一种基于小波分解的信号特征提取方法

利用目标信号功率主要集中在低频部分的特点，对信号进行小波分解，提取在不同频率带内信号的能量作为特征，用费歇判别方法对目标进行检测．通过不同浪级情况下海洋水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算，验证了该方法的有效性，尤其是在高海况、低信噪比条件下，达到了比较好的效果．     

一种基于能量聚点的目标检测方法

定义了刻画信号能量分布的λ水平能量聚点的概念，利用目标信号能量分布的特点，通过对信号进行小波分解提取各频段的信号，分别作功率谱估计后将频域信号的λ水平能量聚点作为信号特征量，用费歇判别分析方法对目标进行检测，计算机仿真结果验证了方法的有效性．     

无锁相环单相任意次谐波电流实时检测方法

提出了无锁相环单相任意次谐波电流实时检测方法．将谐波电流变换成低频信号,用转换矩阵代替常规谐波电流检测方法中的锁相环,用积分均值法代替低通滤波器提取低频信号,对低频信号再通过函数逆变换,检出谐波电流,分析了该方法的检测误差．仿真实验表明,提出的检测方法不受直流偏移影响,能自动跟踪系统频率,与采用低通滤波器提取低频信号的谐波检测方法相比,提高了检测精度和动态响应速度．     

一种基于RBF神经网络预测模型的舰船静电场检测方法

海洋环境中,舰船静电场信号易受背景噪声的影响,给目标检测带来了困难.通过对静电场的分析,提出了一种低信噪比下检测舰船静电场的方法,首先对信号进行小波分解并在低频段进行晕构,然后利用RBF神经网络对海洋环境噪声建立了预测模型,以模型对于接受信号的一步预测误差作为检验统计量来判断目标是否存在.将该方法用于实测舰船静电场信号的检测,取得了较好的效果.     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

基于单相dq变换与改进PRONY算法的牵引网低频振荡检测方法

牵引供电系统中的电气低频振荡现象会引发机车牵引变流器封锁,从而造成大面积发车延误。为解决这一问题,本文通过大量实测数据分析,给出了振荡时网压和网流的数学描述,并结合简单的车网电气模型简要阐明了网压低频振荡发生机制。根据牵引网单相供电的特点,提出使用网压信dq分解得到的d轴分量作为低频振荡的表征信号和检测对象,设计了以改进PRONY算法为基础的辨识低频振荡主导模式的检测方法。利用低频振荡案例中的实测数据对该检测方法进行验证,结果表明:本文设计的检测方法可以在1.4s内对频率小于30Hz、幅值大于0.01网压标幺值的低频振荡进行识别、计算出振荡主导模式并发出告警信号。      

基于正交母函数的模型化磁性物体标量探测

对传统的标量磁模型进行了变形，使得标量磁信号可以看成是3个母函数的线性组合，对母函数的标准正交化使其成为信号子空间的一组标准正交基，利用信号在子空间中的逼近误差提出了一种新的基于标量信号的模型化检测方法，并进行了仿真，结果表明这种方法能够有效地检测目标信号．     

基于非高斯AR模型微弱信号双谱分析

采用高阶谱分析方法,基于非高斯AR参数模型对舰船微弱水声信号进行双谱分析.讨论了双谱和目标信号建模的相关概念;对实验数据进行高、低信噪比信号检测效果比较以及双谱与周期图功率谱的比较分析.分析结果表明,利用非高斯AR模型双谱技术分析水声微弱信号是一种新的有效方法,能够显著提高检测微弱信号的能力.     

混沌振动识别的研究

提出了一套有效识别混沌的步骤和方法，并利用其对某型隔振装置的振动加速度信号进行了识别，从而判断该系统处于混沌运动状态．由于实测信号中不可避免地受到噪声的干扰，所以先应用小波方法对信号进行消噪，然后对信号进行功率谱分析、相空间重构、计算混沌测度等，实现了对混沌信号的准确识别．     

超低频接收信号降噪研究

在建立超低频接收信号模型的基础上,对超低频接收信号误码率性能进行了分析。将小波降噪算法应用于超低频噪声处理中,通过Monte Carlo计算机仿真试验,对基于小波降噪和传统数字滤波的方法对模拟的超低频接收信号进行噪声处理,并对降噪后的误码率性能进行分析,结果表明,应用小波降噪的方法对超低频接收信号进行非线性噪声处理,比传统数字滤波的方法能带来更高的信噪比增益。     

A novel de-noising method based on discrete cosine transform and its application in the fault feature extraction of hydraulic pump

Aiming at the existing problems of discrete cosine transform (DCT) de-noising method, we introduce the idea of wavelet neighboring coefficients (WNC) de-noising method, and propose the cosine neighboring coefficients (CNC) de-noising method. Based on DCT, a novel method for the fault feature extraction of hydraulic pump is analyzed. The vibration signal of pump is de-noised with CNC de-noising method, and the fault feature is extracted by performing Hilbert-Huang transform (HHT) to the output signal. The analysis results of the simulation signal and the actual one demonstrate that the proposed CNC de-noising method and the fault feature extraction method have more superior ability than the traditional ones.     

