基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。     

混沌理论在尾桨气动噪声信号分析中的应用

研究剪刀式尾桨气动噪声的混沌特性，并应用混沌理论进行了直升机尾桨气动噪声信号分析。本文通过利用多频调制方法对尾桨噪声进行理论分析，得出相对声压值随剪刀变化的规律；然后将混沌运动的特征参数——关联维数用于剪刀式尾桨气动噪声信号的分析。分析结果表明剪刀式尾桨引起的气动噪声含有混沌特性，同时对比理论和试验结果表明剪刀尾桨构型的参数对气动噪声有明显的影响。     

子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

改进的EMD方法在车辆振动信号提取中的应用(英文)

为了能在强噪声背景下准确地进行振动信号的特征提取,对经验模式分解进行了研究和改进,并将其应用于车辆振动信号的特征提取中。首先对系统中各输入信号进行了多次自相关处理,有效地降低信号中的噪声。然后对处理的信号进行经验模式分解,得到了各固有模态函数分量。最后对感兴趣的固有模态函数分量进行希尔伯特变换和谱分析,从而得到信号的特征信息。仿真和试验分析说明了改进的经验模式分解方法的可行性,并且对同类工程问题具有一定的参考价值。     

混沌行为预测：一种变型的码本预测方法

利用混沌周期点之全体在其不变集中稠及其不变集的几何结构呈一定程度的自相似性性质,提出了一种变形的码本预测方法,对带和不带观测噪声的混沌时间序列进行预测.在保证精度的前提下,克服了全局非线性化模型和局部线性化模型对噪声敏感及预测时间短的缺点.     

混沌电路的传感应用

将混沌理论与电路理论相结合，分析了一些能产生混沌的电路，对帐篷映射迭代产生混沌的基本原理和性质进行了研究。并在仿真试验的基础上，设计出一种基于帐篷映射的差分混沌电路。根据混沌的初值敏感性以及输入值和混沌轨道的一一对应性，在理论上提出并论证了利用符号动力学的基本理论度量被测信号的可能性，将混沌电路应用于传感器设计，并成功地完成了基本模型试验，给出了基本的实验数据及其分析，开拓了混沌理论应用的新领域。     

基于小波神经网络的混沌时间序列预测及应用

根据相空间重构理论,探讨了一种基于小波神经网络(WNN)的混沌时间序列预测方法。根据G-P算法和Takens理论,计算出混沌时间序列相空间重构所需的最小嵌入维数,以此作为网络的输入节点数。通过时频分析,使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测,验证了方法的有效性。结果表明,对于混沌时间序列的预测,WNN网络比BP网络表现出更理想的预测效果,为非线性动态系统的预测提供了一种有效的途径。     

构件在超音速气流环境下的辐射声场特性分析

在超音速环境中,构件所产生的辐射噪声往往容易被高强背景噪声所淹没,难以被提取出来,给结构的降噪设计带来困难。因此,提出了一种基于集合经验模态分解(EEMD)的构件辐射声场特性分析方法。首先,通过传声器阵列采集气流背景噪声;放入构件后,再次采集新的辐射噪声信号。然后,采用EEMD对采集的信号进行多尺度分解,根据各个尺度信号的相关性大小,提取出气流环境中有无构件情况下的差异性特征成分。最后,通过波束形成方法对提取出的信号成分进行声场重构,确定构件对气流的主要扰动位置和辐射噪声强度。在5Mach气流环境中,对平板件、尖劈件分别进行了实验分析,结果表明,新方法能够有效提取出放入构件后辐射噪声场的变化成分,并重构出构件扰动辐射噪声场的主要噪声源位置和辐射噪声的大小。     

基于小波分解的模极大值算法在钛合金超声检测信号去噪中的应用

本文针对钛合金超声检测信号中普遍存在的噪声过大、信噪比过低的现象，结合钛合金超声检测信号与材料散射噪声信号的产生特点，构造了一组数学模型，并提出了基于小波分解的一种改进的模极大值去噪算法。该算法利用小波分解中的低频系数来确定信号位置，在高频各尺度系数的对应位置寻找相应的频率信息。以达到提取信号去除噪声的目的。实例分析表明：该模型能基本反映超声检测信号的特点，而且此算法对钛合金超声检测信号去噪效果比较理想。     

混沌信号的一种简单设计方法及应用

在对一类简单的能够产生混沌现象的映射过程进行统计特性分析的基础上,利用其协方差函数特点,介绍了一种自协方差函数为ｃ（ｋ）＝ｃ（０）αｋ,０＜α＜１形式的混沌信号的简单设计方法及应用,从而为有目的地产生混沌信号,利用及分析混沌信号提供了新的信号获取途径。     

基于静态小波分解的机加工表面图象滤波

由于在机械加工过程中机械振动和噪声回波的相干性，机加工表面图象上会存在白噪声，为了削弱这些噪声的影响，提出了一种基于静态小波分解的自适应阈值滤波方法，该方法首先将机加工图象分解至静态小波域。然后在静态小波域中将噪声的小波系数收缩至零，将此算法应用于机加工图象噪声滤波，并与基于Mallat分解的滤波算法和另外三种典型图象滤波算法进行比较，结果表明，该方法不仅可以有效的去除噪声，而且还可以保持图象的精密纹理结构。     

时序多相关-经验模式分解方法及其对车辆振动信号的分析

振动信号的特征提取由于受强背景噪声的干扰往往具有很大的困难。在作者提出的时序多相关-经验模式分解方法的基础上,提出了一种相应的改进方法,将其扩展到一般振动信号的特征提取。先对采集到的时间序列作多相关处理,在时序多相关处理时,为了达到克服噪声干扰的目的,取一段采样序列,对其作周期延拓,使得在多相关处理后,噪声仅仅体现在多相关序列的常数项里面。再对得到的多相关数据作经验模式分解,选择满足要求的本征模式函数并作边际谱分析,以达到提取强噪声背景下的特征信号的目的。仿真分析表明了该方法的有效性。最后将它应用到实际某特种车辆振动信号的特征提取中,得到了满意的结果。     

