基于CEEMDAN-WP-SSA的GPS/BDS-RTK多路径噪声抑制方法

针对GNSS-RTK技术在复杂环境下的多路径效应误差和随机噪声难以消除的问题,提出一种自适应完备集合经验模态分解(CEEMDAN)、小波包(WP)去噪和奇异谱分析(SSA)结合的联合去噪方法,来消除基线坐标序列的噪声影响,在此基础上构建适用于GPS/BDS组合的恒星日滤波模型。首先采用CEEMDAN方法将原始信号分解成若干个特征模态函数(IMF),使用排列熵区分高频和低频分量,然后分别利用WP和SSA对高频信号和低频信号进行去噪,最后重构去噪后信号并通过恒星日滤波削弱后续坐标序列里的多路径误差。实验结果表明,基于CEEMDAN-WP-SSA构建的恒星日滤波模型能够很好的去除随机噪声以及削弱多路径误差影响,与CEEMDAN和CEEMDAN-WP方法相比,文中方法东(E)、北(N)、高程(U)3个方向的定位精度分别提升约17%、23.6%、13.6%和17%、19.8%、10%。

基于ES-ALPF的行星齿轮箱故障特征提取方法研究

针对行星齿轮箱故障初期特征提取困难的问题,提出了一种基于聚合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)、奇异谱分析(Singular Spectrum Analysis, SSA)与自适应线性预测滤波(Adaptive Linear Prediction Filtering, ALPF)结合的故障初期特征自适应提取方法。首先,利用EEMD预处理采集的振动信号,得到本征模态函数(Intrinsic Module Function, IMF)分量。其次,根据能量比选取IMFs重构信号。然后,利用SSA增强重构信号的非线性特征。之后,利用基于谱估计的自适应线性预测方法对非线性最突出的频段进行自适应线性滤波。最后,提取滤波后的信号包络,进行傅里叶变换,提取得到故障初期的微弱特征。在行星齿轮箱故障诊断试验台上进行了试验,所提方法与传统的基于EEMD-SSA的包络分析进行了对比,结果验证了该方法的有效性。

奇异谱分解联合互信息的主轴轴承故障特征提取研究

奇异谱分解(singular spectrum decomposition, SSD)算法存在当信号信噪比较低时降噪能力较差以及敏感分量个数难以确定的问题。针对上述问题,提出了SSD联合互信息理论(mutual information, MI)的主轴故障特征提取方法。首先,将轴承振动信号经过SSD分解,得到多个奇异谱分量(singular spectral component, SSC);然后分别计算原始信号与SSC之间的互信息,选择最小互信息(minimum mutual information, MinMI)处的分量为最佳分量。由于背景噪声的影响,选取的最佳分量故障特征频率并不明显。因此,基于振动信号特点与互信息理论提出了差分突变互信息(differential mutation mutual information, DMMI)的有效分量保留方法,通过对计算相邻SSC之和之间的MI值,保留突变点内的分量作为敏感信号,在此基础上再依据MinMI原则设计带通滤波器,对敏感信号带通滤波并进行包络解调以提取故障特征频率。通过仿真信号与真实主轴轴承数据分析表明,对信号进行DMMI保留敏感分量,结合MinMI准则的自适应滤波处理在主轴轴承故障特征提取方面表现了优异的性能。

基于SSA的组合预测模型在建筑物基坑沉降监测中的应用

为了提高单一的BP(Back Propagation)神经网络模型在建筑物基坑沉降数据预测中的精度,本文将奇异谱分析(SSA,Singular Spectrum Analysis)与卡尔曼滤波(KF,Kalman Filter)引入预测模型中,构建基于SSA的KF-BP神经网络预测模型。该组合预测模型首先利用SSA将原始时间序列中的趋势项与周期项提取出来;其次通过KF-BP神经网络模型分别对趋势项与周期项进行预测;最后重构趋势项预测结果与周期项预测结果,得到最终预测结果。将本文提出的基于SSA的组合预测模型应用于建筑物基坑沉降监测数据预测中,结果表明,本文提出的预测模型较BP神经网络模型、KF-BP神经网络模型的整体预测精度更高,预测结果更加稳定。

