基于谱插值和奇异值差分谱的滚动轴承静电监测信号去噪方法

采用静电传感器进行滚动轴承故障监测实验研究.针对滚动轴承静电监测中各种强噪声、故障特征难以提取的问题,提出了基于谱插值和奇异值差分谱的联合去噪方法.首先采用谱插值抑制工频干扰,然后将所得信号构造Hankel矩阵,求取奇异值差分谱并自动确定有用分量个数,最后重构信号.仿真和实验结果表明:仅采用奇异值差分谱或者小波去噪方法,无法从含有强工频干扰的信号中提取有用成分;所提出的方法相比较谱插值和小波去噪方法能够凸显早期故障特征频率.     

一种提高脉冲雷达多普勒相位精度的方法

针对低信噪比条件下脉冲雷达模糊多普勒相位精度较低,可能导致相位测距时不能正确解相位模糊问题,基于EMD（Empirical Mode Decomposition,经验模式分解）区间阈值去噪方法,提出了一种新的提高多普勒相位精度的方法：利用EMD分解后各层信号的频率特性和能量特性,选取合适的阈值,并对各层信号进行区间阈值化处理,在提高信号信噪比的同时保持了信号的连续性.分别在回波信号噪声为高斯白噪声和AR（2）相关噪声的情况下,以及不同信噪比条件下,对该方法进行验证.仿真结果表明：在低信噪比条件下,当回波信号噪声为白噪声和相关噪声时,EMD区间阈值去噪方法能将回波信号信噪比提高5 dB,去噪性能优于小波阈值去噪方法,其对应多普勒相位精度能提高1倍以上.     

基于PSO-RWE的自适应小波阈值函数滚动轴承振动信号去噪方法

针对现有小波去噪方法存在阈值函数中未知参数选取依赖经验,导致去噪不充分或去噪后信号失真的问题。提出了一种基于相对小波熵(RWE)的粒子群优化(PSO)算法,用于小波阈值函数中未知参数的自适应寻优,达到滚动轴承振动信号自适应降噪目的。改进了一种含两未知参数的小波阈值函数;以相对小波熵为优化算法的适应度函数对未知参数进行自适应寻优,得到最优小波阈值函数;通过对模拟仿真信号和试验采集的滚动轴承振动信号进行分析。结果表明:优化后的小波去噪方法能够更好地将噪声从染噪信号中滤除,去噪后信号波形的平滑度更好,信噪比相较硬阈值去噪提高294%,而且保留了原始信号更多的细节特征,具有更好的去噪性能和应用实用价值。     

基于可变滑动窗口与3σ准则的脉冲星信号去噪算法

针对地面接收射电观测脉冲星信号较弱、信噪比较低的问题,提出了基于可变滑动窗口与两层3σ准则的信号去噪算法。该算法引入可变滑动窗口,对信号进行分步连续处理,同时在筛选噪声时使用两层3σ准则算法,解决了噪声遗漏及过度去噪问题。为证明算法可靠性与实用性,利用佳木斯66 m观测站实测数据进行算法验证,针对J1939+2134与J1744—1134脉冲星的实测数据进行分析处理。结果表明,该算法能够对脉冲星数据进行有效去噪,普遍提高信噪比约10dB。     

基于LCD-ICA的水声信号降噪方法

针对水下目标信号易受噪声影响、信噪分离难的问题,提出一种基于 LCD和 ICA分析相结合的水声信号降噪方法,给出了该方法在水声降噪领域中应用原理和方法步骤；并通过仿真信号,验证了该方法在水声信噪分离中的有效性。结果表明,采用文中所提的方法能够有效降低噪声干扰,提高目标检测的可靠性。     

融合静电信号和气路参数的发动机性能评估方法

为了研究静电监测技术对航空发动机的监测效果,开展了航空涡喷发动机静电监测台架实验,获得了140个完整试车阶段的静电信号数据。针对发动机传统气路性能评估方法的信息源有限的问题,提出了一种融合静电信号和气路参数的发动机性能评估流程和方法,进一步采用了基于逻辑回归模型的评估算法对发动机的综合性能进行量化评估,通过融合试车实验的静电数据和性能参数,对发动机的健康状态评价方法进行研究。结果表明:当健康值为0.9以上可以认为发动机为健康状态,当健康值小于0.3时可以认为发动机已经发生了较为严重的退化,所提出的融合评估方法要优于传统的性能参数评估方法,能够提前预警气路性能严重退化。     

基于EMD-TFPF的仿生偏振光罗盘去噪方法

为了提高仿生偏振光罗盘定向精度,降低罗盘在进行航向角测量时存在的高斯白噪声,基于经验模态分解(EMD)和时频峰值滤波(TFPF),设计了一种用于仿生偏振光罗盘的EMD-TFPF联合去噪方法.在去噪过程中,首先将含噪声的航向角信号分解为不同的模态,对不同模态采用不同窗长进行时频峰值滤波,进而改善了单一窗长去噪对有用信号造成的衰减,有效提高了去噪算法的自适应能力.经过机载实验验证,采用该方法去噪后的仿生偏振光罗盘可以实现定向精度0.3259°,比原始信号精度提升了18.4％.     