Operational Mode Identification Based on Sliding Time Window Method and Eigensystem Realization Algorithm

The identification result of operational mode is eurychoric while operational mode identification is investigated under ambient excitation,which is influenced by the signal size and the time interval. The operational mode identification method,which is based on the sliding time window method and the eigensystem realization algorithm(ERA),is investigated to improve the identification accuracy and stability. Firstly,the theory of the ERA method is introduced. Secondly,the strategy for decomposition and implementation is put forward,including the sliding time window method and the filtration method of modes. At last,an example is studied,where the model of a cantilever beam is built and the white noise exciting is input. Results show that the operational mode identification method can realize the modes,and has high robustness to the signal to noise ratio and signal size.     

Anchoring Bolt Detection Based on Morphological Filtering and Variational Modal Decomposition

The pull test is a damaging detection method that fails to measure the actual length of a bolt. Thus,the ultrasonic echo is an important non-destructive testing method for bolt quality detection. In this research,the variational modal decomposition(VMD)method is introduced into the bolt detection signal analysis. On the basis of morphological filtering(MF) and the VMD method,a VMD-combined MF principle is established into a bolt detection signal analysis method(MF-VMD). MF-VMD is used to analyze the vibration and actual bolt detection signals of the simulation. Results show that MF-VMD effectively separates intrinsic mode function,even under strong interference. In comparison with conventional VMD method,the proposed method can remove noise interference. An intrinsic mode function of the field detection signal can be effectively identified by reflecting the signal at the bottom of the bolt.     

一种基于白噪声的多点激励随机信号生成方法

为提高多输入多输出(Multiple input multiple output,MIMO)线性随机振动试验系统中具有相关特性的多路驱动信号生成精度,基于驱动谱非负定Hermite特性及矩阵分解理论提出了一种CD(Cholesky decomposition)白噪声滤波信号生成方法。构造具有特定"频响特性"的传递系统,将一系列独立白噪声通过该系统得到具有预期相干特性、相位差以及自谱的平稳随机信号。建立悬臂梁两输入两输出线性振动系统仿真模型,将传统傅里叶逆变换时频转换方法与CD滤波法生成的驱动信号进行对比分析。结果表明新方法精度与参考值误差不足1dB。两轴振动试验验证结果表明,应用CD法既满足工程实际标准需求,又为振动环境试验提供理论依据。     

噪声与共振环境下的数字助听器鲁棒声源定位法

提出了一种噪声与共振环境下的数字助听器鲁棒声源定位方法,该方法基于房间共振模型和多通道自适应特征值分解算法,利用自适应次梯度投影方法迭代地估计声源至各麦克风的脉冲响应系数,从而获得各麦克风对的时延差,并利用几何方法计算声源位置。针对眼镜数字助听器四元麦克风方阵的仿真表明,所提出的自适应次梯度投影方法在强噪声环境中的鲁棒性和定位精度优于传统NLMS算法。     

高超声速风洞来流扰动测量及数据后处理技术研究

来流扰动对高超声速风洞中开展的实验研究，如层/湍流边界层的不稳定性与转捩实验，有直接影响。为加深对高超声速风洞中边界层转捩实验的认识，需对高超声速风洞的来流扰动进行定性与定量的测量与分析。提出一种高超声速风洞扰动模态校测方法，使用热线风速仪和皮托管压力探头对高超声速风洞自由来流进行测量。在小扰动假设前提下通过模态离解分析，并结合直接数值模拟结果，获得风洞自由来流各扰动模态的幅值。运用德国不伦瑞克工业大学马赫数6 Ludwieg式高超声速风洞对该方法进行检验。实验结果显示:该风洞为典型噪声风洞，其来流扰动中声波模态高达扰动总模态的69%，涡波模态和熵波模态约各占15%。该扰动模态校测方法为高超声速风洞的流场扰动测量提供了一个思路，为基于高超声速风洞开展的实验提供了借鉴和参考。     

基于气动(气动噪声)/结构耦合仿真研究

声振综合力学环境是航空航天飞行器的重要环境之一。航天飞机或运载火箭、飞船在起飞段产生强噪声环境,这种强噪声会激发局部结构振动,损伤飞行硬件,所以飞行器强噪声环境和随机结构振动预示受到了各航空航天大国的重视。综述了国内外综合力学环境研究现状,提出了气动(气动噪声)/结构耦合思想,即基于物理声学、结构动力学以及空气动力学的三场耦合,对飞行器综合力学环境进行预示。分析了气动(气动噪声)/结构耦合综合力学环境仿真的关键技术,提出的仿真基本思路是在已有气动弹性研究的基础上引入噪声载荷,建立三场耦合平台。以舱段为研究对象,进行了气动/结构/声学(CFD/CSD/CAA)耦合建模及仿真,获得舱段时域结构响应,验证了方法的可行性。研究目的是拟开发空间飞行器结构/热/气动/气动噪声多力学耦合分析的仿真环境分析软件。为研究用于高超声速飞行器复杂力学环境预示积累理论基础。     

基于匹配追踪算法的自适应时频分解改进及其应用

针对匹配追踪算法计算量太大,在实际中运算时间太长的问题,结合匹配追踪的特点,采用遗传算法来搜索每次匹配的最佳时频原子,并做出改进以提高其运算的度和局部搜索能力。对信号进行分解后,引入维格纳分布,消除信号在时间-频率平面上能量密度分布的交叉项,从而充分揭示信号的时频信息。