基于小波奇异性分析的扩频隐写检测算法

针对扩频隐写会破坏图像局部平稳性而使其产生高频奇异性的缺点,提出一种基于小波奇异性分析的扩频隐写检测算法。通过分析待测图像不同尺度下小波系数模极大值数量的变化情况,提取8维特征向量作为Fisher分类器的输入向量并对其进行训练。对测试样本的检测和攻击实验结果表明,该算法的平均检测率达到80%以上,能够检测出隐写的大致频带范围并实施有效的滤波攻击,为隐秘信息的进一步提取奠定了基础。

在运动状态下脉搏信号的级联滤波算法

为了减小在剧烈环境中脉搏波信号产生的运动伪迹,采用mimic数据库中由光子器件构成的光电传感器采集的脉搏信号,通过陀螺仪信号和三轴加速度互补滤波来矫正三轴加速度的角度,运用奇异谱分析将矫正后的三轴加速度信号分组为不同频率成分的信号,作为三级快速横向递归最小二乘(FTRLS)算法的参考信号自适应消除运动伪迹。结果表明,与最小均方算法、递归最小二乘法相比,信噪比分别提升了12.2%、6.7%,均方根误差分别减少了30%,11%,并且提高了计算速度。该研究对去除频域上脉搏波的运动干扰谱峰,保留重博波信息是有帮助的。

基于中值滤波-SVD和EMD的声发射信号特征提取

针对随机噪声和脉冲干扰对经验模态分解(EMD)质量的影响,提出中值滤波和奇异值分解(SVD)联合降噪方法,并将其与EMD分解相结合形成一种新的声发射(AE)信号特征提取方法。首先对原始AE信号进行中值滤波,去除幅值较大的异常值;其次对去除异常值的信号序列进行相空间重构和SVD分解,并针对难以确定重构阶数这一问题,提出奇异值能量差分谱概念,利用谱峰的较大值位置来确定重构阶数,以进一步降噪;最后对降噪信号进行EMD分解,以本征模态函数(IMF)的能量占比作为表征各损伤信号的特征向量。数值仿真和5层胶合板损伤的实测数据表明,该方法不仅能够滤除噪声干扰,提高EMD分解的时效性和准确性,而且能够有效地提取出胶合板AE信号特征,对其损伤类型进行有效地识别。

基于中值滤波-奇异值分解的胶合板拉伸声发射信号降噪方法研究

为了去除声发射信号中的随机噪声与脉冲干扰,提高有用信号质量,提出一种中值滤波与奇异值分解相结合的降噪方法。该方法首先对原始声发射信号进行中值滤波,去除幅值较大的异常值,其次对去除异常值的信号序列进行相空间重构和奇异值分解,最后针对确定重构阶数这一难点,提出奇异值能量差分谱概念,并利用能量差分谱的较大峰值位置来确定奇异值的重构阶数,以实现降噪。数值仿真和五层胶合板强度测试的实测数据分析表明,该方法能够有效地保留原有信号的特征,并能最大限度地消除噪声,提高信噪比。

SVD滤波技术与Prony谱线估计算法相结合的异步电动机转子故障检测新方法

提出了一种奇异值分解(SVD)滤波技术与Prony谱线估计算法相结合的异步电动机转子断条故障检测的新方法。SVD滤波技术可以理想地滤除电机定子电流信号中的基频分量与有色噪声,从而凸显转子断条故障特征频率分量。Prony谱线估计算法可以准确计算出各特征分量的频率和幅值,且不失高频谱分辨能力。将二者结合即可在短时采样信号条件下准确、有效地提取转子断条故障特征频率分量。对一台异步电机进行试验,结果表明:基于SVD滤波技术与Prony谱线估计算法的异步电动机转子断条故障检测方法效果理想。

