMS320C31组成了一个纯数字仿真系统，建立了PC机与DSP之间的串行通讯协议，完成了自适应控制方法应用于某导弹俯仰通道的实时数字仿真，结果表明TMS320C31有能力在采样周期内完成自适应控制算法的解算。

EMD模态混叠消除及其在语音基音提取中的应用研究

针对信号固有奇异模态对EMD筛选构成模态混叠的问题,在提取语音浊音信号的基音成分的分析方法中,用FIR低通滤波器对信号进行预处理,使随后进行的EMD处理筛选出有物理意义的模式分量,即浊音的基音成分.并利用H ilbert变换得到了基音的时频、时能分布图.

基于小波变换的语音基频提取新算法

该文将小波变换应用于具有连续语音特征的三字词语音的基频提取,并针对实验中出现的问题对算法进行了改进,提出了一种新的基于小波变换的语音基频检测算法。该算法主要包括:离散小波变换计算、基于投票策略的基频点选择和基频起点确定、基频检查、异常点修正、头尾漏点处理以及基于投票策略的基频点精确定位。实验表明,该算法较好地克服了基于小波变换传统算法的不足,更适合于连续语音的基频提取,缺陷是需要较多的计算时间,不太适合于实时性要求较高的系统。

基于扩展谱相减的RCAF基音周期检测算法

针对传统基音检测算法在信噪比低的情况下提取的基音周期错误率较高,该文提出了一种基于RCAF(Reverse CAMDF Autocorrelation Function)搜索试探平滑的基音轨迹提取方法。采用自适应判决准则的扩展谱相减进行语音增强,在语音段实现了对噪声信号的估计。应用RCAF算法提取基音周期,通过搜索试探平滑算法对提取出的基音周期进行平滑处理。该算法降低了误判率,提高了提取精度。仿真结果表明,该算法在-10dB信噪比情况下,其性能优于传统的CAMDF和AWAC等方法。

双馈风电机组的小信号分析及其控制系统的参数优化

为了更好地研究及优化并网型双馈风电机组的动态特性,建立了其工作在额定风速以上时的总体模型,并对该模型进行线性化;通过小信号分析,获得了风电机组并入系统后的特征根。使用相关因子的对比分析方法,对特征根进行了分类;然后利用控制器参数对系统特征根灵敏度,提出了以灵敏度加权平方和最小为目标的控制系统参数优化模型及求解算法,协调优化双馈风电机组的励磁及桨距控制器的参数。最后利用频域分析及时域仿真,验证了该优化算法的有效性。

一种基音周期检测中减小中值平滑误差的方法

在语音信号处理中,常用的基音检测算法对于纯净语音信号的检测效果较好;然而,实际的语音信号都会受到背景噪音的影响,使得常用的检测算法不能达到最优化,为提高检测基音周期的准确性,可以在基音检测后处理中采用多种平滑技术,但大多情况下后处理基音周期估值仍然产生很大的误差,为此文章针对语音信号基音周期估值的中值平滑处理中,可能产生基音提取的误差,进行误差分析,提出一种减小中值平滑误差的方法。

汉语语音基音轨迹的层叠滤波和平滑

为了获得更加精确的汉语语音基音周期轨迹,研究了对汉语语音的基音周期轨迹进行层叠滤波和平滑的方法.基音是指发浊音时声带振动所引起的周期性,而声带振动频率的倒数就是基音周期.语音信号处理中精确提取特定语音的基音周期有重要的意义,基音周期的检测无论在语音信号的合成、编码还是识别方面,都起着非常重要的作用.本文依据数字语音信号的特点,设计了一种用于语音处理的层叠滤波算法,合理选择结构元素构筑了一组用于汉语语音基音轨迹平滑的层叠滤波器,仿真实验结果表明这种方法对于随机误判点与传统的基于中值与线性平滑的组合平滑相比效果更佳,同时也证明了层叠滤波器用于语音信号研究的可行性.

基于趋势分析的AMDF基音检测改进算法

针对语音信号处理中传统AMDF基音检测算法存在下降趋势易出现检测错误问题,提出基于去均值下降趋势的AMDF算法改进框架,并以线性多项式表示AMDF均值下降趋势,给出基于最小二乘法的AMDF改进算法。利用最小二乘法拟合均值下降趋势;将其从AMDF中减去获得改进的AMDF(LSAMDF)。仿真实验表明LSAMDF性能明显优于多种AMDF改进算法,验证了改进框架的正确性及以线性趋势表示均值下降趋势的合理性。