一种交流电机故障诊断中的特征提取与强化

为提高电机故障诊断的准确率和有效性,提出了一种故障特征提取与强化的新方法.即在对所采集的交流电机振动加速度信号进行数据预处理之后,用盲源分离方法进行独立振动源的分离,然后采用小波包分析方法进行特征提取,并进行特征频带的简化及特征强化处理,特征强化后的数据作为交流电机故障诊断模型的输入.该方法通过对振动加速度信号进行分离,能够分离出混合信号中的独立振动源,提高了故障特征提取的正确率和准确度;通过对特征频带化简,减少了故障诊断模型的输入,进而简化了模型的结构;特征强化使模型能够更有效地识别故障状态.     

复杂传递路径下轴承滚动体故障特征提取

为消除复杂传递路径对轴承滚动体振动信号的影响并提高故障特征提取的能力，研究了基于变分模态分解(VMD)、优化最大相关峭度解卷积(MCKD)和1.5维谱的轴承滚动体故障特征提取问题；分析了轴承滚动体原始振动信号特点、早期故障信号的特性以及复杂传递路径对振动信号的影响，运用VMD将原始振动信号分解为一系列本征模态函数(IMFs),提出了转频分量剔除方法，通过峭度准则优选2个峭度较大的IMFs分量进行重构；基于网格搜索法研究了MCKD算法参数优化方法，用以增强重构信号的周期性故障特征，消除复杂传递路径对轴承滚动体故障信号的影响；利用1.5维谱分析重构信号，建立了复杂传递路径下轴承滚动体故障特征提取新方法，实现了轴承滚动体故障的准确诊断；为了证明方法的有效性，选取美国凯斯西储大学轴承SKF6205基座滚动体数据进行试验验证与分析。试验结果表明：网格搜索法获得了MCKD算法的最优滤波长度与冲击周期参数(365、85),优化MCKD算法增强了重构信号的故障特征，减少了无关频率分量，明显降低了其他成分的干扰；提出的故障特征提取方法在0、735和1 470 W负载条件下均提取到了轴承滚动体的故障特征频...     

复值小波在湖底回波特征提取中的应用

提出了一种应用复值小波变换进行湖底回波特征提取的方法:采用线性相位的复db小波,对复解析信号进行多尺度的复值小波变换,然后提取合适尺度上的幅度信息作为目标识别的特征矢量.结合实测数据的分析表明,利用复值小波变换提取的幅度特征是一种有效、稳健的特征,能获得较高的正确识别率.复值小波变换也可以采用Mallat快速算法,因此这种方法得到特征矢量维数少,使用时实时性能好,便于工程实现.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

基于EEMD-Hilbert和FWA-SVM的滚动轴承故障诊断方法

为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解（empiricalmode?decomposition,EEMD）、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机（support vector machine,SVM）分类参数的滚动轴承故障诊断方法. 通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维. 结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63%;比传统的遗传算法和粒子群算法优化模型分别提高0.4%和0.2%左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.      

桥梁结构在线健康监测预警系统Ⅱ——损伤识别的信号分析及提取方法

在桥梁结构在线健康监测预警系统--监测评估预警体系和模块设计研究的基础上,进一步讨论了桥梁结构在线健康监测预警系统的数据分析的总体要求,给出了结构分析数据的获取方法,采集信号的数据处理方法与流程,分析比较了各类损伤识别方法及特征指纹的特点及适用范围,它对营运中的桥梁监测与养护管理具有重要的指导意义和实用价值.     

三角网模型多目标加权最短路径的特征线提取

针对倾斜摄影测量三维重建得到的三维模型在地物拐角棱线处结构粗糙、噪声较大、规则性缺失，难以快速准确提取出理想特征线的难题，提出一种基于多目标加权最短路径的特征线提取方法. 首先对模型进行预处理，使模型具有完整、连续的拓扑结构，并将模型以有向图结构进行组织；其次顾及距离、方向和三角网变化趋势计算权重，约束迪杰斯特拉算法获取最短路径得到特征线；最后，为了修复模型特征不明显的棱线区域，设计了一种棱线修复算法. 研究结果表明:与交互式方法对比，本文方法效率高，只需选取两个特征点指定目标，同时提取结果不依赖人工经验，客观性强；与基于边和面的自动提取方法相比，本文方法受噪声影响小，能在简单交互下提取到指定特征线.      

Apriori and N-gram Based Chinese Text Feature Extraction Method

A feature extraction, which means extracting the representative words from a text, is an important issue in text mining field. This paper presented a new Apriori and N-gram based Chinese text feature extraction method, and analyzed its correctness and performance. Our method solves the question that the exist extraction methods cannot find the frequent words with arbitrary length in Chinese texts. The experimental results show this method is feasible.     

分层CS-LBP和HOG特征融合的人脸识别研究

针对单独的纹理特征只能提取图像的纹理信息而不能得到图像轮廓边缘信息的问题,在人脸识别的特征提取研究中提出了分层CS-LBP和分层HOG特征的融合方法.对图像分别进行多次CS-LBP和HOG特征的提取,得到分层CS-LBP特征提取图像和分层HOG特征提取图像,对分层的特征提取图像再次提取分层CS-LBP和分层HOG特征,并将两种分层特征进行融合,得到更有效的人脸的纹理及边缘轮廓特征.在ORL和GT人脸库上的实验结果验证了所提出的分层特征融合方法的有效性.