轨道周期转型时间及模式分析

诸多研究表明在第四纪阶段,气候变化的主导周期曾发生了从41 ka向100 ka转变。但对于周期转型发生的时间,周期转型的模式是渐变还是突变,以及周期转型发生的原因仍处于纷争之中。笔者运用带通滤波、奇异谱分析和小波分析等数学方法,对柴达木盆地达参1井自然伽玛(GR)曲线、宝鸡黄土粒度曲线,以及ODP677孔、ODP659孔、ODP758孔的δ18O记录进行了对比研究,结果表明,周期转型开始时间大致始于1.4 Ma～1.2 Ma,此后经历了一个地轴倾斜周期逐渐减弱,偏心率周期逐渐增强的过程,至0.8 Ma之后偏心率周期的主导地位才最终确立,因此周期转型的模式是逐渐过渡的。

基于振动信号SVM分类的配变故障识别方法

配电变压器油箱表面的振动信号富含绕组和铁芯的各类状态信息，是绕组和铁芯工作状况的最直接体现。采用希尔伯特黄（HHT）带通滤波提取配电变压器振动信号主成分，获得表征绕组状态的100Hz分量及表征铁芯状态的150～1000Hz分量；利用负载电流拟合法提取绕组振动信号的特征量，通过测到的已知振动信号估计指定负载下的绕组100Hz振动幅值，构成绕组振动的特征向量；利用具有良好泛化能力及鲁棒性的双谱分析结合奇异值分解的方法表征铁芯振动的特征。提取实验室试验测得的绕组松动、绕组变形、铁芯松动、铁芯两点接地以及铁芯接地不良等故障振动信号的特征向量，用基于信息融合的支持向量机（SVM）实现绕组和铁芯状态的识别，结果验证了本文方法的有效性和准确性。

基于奇异谱分析和维纳滤波的语音去噪算法

针对维纳滤波算法对非平稳语音信号去噪存在的信号失真、信噪比(SNR)不高的问题,提出了一种奇异谱分析(SSA)和维纳滤波(WF)相结合的语音去噪算法SSA-WF。通过奇异谱分析将非线性、非平稳的语音信号初步去噪,提高含噪语音的信噪比以获取尽可能平稳的语音,并将其作为维纳滤波的输入,以剔除其中仍存在的高频噪声,最终获取纯净的去噪语音。在不同强度的背景噪声下进行仿真实验,结果表明SSA-WF算法在SNR和均方根误差(RMSE)等方面都要优于传统的语音去噪算法,能够有效去除背景噪声,降低有用信号的失真,适用于非线性、非平稳语音信号的去噪。

一种多维多域的微动信号降噪方法

针对窄带雷达微动目标回波信号具有的非平稳特点,提出了一种多维多域的微动信号降噪方法。首先,通过相参积累构建权函数,对回波距离维进行加权,将距离维上的噪声滤除;其次,对微动目标所在距离单元的信号进行奇异谱分析,保留奇异值较大的微动信号,滤除奇异值较小的噪声,并将方位维时域信号变换到时频域,通过定义风险函数,利用步长迭代的方法对时频谱进行自适应阈值滤波,选择出具有最佳去噪效果的时频滤波结果;最后,仿真和实验均验证了本文方法的降噪效果。

基于改进Cao算法的奇异谱分析法及其在北斗多路径去噪中的应用

研究了基于奇异谱分析的北斗恒星日滤波算法,采用相空间重构Cao算法来确定奇异谱嵌入维度,并针对Cao算法的不足进行改进,提高奇异谱分析法的准确性和计算效率。分析北斗系统不同星座卫星的轨道重复周期特性,通过计算确定北斗系统多路径误差的周期约为86 160s。利用奇异谱分析法和传统小波分析法对北斗短基线解算结果进行恒星日滤波处理。结果表明,本文提出的奇异谱分析法多路径滤波效果优于小波滤波法,能较好地消除原始坐标序列中的多路径误差。

基于奇异谱分析的γ能谱降噪算法

针对传统频域滤波法无法有效解决γ能谱中噪声频谱与谱成分频谱的重叠问题,本文提出了基于奇异谱分析的γ能谱降噪方法,阐述了奇异谱分析降噪方法的基本原理,给出了降噪算法.通过分析γ能谱的奇异谱特征,给出了最优嵌入维数和γ能谱重构阶数的选取方法.实测60 CoHPGeγ能谱的降噪结果表明:奇异谱分析法可有效分离和消除γ能谱的加性噪声和乘性噪声,从而大幅提高了能谱信噪比.与传统方法相比,该方法算法简单,具有较强的降噪能力,且待定参量少,是有效的γ能谱降噪方法.

