时频测试方法在脑电信号分析中的应用

脑电波反映了通过感觉器官的各种信息的传递和处理过程,具有非常大的信息量。越来越多的证据表明,脑电波异常与脑病变具有密切的关系,临床上也越来越多地借助于脑电图来对癫痫、脑肿瘤、智力状况等疾病进行诊断。而脑电信号特征波的有效提取可以为医生的临床诊断提供更多的依据,以提高诊断的准确性。在对脑电的研究过程中,人们已经在临床上使用了各种时域和频域测量与分析方法,在理论上探讨了某些时频测试方法应用于脑电信号特征波形提取和分析的有效性,但临床应用未见报道。从临床应用及科学研究的目的出发,在"虚拟式脑电测量与分析仪"中集成了Gabor变换、Wigner分布、Choi-Williams分布、小波变换等各种时频测试分析方法来提取脑电信号中的特征波。分析表明,针对不同的目的和不同的特征波,选用不同的时频测试分析方法,可以获得满意的结果。

基于PC总线虚拟动态测试分析仪软件的设计

介绍了基于 PC总线虚拟仪器须解决的几个问题 ,详细说明了虚拟动态测试分析仪面板的设计原理及方法 ,以虚拟波形显示与数据记录仪和虚拟 FFT分析仪为例 ,剖析了仪器动能软件的设计方法。

基于LabVIEW的动平衡测试系统开发及应用

介绍了利用相关法实现振动信号幅值和相位准确提取的方法,开发了基于LabVIEW的转子现场动平衡测试分析系统,详细论述测试系统的总体结构、软件框架及分析处理流程、LabVIEW程序的具体实现等内容,并利用分析系统对现场电主轴进行了实验验证,取得了较好的结果。

摄影用三脚架震动特性的测试及分析

使用丹麦B.K振动噪声分析仪对9件摄影用三脚架进行了动态性能测试和对比分析,主要评价指标为加速度振幅最大值。测试分析结果为三脚架的选用和制造提供了科学的依据,并指出其改进方向。

虚拟式加工中心在线检测仪

设计了一种用于工件在线测量的虚拟式检测仪,从工件CAD图提取测量信息并自动生成检测宏程序,对测量数据分析后给出检测结果。对测头系统误差和评定算法误差进行了分析,提出了一种通过标定测头有效直径来补偿测头预行程误差的方法。对比验证后表明,虚拟式在线检测仪能进行较高精度的测量。

虚拟式加工中心在线检测仪的开发

设计一种用于工件在线测量的虚拟式检测仪,从工件CAD图提取测量信息并自动生成检测宏程序,对测量数据分析后给出检测结果。对测头系统误差和评定算法误差进行分析,提出一种通过标定测头有效直径来补偿测头预行程误差的方法。对比验证结果表明,虚拟式在线检测仪能进行较高精度的测量。

灰色预测法在机械测试中的应用

通过运用灰色系统理论建立关于轴承磨损量的灰色预测模型,计算结果表明,预测模型的计算值与实际测定值之间非常接近,而且可进一步预测设备运行状态趋势。灰色系统理论,其理论的简洁和思想方法的新颖特点表明,它将成为机械设备故障诊断的有力工具。灰色预测法的引进,丰富了设备状态监测与故障诊断技术学科的基础理论,推动了该学科向更高水平发展,预示了该学科具有更广阔的应用前景。

虚拟式风电机组功率特性测试仪的研发

为了实现对风电机组功率特性的测试,依据IEC标准对风电机组的功率特性测试的方法、原理进行了研究,提出了风电机组功率特性的现场测试方法,并且结合现代虚拟仪器技术设计并开发出实用的风电机组功率特性测试分析仪,该仪器是在VMIDS系统基础上成功研制出来的,在成功完成对风电机组各参数提取的同时,能分析出风电机组的各项特性。

基于Web的网络测试仪器及应用

介绍了网络化虚拟仪器的基本概念,分析了网络化虚拟仪器的结构,提出一套基于.net框架下的Web网络化仪器的解决方案。采用.net组件技术构造用户界面组件、数据服务组件、信号分析组件、数据库连接组件和数据采集组件,根据需要部署到合适的位置,实现远程测试分析。用户可以在远程登录Web服务器,用户界面组件和信号分析组件自动下载到客户端并嵌入浏览器运行,在浏览器中可以进行信号的测试与分析。

一种振动信号新变换法的研究

该文借助振动信号模型直观地阐明瞬时频率的物理意义 ;引出固有模态的概念及其应满足的条件 ;介绍Norden.E.Huang等人提出的关于固有模态瞬时频率的求法 [1 ] 、关于信号组成的创造性假设及 Hilbert- Huang变换信号分析法的主要内容、经验模态分解的过程和希尔伯特谱、边际谱的概念等 ;分析 Hilbert- Huang变换的有效性、先进性和目前急需解决的问题 ;给出 Hilbert- Huang变换的计算机实现流程图。最后通过分析实例检验 Hilbert-Huang变换的有效性和优越性。

有限区间信号边界效应问题的研究

研究了截断信号边界的“吉布斯”现象及数字滤波器相位特性对有限区间信号滤波处理的影响。在阐明了有限区间信号处理中边界效应物理本质的基础上 ,探讨了数字信号处理中通常所采用的边界处理方法的有效性问题。提出了一种命名为端值延拓法的新的边界处理方法。通过比较分析和实例验证表明这种方法的优越性。文中以零相位数字滤波及运用MALLAT算法对有限区间信号进行小波分解与重构为实例 ,介绍了其边界效应问题及解决方案 ,取得了很好的效果。

