基于EEMD-JADE的单通道EP信号少次提取方法

生物医学工程中诊断神经系统损伤及病变的重要手段之一是检测与分析诱发电位(Evoked Potential,EP)信号.现有的方法可以在混合信号中分离出经过成多次刺激的EP信号,但丢失了其瞬时特性,因此EP信号的少次提取是当前生物医学信号研究中的一个重点问题.给出了一种基于EEMD-JADE单通道盲源分离算法,只利用2个周期的EP与EEG信号随机混合成的单通道观测信号中分离EP信号,仿真实验证明了EEMD-JADE算法的有效性.并与EEMD-PCA-ICA方法比较,结果表明EEMD-JADE算法从2个周期的单通道观测信号中分离EP信号时性能优于后者.     

基于Jade的EP信号少次提取方法

给出了一种基于Jade的EP信号少次提取方法,实验表明,这种方法能够有效地提取出混合在噪声中的2个周期的EP信号,并与Fast ICA算法在数据分析,相关系数矩阵分析,算法执行时间分析这3个方面做了比较.通过数据和实验发现,Jade算法能有效的少次提取EP信号,且提取效果好于FastICA算法.     

基于独立分量分析的诱发电位信号提取方法

诱发电位(EP)信号在检测神经系统状态时有重要意义.但EP信号总是淹没在自发脑电波(EEG)信号中,因此,为利用EP信号诊断神经系统的损伤和病变,需要从二者的混合信号中提取出EP信号.独立分量分析(ICA)是一种新近发展起来的信号分离方法.本文把ICA方法应用于EP信号的提取,并与传统的滤波方法进行了比较.计算机模拟表明,采用ICA方法进行噪声分离的结果明显优于信号滤波方法.     

基于独立分量分析的诱发电位信号提取方法

诱发电位（EP）信号在检测神经系统状态时有重要意义，但EP信号总是没在自发脑电波（EEG）信号中，因此，为利用EP信号诊断神经系统的损伤和病变，需要从二的混合信号中提出EP信号。独立分量分析（ICA）是一种新近发展起来的信号分离方法。本反ICA方法应用于EP信号的提取，并与传统的滤波方法进行了比较。计算模拟表明，采用ICA方法进行噪声分离的结果明显优于信号滤波方法。     

多分量相移键控信号码速率盲估计

为解决单通道接收机同时截获到同一频带范围内的多分量相移键控信号的参数估计问题,提出了一种不经信号分离直接提取各独立信号分量码速率的盲估计算法.从理论上推导了多分量相移键控信号的二阶共轭循环自相关具有线性特性,因此可以不受干扰地提取各信号分量的码速率;进而提出了简单而有效的谱峰增强方法,与基于二阶共轭循环自相关获得的谱峰相比,用此法获得的谱峰更为清晰.仿真实验表明:用提出的算法,当双分量信号功率比为1:1且信噪比为-5 dB时,码速率估计的正确率可达98％;尤其是在单分量环境下,该算法比现有算法的性能提高4 dB以上.     

基于小波变换的频谱检测算法分析

文章分析了认知无线电频谱检测中匹配滤波检测、能量检测、周期平稳过程特征检测的性能,指出了噪声对各自检测性能的影响,给出了一种基于小波变换的信号频谱检测算法,着重对含噪2FSK、2PSK信号进行分离仿真。仿真结果表明,该算法可以有效地进行信号的成分分离,降低了噪声的频谱检测的影响。     

基于联合近似对角化的盲源分离在齿轮箱故障诊断中的应用

提出一种采用盲源分离技术对齿轮箱混合故障进行诊断的方法．该方法利用白化信号自相关矩阵的联合近似对角化算法，从观测信号中分离故障特征源信号，并根据分离信号的频谱成功地提取了混合故障的特征信息，有效地诊断出齿轮箱所处的故障状态．     

关于符号空间上比较映射δ的研究(Ⅱ)

符号空间上的比较映射δ是与移位映射σ拓扑共轭的空间自映射,进一步研究了δ与σ的终于周期点的特征,证明了符号空间Σ2上的比较映射δ与移位映射σ具有完全相同的终于周期点集,即EP(δ)=EP(σ),并给出了关于δ与σ的终于周期点之间的关系的几个结论.     

基于二次特征函数高阶导数联合对角化的盲源分离算法

针对线性混叠信号,提出一种瞬时混叠盲源分离的批处理算法.利用观测信号的二次特征函数高阶导数联合对角化得到盲分离准则和实验公式.采用非正交对角化方法,不需要白化,实现盲源分离.仿真实验结果表明此算法不仅对非高斯信源具有良好的分离性能,而且对概率密度为非对称分布信源,具有很好的性能.     

独立分量分析在柴油机缸盖振动信号分离中的应用

采用独立分量分析的方法进行了柴油机缸盖振动信号分离的研究.建立了基于Fixed-pointICA算法的4135船用柴油机缸盖振动信号分析模型,分析了这些振动信号的性质.针对实际应用,对采集到的2路混合信号进行分离,得到了各独立分量的时域和频域分布.分离结果表明独立分量分析是一种行之有效的信号处理的新方法.     

