信号循环平稳特性及其应用

信号处理领域的很多时间序列都可以用循环平稳来建模,这是因为对信号的离散采样、扫描、调制、多址、编码以及物理现象固有的周期性都使信号呈现出周期性。循环平稳信号是一类非常重要的平稳信号,许多信号、干扰都表现出一定的循环平稳性,将信号的这种特性考虑在内的信号处理器,较之传统的信号处理器,可以得到性能上的提高。该文简要介绍了循环平稳信号的基本特性,主要介绍了该理论在各领域的具体应用。

有关循环平稳近场声全息的重建参数的若干确定准则

与普通近场声全息理论相比,循环平稳近场声全息理论可以更好地用于分析循环平稳声场。讨论了循环平稳近场声全息的重建参数的若干确定准则,包括:全息面孔径,相邻测点间距及全息面与声源间的距离等。仿真表明,在这些准则的指导下,可以确定合理的重建参数,提高循环平稳近场声全息理论的重建精度,提高其工程实用价值。

周期平稳信号处理及其应用

周期平稳信号是一类非常重要的非平稳信号,许多信号、干扰都表现出一定的周期平稳性,将信号的这种特性考虑在内的信号处理器,较之传统的信号处理器,可以得到性能上的提高。本文对周期平稳信号处理的基本理论和方法,以及它在各领域中的应用作一概要总结,并在此基础上,对周期平稳信号处理新的发展和应用方向予以展望。

一种循环平稳声场的声源识别定位方法

传统的近场声全息技术在全息面声场预处理时,采用功率谱分析将声场简化为稳定的平稳声场,而旋转或往复机械的辐射声场为循环平稳声场,采用这种简化方法得到的分析结果并不能准确反映声场的特性。鉴此,对此类声场采用循环平稳信号处理方式进行了预处理,并选择循环谱密度作为重要参数进行全息重建,然后通过循环谱密度组合切片的分析方法提取信号特征频率。仿真及实验结果表明:提出的方法可准确分析循环平稳信号的周期特性,并对循环平稳声源进行准确的识别定位。

循环谱密度估计的最大似然滤波器法

针对周期平稳随机过程的循环谱密度的估计过去主要采用时域平均周期图法和频域平滑周期图法，特别当短数据时，上述方法的分辨率很低，方差极大，提出了循环谱密度估计的最大似然滤波器法，并作了改进．该方法不仅具有很高的分辨率，而且估计的方差也很小，具有较好的估计性能．

循环谱密度的两通道最大熵谱估计

对周期平稳随机过程的循环谱密度的估计,过去主要采用时域平均周期图法和频域平滑周期图法,但当短数据时,上述方法的分辨率很低,方差很大。本文提出了循环谱密度的两通道最大熵谱估计,该方法不仅具有很高的分辨率,而且估计的方差也很小,具有较好的估计性能。

直接序列扩频信号的周期谱密度检测法

本文针对直接序列扩频(DS/SS)通信系统的可截获性问题,提出了一种新方法,即用周期谱密度检测法,来获取该系统的重要参数,如载波频率、扩频码速率以及信号的调制方式等,从而实现对 DS/SS 信号的识别.最后,对 BPSK 和 QPSK 两种信号的调制方式进行了分析.由于计算中采用了FFT 算法,因此,便于进行实时处理。计算机模拟结果表明,此法是切实可行的。

循环相关熵谱密度估计高效算法研究

针对循环相关熵谱估计循环周期图检测(CPD)算法存在计算效率低、频谱分辨率低和易产生“频谱泄漏”的问题,该文提出一种循环相关熵谱估计的Correntrogram算法。Correntrogram算法借鉴Wigner-Ville分布(WVD)时频分辨率高的优势,将WVD算法中瞬时自相关函数替换为时变自相关熵函数,即可得到一种循环相关熵谱密度估计算法,称为Correntrogram。首先计算信号的时变自相关熵函数矩阵,再计算时变自相关熵函数矩阵各行的FFT,得到循环自相关熵函数矩阵,最后计算循环自相关熵函数矩阵各列的FFT,得到循环相关熵谱密度。通过仿真调幅信号的处理结果证明:Correntrogram算法有效提高了循环相关熵谱估计效率,避免了“频谱泄漏”,提高了频谱分辨率,该算法程序运行可靠。

基于循环多核相关熵的故障检测方法及应用

针对传统基于二阶统计量的循环平稳信号处理方法不能有效处理脉冲噪声干扰的问题,提出了一种基于循环多核相关熵的故障检测方法。首先,给出了多核相关熵的定义,推导了循环多核相关熵函数和循环多核相关熵谱密度函数计算公式,分析了循环多核相关熵的降噪机理;其次,用仿真信号验证了在低噪声比(SNR=-5)情况下循环多核相关熵的降噪性能,表明了循环多核相关熵不仅能有效抑制高斯噪声,而且能有效抑制非高斯噪声,循环多核相关熵为高斯、非高斯噪声的处理提供了一种鲁棒性处理方法;最后,将循环多核相关熵方法应用于齿轮箱齿轮齿面磨损故障诊断,实验结果表明:循环多核相关熵具有解调功能,能准确刻画齿轮齿面磨损故障的频谱特征,可有效提取淹没在强噪声环境中的微弱信号,提高了信噪比,证明了此方法为一种齿轮故障诊断的有效方法。

基于信息融合和广义循环互相关熵的电机轴承故障诊断

针对传统基于单路振动信号的故障识别可靠性较差和传统谱相关方法难以有效处理非高斯噪声的问题,该研究提出了一种基于多传感器振动信号信息融合和广义循环互相关熵谱的轴承故障诊断方法。首先推导了广义互相关熵、广义循环互相关熵和广义循环互相关熵谱密度的计算公式;然后给出了电机轴承故障诊断步骤;再利用轴承外圈故障仿真信号,分析了轴承故障振动信号的频谱特征,验证了广义相关熵的降噪性能,结果表明广义循环相关熵能有效处理高斯和非高斯噪声。最后将两路振动信号通过广义循环互相关熵进行融合,并应用于电机轴承故障诊断。试验结果表明,广义循环互相关熵能有效提取电机轴承内圈、外圈局部裂纹故障频谱特征,提高了故障诊断的准确性和可靠性,其性能优于传统的谱相关方法。