基于Linux的嵌入式心电监护仪

当前心电监护仪面临小型化,智能化和网络化的趋势,而目前普遍采用的遥测心电监护系统存在集中监护路数少,距离有限的缺点;远程心电监护系统具有传输速度不够快,费用高的缺点;且这两种系统都不能进行现场实时监护。作者研制的基于Linux的嵌入式心电监护仪,成功解决了这些问题。该监护仪采用嵌入式系统技术,不仅能对病人现场实时监护,而且能进行数据分析计算,具有成本低,体积小,重量轻,功耗低,性能稳定,网络功能强大等优点;通过因特网通信,它还能上传数据到监护中心以实现远程监护,具有速度快、成本低、可扩展性好的优点。该监护仪为医疗仪器的构建和网络化提供了新的解决方案,具有一定的应用价值。

基于Zigbee网络平台的井下人员跟踪定位系统

将Zigbee无线网络系统与有源RFID进行了比较,基于两者的优劣采用先进的Zigbee无线网络技术初步设计了井下人员跟踪定位系统,并介绍了此系统的构成及功能特点.该系统便于矿领导、调度室和安监人员及时了解有关人员下井时间及分布情况.

基于多分辨分析的时频分析

短时傅里叶变换由于采用固定宽度的时域窗 ,在缓变与瞬变信号共存的宽频带信号分析中 ,其时间与频率分辨力矛盾突出。采用Mallat算法的小波变换能够将信号正交分解成多尺度的信号分量 ,然而所提供的时频信息不很直观 ,难以识别其时频谱。通过对短时傅里叶变换和小波变换在时频分析中的优缺点分析 ,发现两者具有互补性。因此本文提出基于多分辨分析的短时傅里叶变换 (取名为WAVSTFT) ,即采用Mallat算法将信号分解成多个尺度信号分量 ,再对各分量分别做与其尺度相适应的短时傅里叶变换 ,最后把得到的各时频谱在同一个相平面上叠加 ,从而得到信号的总体时频构造。经理论分析与实例验证 ,该方法有效可行 。

离散频谱的校正方法综述

回顾了近年来平稳信号处理领域中离散频谱校正的理论研究和发展现状。根据时域信号的组成结构不同,分为两个方面:一是包含单频率成分或者多个间隔较大的频率成分信号的频谱校正方法,另一方面是包含多个密集频率成分信号的频谱校正方法。综合论述了各种离散频谱校正方法的原理、特点及其在工程中的应用。最后还对利用高阶统计量进行谐波恢复和信号重构的频谱分析方法进行了阐述,并对离散频谱校正领域的发展前景进行了探讨和展望。

脑电信号的现代分析方法

脑电图 (EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。临床实践表明 ,脑电信号中包含了大量生理与疾病信息 ,通过对脑电信号的处理 ,不仅可以为医生提供临床诊断依据 ,而且可以为某些脑疾病提供有效的治疗手段。作者从脑电信号的分析出发 ,论述了频域分析、时域分析等脑电图分析中常用的信号分析方法和特点 ,特别介绍了Wigner分布、小波变换和匹配跟踪等时频分析方法。

频率响应函数估计方法综述

回顾了近年来以线性系统为基础模型的频率响应函数估计方法的理论研究和发展现状。根据干扰误差主要成分的不同分为几个方面讨论,包括加性随机噪声、加窗泄漏引起的噪声、非线性系统失真引起的噪声等。综合论述了各种干扰误差下,各种频率响应函数估计方法的原理、特点及其在工程中的应用。最后对文章内容进行了总结并对频率响应函数估计领域的发展前景进行了探讨和展望。

改进的Hilbert-Huang变换在信号瞬态特征提取中的应用

通过对Hilbert-Huang变换(Hilbert Huang Transform,HHT)方法的机理的研究,提出了一种提取非平稳信号中瞬态特征的新方法,即正交经验模态分解(Orthogonal Empirical Mode Decomposition,OEMD)与Hilbert变换结合法。OEMD是一种以快速带通滤波为基础的,获得同有模态函数(IMF)的新方法,其最大特点是具有严格的正交性。通过OEMD得到IMFs后,再进行Hilbert变换求得瞬时频率和幅值,便能精确检测出信号中瞬态成分的时间、频率和幅值等信息。仿真和应用结果表明,该法比原HHT方法能更加有效地提取信号的瞬态特征,并成功地解决了原HHT中存在的模态混叠、虚假模态和边界效应等问题。

提升小波在齿轮箱故障诊断中的应用

利用小波变换进行信号特征提取时,特征提取效果依赖于小波基的选择。为了避免这一限制,引入一种基于提升小波的根据故障特征波形特点实现小波构造的方法。对齿轮箱振动信号的分析和故障特征信息提取结果表明,利用提升小波能比一般小波更好地与齿轮箱故障特征信号相匹配,提取出更有效的故障特征,为后续的故障诊断和分析提供了良好的条件。

应用多分辨率小波变换提取脑电信号异常节律

脑电信号是非平稳的随机信号 ,其中包含了大量的生理和疾病信息 ,对于医生判断脑部是否有器质性的病变具有重要作用。因此对脑电信号的分析和处理一直是人们努力研究的领域。考虑到小波变换良好的时频局部化特性 ,利用多分辨率小波变换方法来实现脑电信号异常节律的提取。脑电信号经多分辨率小波变换后所得到的各个尺度的信号不仅反映了信号的频率信息 ,即尺度越大 ,对应信号的频率越低 ;同时也反映了信号的时间信息 ,即反映此时的EEG状态。实验结果表明 ,选择合适的小波基 。