基于集合经验模态分解和小波阈值的真空泵振动信号降噪方法

真空泵的振动信号具有非平稳、非线性的特性,且夹杂着大量背景噪声,难以直接对其特征信号进行提取、分析,阻碍对真空泵的在线故障诊断。为此,文章提出基于集合经验模态分解(EEMD)的真空泵振动信号小波阈值降噪方法:首先将振动信号进行EEMD分解,得到若干个本征模态函数(IMF)与余项,然后引入归一化自相关函数对IMF分量进行筛选,再对筛选出的IMF分量进行小波阈值降噪处理,最后将降噪后的IMF分量与未处理的IMF分量和余项进行重构,得到降噪后的真空泵振动信号。对仿真与实验信号进行降噪处理的结果表明该方法优于现有的降噪方法,为真空泵振动信号的降噪提供了新的途径。     

一种惯组外场标定振动干扰的分离方法

惯组在外场进行标定时常会受到地基振动的干扰,这种干扰会对惯组的测试精度造成极大的影响.为解决这一问题,根据工程实际需要,提出了一种基于经验模态分解和数字信号滤波技术相结合的惯组输出振动干扰分离方法.首先利用经验模态分解将受振动干扰的惯组输出分解成若干本征模态分量,然后采用低通滤波器对高频分量进行滤波,对低频分量相应区段做幅值修正,最后将处理过的各分量叠加,即重构出消除振动干扰的信号.相对于传统的剔除野值后的平滑滤波方法,新方法保证了数据信息的完整性,有效降低了振动干扰的不利影响,提高数据信息的可靠性和真实性.仿真实验和工程实践表明,该方法对外场的瞬时振动干扰有较强地分离能力.     

小波分析在固体发动机试验中振动信号去噪研究

在固体火箭发动机地面试验中，由于燃气喷流噪声的作用，使得测量得到的发动机壳体振动信号中包含有很强的噪声分量。通过对噪声信号与振动信号相关性的分析，确定了噪声对振动信号作用最强的频段，并结合小波分析，小波分析理论，应用频带分离方法对振动信号进行去噪处理，取得良好效果。     

液体火箭发动机启动段振动信号的小波去噪

液体火箭发动机试验启动段的振动信号中包含有大量的噪声分量,通过小波变换的Mallat算法对振动信号进行去噪处理,并通过试车数据对采用的方法进行验证,取得了良好效果,显示了小波去噪在振动信号去噪领域的广泛应用前景。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

固有模态函数(IMF)积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器.首先通过经验模式分解(EMD)把带噪信号分解成有限个固有模态函数(IMF).检测的基本思路是,对各个IMF分量的绝对值作逐点乘积,用于抑制噪声并凸现信号,最后进行滤波和判决.本文以UWB信号为例,数据源于UWB雷达实验系统.在低信噪比(SNR),UWB脉冲与噪声波形相似,且噪声概率密度函数(PDF)未知情况下,进行实验.结果表明,当峰峰信噪比低于5 dB时,该检测器性能优于Teager能量算子(TEO).     

固有模态函数（IMF）积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器。首先通过经验模式分解（EMD）把带噪信号分解成有限个固有模态函数（IMF）。检测的基本思路是，对各个IMF分量的绝对值作逐点乘积，用于抑制噪声并凸现信号，最后进行滤波和判决。本文以UWB信号为例，数据源于UWB雷达实验系统。在低信噪比（SNR），UWB脉冲与噪声波形相似，且噪声概率密度函数（PDF）未知情况下，进行实验。结果表明，当峰峰信噪比低于5dB时，该检测器性能优于Teager能量算子（TEO）。     

利用多尺度小波变换改进PS点目标探测

如何从SAR图像中自动识别出有效的永久散射体（PS）是PS干涉系统中的关键环节之一。小波多尺度积能够反映目标信号与噪声在各频带之间的关联性,可以通过小波多尺度积来凸显目标。小波模极大值法通过搜索尺度空间中的模极大值,并利用信号和噪声不同的尺度特性来定位和识别目标。文章对这两种识别方法进行理论分析和实验对比,使用南京地区ENVI—SAT卫星的单视复图像数据进行了PS点的提取。实验结果表明：基于小波变换的多尺度PS点识别方法能够有效地降低雷达噪声的影像,可以在各种复杂的背景情况下有效地识别PS点。其中,小波模极大值法具有更为稳健的抗噪能力。     

基于自适应阈值估计的模极大值去噪方法

针对小波模极大值去噪方法中信号模极大值点搜索困难以及小波系数重构过程中存在不稳定因素,本文着重研究了如何利用自适应 BayesShrink阈值改进其模极大值点搜索过程,并采用分段三次样条插值算法重构小波系数,形成一种基于自适应阈值估计的模极大值去噪方法.实验结果表明该方法能够准确地提取有用信号,并提高了模极大值点的搜索...     