奇异谱分析方法的行人步频检测

提高步频检测精度是行人航迹推算的关键之一。提出基于奇异谱分析的降噪方法,利用手机内置的加速度传感器采集行人步态数据,通过对滑动窗口滤波、巴特沃斯带通滤波和奇异谱分析对加速度模值进行降噪分析,进一步利用峰值探测方法检测手机携带于发信息、打电话、摆臂和口袋四种位置下的行人步频。实验表明:奇异谱分析方法降噪最优,平均准确率达99.1%。

基于融合聚类的220 kV变电站局部放电定位方法

现有的变电站局部放电定位方法在定位时存在较大的定位误差,为此提出基于融合聚类的220 kV变电站局部放电定位方法。采用奇异值分解(Singular Value Decomposition,SVD)的方式对放电信号进行非线性滤波降噪处理,结合信号成分的含量越高,对应的奇异值越大的特点,根据奇异值差分谱中任意2个相邻奇异值参量的变化程度确定保留或是剔除。以时域波形幅值为基准对降噪后的信号进行划分,根据各个划分结果对应的信号特征与变电站的额定输出信号的相似度对信号聚类,信号数据最多的聚类对应的位置即为最终计算得出的放电位置。测试结果表明,设计方法的定位结果与实际放电位置的误差稳定在0.30~0.50 m,具有较高的准确性。

奇异谱分析滤波法在消除GPS多路径中的应用

基于奇异谱分析(singular spectrum analysis,SSA)的基本思想,利用噪声与信号的赫斯特(Hurst)指数有显著差异这一特性,提出了一种新的SSA滤波法,同时给定了嵌入维数L与重构阶次P的确定标准,并将该方法应用于GPS多路径的研究中。通过模拟数据及实测GPS坐标序列的数据分析,结果表明SSA滤波法是一种有效的去噪方法,其去噪效果与小波滤波与经验模态分解(emprirical mode decomposition,EMD)滤波相当。针对多路径效应周日重复性的特点,利用该滤波方法建立改正模型,可有效地削弱多路径效应的影响,进而提高GPS动态变形监测的精度。

黄河河道冰水情定点连续自动检测及数据分析

根据黄河中上游流域冰水情监测以及预防凌汛灾害的需求,设计了一种适合黄河河道的冰水情自动测报系统.该系统由基于空气、冰与水电阻特性差异的冰层厚度传感器、DS18B20的温度梯度传感器以及智能处理仪构成.采用该系统在内蒙托克托县黄河河道进行了黄河封冻期河道冰层厚度连续监测试验,获取了大量的现场实测数据,对采样数据进行分析,提出了判别冰层厚度的平均滤波算法,实现了对冰层生消变化全过程的自动监测.

基于多尺度形态学与奇异值分解的滚动轴承故障特征提取

针对多尺度形态差值滤波存在的问题,将多尺度形态差值算子与奇异值差分谱理论相结合,提出了一种新的滚动轴承故障特征提取方法,能有效滤除噪声,并提取出信号中的故障信息。借助特征能量比的概念,在多尺度形态差值滤波中,提出并分析了两种不同的多尺度加权方法,同时对不同最大分析尺度下多尺度形态差值滤波的结果进行了研究。然后利用奇异值差分谱理论对未能有效滤除高斯噪声的形态差值滤波结果进行SVD重构,得到最终的特征提取结果。仿真表明该方法能在高噪声背景下有效提取出脉冲冲击信号,并在实测轴承故障信号特征提取中得到了验证。