滚动轴承故障诊断的品质因子可调小波重构方法

针对轴承早期故障诊断困难的问题,提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法.该诊断方法首先对轴承故障信号进行共振稀疏分解获得高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构,并结合峭度分析,筛选出最佳分析信号;最后对最佳分析信号进行希尔伯特解调分析,从而提取滚动轴承故障特征信息.通过对仿真信号和实际故障信号进行分析,该方法能有效提取轴承故障信号中的冲击成分,凸显故障特征.      

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于 SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于 SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了 1种小波域 SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强 Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的 SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

Method for denoising and reconstructing radar HRRP using modified sparse auto-encoder

A high resolution range profile (HRRP) is a summation vector of the sub-echoes of the target scattering points acquired by a wide-band radar. Generally, HRRPs obtained in a non-cooperative complex electromagnetic environment are contaminated by strong noise. Effective pre-processing of the HRRP data can greatly improve the accuracy of target recognition. In this paper, a denoising and reconstruction method for HRRP is proposed based on a Modified Sparse Auto-Encoder, which is a representative non-linear model. To better reconstruct the HRRP, a sparse constraint is added to the proposed model and the sparse coefficient is calculated based on the intrinsic dimension of HRRP. The denoising of the HRRP is performed by adding random noise to the input HRRP data during the training process and fine-tuning the weight matrix through singular-value decomposition. The results of simulations showed that the proposed method can both reconstruct the signal with fidelity and suppress noise effectively, significantly outperforming other methods, especially in low Signal-to-Noise Ratio conditions.     

小波变换与SVD结合的射频信号消噪方法

射频信号因具备空间远距离传输特性被广泛应用于航天测控等领域,但空间磁场、信道、设备元器件等会引入大量噪声干扰,对射频信号的传播及后续分析处理造成影响。而目前关于射频信号消噪的研究很少,针对此问题,对比研究了传统滤波器消噪、小波阈值法及SVD(Singular Value Decomposition,奇异值分解)法在射频信号消噪方面的应用,仿真分析了各算法对有用射频信号的提取效果,从而发现3种方法均能起到噪声抑制的作用,但是,滤波器法明显会降低信号能量,小波变换法易使重构信号失真,而SVD法则运算时间较长。为此,提出将小波阈值法与SVD相结合,用于射频信号消噪。再通过比对各方法消噪的性能指标,验证了将2种方法结合,可有效提高运算效率及噪声抑制能力。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

Structured sparsity assisted online convolution sparse coding and its application on weak signature detection

Due to the strong background noise and the acquisition system noise, the useful characteristics are often difficult to be detected. To solve this problem, sparse coding captures a concise representation of the high-level features in the signal using the underlying structure of the signal. Recently, an Online Convolutional Sparse Coding(OCSC) denoising algorithm has been proposed. However, it does not consider the structural characteristics of the signal, the sparsity of each iteration is not eno...     

基于自适应分段混合系统的轴承故障诊断

针对强噪声背景下轴承早期故障的诊断问题,提出一种基于自适应分段混合随机共振（adaptive piecewise hybrid stochastic resonance,APHSR）系统的检测方法。采用经验模态分解法（EMD）进行信号预处理,分别采用能量密度法和相关系数法去除高、低频噪声,自动筛选最优固有模态函数,经尺度变换后输入分段混合随机共振系统模型,提取故障信号。工程实验显示:经过APHSR系统,轴承故障特征频率的频谱幅值、频谱幅值与周围最大噪声之差和最大信噪比（SNR）均高于经验模态分解和经典随机共振方法,其中齿轮箱故障轴承信噪比分别提高了9.579 dB和7.473 dB,转子故障轴承信噪比分别提升了8.597 dB和5.695 dB,对凯斯西储大学故障轴承数据处理后的信噪比分别提升了3.369 dB和17.043 dB。数据表明APHSR方法具有高效性,提高了轴承故障信号诊断能力。      

Impulse feature extraction method for machinery fault detection using fusion sparse coding and online dictionary learning

Impulse components in vibration signals are important fault features of complex machines. Sparse coding(SC) algorithm has been introduced as an impulse feature extraction method, but it could not guarantee a satisfactory performance in processing vibration signals with heavy background noises. In this paper, a method based on fusion sparse coding(FSC) and online dictionary learning is proposed to extract impulses efficiently. Firstly, fusion scheme of different sparse coding algorithms is presented to ensure higher reconstruction accuracy. Then, an improved online dictionary learning method using FSC scheme is established to obtain redundant dictionary and it can capture specific features of training samples and reconstruct the sparse approximation of vibration signals. Simulation shows that this method has a good performance in solving sparse coefficients and training redundant dictionary compared with other methods. Lastly, the proposed method is further applied to processing aircraft engine rotor vibration signals. Compared with other feature extraction approaches, our method can extract impulse features accurately and efficiently from heavy noisy vibration signal, which has significant supports for machinery fault detection and diagnosis.     

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.      

基于Birge-Massart阈值降噪与EEMD及谱峭度的滚动轴承故障特征提取

针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征，去除无关IMF分量的影响。