激光陀螺误差建模与估计研究

首先用小波分解的方法对陀螺误差的趋势项进行了分析 ,采用Allan方差分析的方法 ,对某型激光陀螺误差进行了建模及误差估计研究 ,将激光陀螺误差中的零偏、量化噪声、及随机游走噪声等误差成分分离出来 ,并对其统计特性进行了估计。同时实验结果表明一阶马尔可夫噪声在激光陀螺误差中不占主要分量     

基于局域波分解的微机械陀螺信号提取研究

在某型微机械陀螺实测数据的基础上,提出采用局域波分解的方法进行陀螺信号提取研究。根据局域波分解的滤波特性,采用一种新的滤波方式。首先将某一时刻的多个瞬时频率分解到不同的基本模式分量中,对信号进行局域波分解;根据分量相关系数判别噪声;对分量进行时域尺度滤波,得到重构后的去噪信号,进而得到陀螺真实信号。在实测数据上,通过局域波分解和小波变换进行信号提取对比分析,试验表明,两者均能很好的信号去除噪声,提取陀螺信号,但硬件实现上局域波分解更容易,更有实际工程意义。     

非线性燃烧不稳定振荡幅值演化特征信号辨识方法研究

固体火箭发动机非线性不稳定压强振荡信号存在明显的多阶模态共存现象，且各个模态幅值随时间变化特性不同，模态之间存在振荡能量的传递与演化过程。为研究非线性燃烧不稳定模态间能量传递的演化规律，首先需要对振荡信号进行准确的模态分解。基于变分模态分解(VMD)方法，提出了一种可用于固体火箭发动机非线性不稳定振荡信号的自适应模态分解方法SPSO-VMD,解决了传统VMD方法无法自适应问题，在提高信号分解精度的同时极大的降低了计算时间。基于该方法，对典型的非线性燃烧不稳定信号的各阶模态进行了分解和分析。结果表明，该方法能准确地获得非线性燃烧不稳定振荡信号中各阶模态的频率和幅值，频率误差为0,幅值误差小于0.5%。最后，将该方法应用于真实发动机振荡数据获得了各阶模态幅值信息，为后续各阶模态之间能量传递演化研究提供了关键、准确的数据支撑。     

基于PSO-VMD算法的生命探测方法研究

生命探测雷达在航空航天领域有着重要的应用,通过探测飞行员的呼吸、心跳、肢体动作等微弱信号,实现对飞行员的生命监测。针对实际场景中生命体微弱信号检测困难的问题,提出一种将包络熵作为粒子群算法适应度函数的变分模态分解（variational mode decomposition,VMD）参数优化算法。首先,利用粒子群算法对适应度函数进行选择,确定VMD算法中固有模态分量的分解层数以及惩罚因子个数的组合;其次,通过频谱分析选择特定层数的固有模态分量并重构雷达回波信号;最终达到去除噪声,提取生命体弱信号的目的。对比实验表明,所提出的方法相比经验模态分解算法能够更加准确地提取生命体信息,仿真结果验证了算法的有效性。     

基于小波多重分形的通信信号调制识别

针对非平稳、信噪比变化范围较大的通信信号,采用小波多重分形的方法进行调制类型识别。先利用小波变换把通信信号进行分解,再对得到的细节信号计算多重分形维数。仿真结果表明,该方法对噪声和调制参数不敏感,可对通信中的数字调制信号进行有效识别。     

一种空间目标翻滚周期估计的新方法

针对传统自相关和频谱周期估计方法常会出现虚假周期,提出一种基于非参数检验经验模态分解的周期估计方法。首先对空间翻滚目标的RCS序列进行形态学闭运算提取趋势特征,然后对闭运算后的RCS序列进行经验模态分解,对分解得到的每个本征模态函数(IMF)进行谱分析得到其IMF周期,最后基于非参数检验理论,对每个IMF周期进行分组求秩检验得到目标的翻滚周期。仿真和实测试验结果表明,该方法不仅能够克服虚假周期的影响,而且能够明显改善对翻滚周期的估计精度。     

大型捆绑火箭模态纵向分量对姿控系统的影响分析

针对助推段固体捆绑火箭纵-横-扭强耦合的模态特征,在小变形假设下推导了某型 固 体捆绑火箭姿态动力学模型,系统分析了模态纵向分量对箭体姿态运动和弹性变形的影响。 研究表明,模态纵向分量对箭体姿态运动影响较小,但会加大速率陀螺特别是滚动通道速率 陀螺输出信号的高频抖振,这一现象是捆绑火箭因助推器的存在所固有的。模态纵向分量容 易和部分“呼吸”模态和扭转模态发生耦合,但对横向弯曲模态基本无影响。〖JP〗     

窄带实高斯噪声对外差式零拍装置的干扰机理

以外差式CW多普勒引信为例分析了外差式零拍装置提取差频信号的基本原理,把外差式零拍装置在数学层面上抽象为对线性叠加信号求平方后提取低频分量的模型。根据该模型,从理论上证明了：窄带实高斯噪声单独通过外差式零拍装置后输出的低频噪声的带宽将得到加倍,噪声与本振信号相互作用后产生新的噪声分量将使低频噪声功率比无本振信号时得到增加;回波信号加窄带平稳实高斯噪声通过零拍装置后干信比将得到增强,且增强的程度将随本振信号功率的增加而降低。计算机仿真分析的结果验证了上述结论,也正好解释了早期CW引信极易受到频率对准噪声干扰而早炸的实际情况。     

液体火箭发动机振动故障特征信号提取方法

液体火箭发动机试验是一项高成本、高风险的工程,由于设计缺陷、零件加工误差、工作过程及机械连接结构的影响,导致试验过程发动机大振动现象的发生。基于发动机振动信号分析的状态监测与故障诊断方法是提高发动机可靠性和降低试验成本的重要手段。在给出液体火箭发动机振动故障诊断数学模型的基础上,详细介绍了发动机试验过程中7种特征信号提取方法,即:振幅特征提取、功率谱特征提取、频谱分析(谐频识别和边频识别)、突频特征提取、状态特征提取、小波特征提取和高阶谱特征提取,并结合发动机实际故障诊断方案,给出了发动机特征信号提取算法应用实例,通过发动机热试车验证了液体火箭发动机振动故障诊断的特征信号提取方法的正确性。     

小波技术在某型导弹运输转载车振动监测中的应用

主要讨论了基于小波技术的某型导弹运输转载车振动监测信号的压缩问题。对振动信号的小波分解，根据能量分布情况为各层小波系数分配比特数，最后将小波系数进行编码，实现信号压缩。实验数据表明该信号压缩方法可以获得较高的压缩比和信号恢复质量，有较高的实用价值。     

基于EMD-Hilbert包络谱分析的涡轮泵轴承故障特征识别

在火箭发动机涡轮泵高速轴承试验中,轴承的可靠性对保证试验的成功至关重要。针对涡轮泵轴承故障特征难以从原始信号中提取的问题,基于EMD-Hilbert包络解调分析方法,对涡轮泵高速轴承故障特征进行识别。采用EMD方法对原始信号进行自适应分解,获得若干个IMF分量;基于相关性指标最大原则筛选IMF分量进行信号重构;对重构信号进行Hilbert包络解调分析,提取出故障轴承的特征。以某型号涡轮泵低温高速轴承试验的真实故障数据验证本方法的有效性,数据记录了试验装置在阶梯式升速全过程中保持架故障的振动加速度信号。分析结果表明,基于EMD-Hilbert包络解调分析方法能够提高信噪比,最大程度保留保持架故障信息的周期性冲击成分,并能有效提取保持架故障频率、故障倍频及各种调制频率成分,实现对涡轮泵高速轴承故障的有效识别。为深度解析轴承保持架故障情况,结合系统11种运行状态,提出了一种轴承渐进劣化全过程的解析方法,确定出轴承故障早期人为干预的具体时刻。