非平稳信号自适应最大信噪比盲源分离方法

为了提高时变非平稳信号的盲源分离效果,提出了自适应最大信噪比盲源分离新方法.该方法以信噪比函数作为代价函数,并基于改进的多项式系数自回归模型,进行最优滑窗长度的自适应估计.仿真计算表明,FastICA算法需要预设源信号的概率密度函数,以选择适宜的非线性函数近似估计源信号的非高斯性,当假设的概率密度函数与实际不符时无法正确分离源信号;累积量算法在信源的峰度相同时无法正确分离源信号.新方法与经典的FastICA算法和基于累积量的盲源分离算法比较结果表明,对于经典的FastICA算法、累积量算法无法正确分离的时变非平稳信号,新方法能够有效地进行盲源分离,分离结果不受源信号的概率分布、信源的峰度等统计因素影响.      

基于小波卡尔曼滤波的加速度计降噪方法

针对GF-INS中加速度计降噪的实际问题,提出了一种非零均值观测噪声小波卡尔曼滤波算法.在非标准观测噪声条件下,利用滑动数据窗内的小波变换实时在线估计出观测噪声的方差和均值,作为标准卡尔曼滤波的修正信息,从而实现了标准卡尔曼滤波算法的扩展.实验结果表明,在观测噪声为非标准噪声且统计规律未知的条件下,该自适应降噪方法能获得较好的滤波效果,加速度计信号的噪声方差强度减少了3个数量级.     

交通信号协调控制方案过渡优化算法

建立了信号控制方案过渡前后的交叉口相位差调整量关系方程组,针对各交叉口过渡信号周期的允许取值范围,利用交叉口相位差调整比例的极小极大原理,提出了单周期对称调节过渡算法与N周期加权调节过渡算法。分析结果表明:单周期对称调节过渡算法将在满足一次过渡条件下,实现交叉口相位差实际调整量最大值的最小化;N周期加权调节过渡算法则可以综合考虑各交叉口过渡信号周期的不同允许取值范围,根据交叉口相位差最大调整比例的最小化要求,通过N个过渡信号周期最终实现协调控制方案的快速平滑过渡。与其他过渡算法相比,N周期加权调节过渡算法实现了对于控制区域内交叉口相位差调整量的整体优化,使过渡方案能够更好地满足不同信号交叉口的控制需求,具有更广的适用范围与实用性。     

基于二次特征函数高阶导数联合对角化的盲源分离算法

针对线性混叠信号，提出一种瞬时混叠盲源分离的批处理算法，利用观测信号的二次特征函数高阶导数联合对角化得到盲分离准则和实验公式，采用非正交对角化方法，不需要白化，实现盲源分离，仿真实验结果表明此算法不仅对非高斯信源具有良好的分离性能，而且对概率密度为非对称分布信源，具有很好的性能。     

基于隐马尔科夫模型的滚动轴承性能衰退评估

针对滚动轴承全寿命周期内健康状态的变迁和性能衰退的识别和评估问题,引入隐马尔科夫模型(hidden Markov model,HMM),利用Baum-Welch算法对滚动轴承全寿命周期振动信号数据进行建模,利用Viterbi算法解算和检验模型,最后通过Forward-Backward算法计算测试数据的概率分布;通过校验数据概率分布的隐含序列和观测序列分别表示状态变迁概率和性能衰退评估结果.研究结果表明:该方法能够快速解算滚动轴承状态迁移的概率分布,有效识别性能衰退状态,为预防性维修提供参考.     

机械振动源的联合块对角化盲分离算法

基于QR分解建立一种新的非正交联合块对角化（joint block diagonalization,JBD）（QRJBD算法）的振动源盲分离方法.该方法具有对目标矩阵的限制少、复杂度低、易于收敛到全局最优解等优点.结合双层加肋圆柱壳体结构的振动信号分离试验,从算法的收敛性、目标矩阵的数目、随机噪声水平、子块矩阵的维数等方面对QRJBD方法的性能进行了研究.由此,选取合理的算法参数,实现振动源信号的盲源分离,且分离精度和时间均优于现存常用的方法,充分说明新算法在振源分离中既保持了效率又提高了分析的准确性.     

基于干扰对准的LTE上行虚拟MIMO系统

提出在LTE上行采用2×2模式的虚拟MIMO（VirtualMIMO,V—MIMO）系统,即一个两天线的基站同时支持两个单天线的用户,并在此基础上,提出一种基于传输延时的干扰对准算法．这种算法将基站的双天线的接收信号按照奇、偶时隙分离,从而将期望信号与干扰信号分离．应用本文算法一个两天线的基站可以支持3个甚至4个用户同时接入LTE网络的上行链路．     

基于压缩感知的滚动轴承故障信号提取技术研究

针对目前奈奎斯特采样方式对信号进行采集所产生的数据量较大的问题,提出一种基于压缩感知并结合神经网络的滚动轴承故障信号检测方法,通过K-奇异值分解算法构造冗余字典,利用神经网络以映射后观测矩阵的前一部分值预测全部观测值,实现信号的二次压缩,最终利用子空间追踪算法基于预测出的观测矩阵对信号进行重构,通过重构信号频谱可获得轴承故障信息.经过对测量矩阵、算法参数及神经网络等内容的分析,可在较少的数据量下以较高精度实现对滚动轴承故障信息的提取,并通过仿真对比实验证明了方法的有效性,在总压缩比为0.72～0.92时,此方法能够保证信号匹配度约为0.83,明显优于传统方法,且对于轴承内圈、外圈和滚动体故障信号皆有较好的重构效果.     

基于盲源分离的共振解调技术在齿轮齿面接触故障诊断中的应用

提出一种运用基于盲源分离的共振解调技术对齿轮齿面接触故障进行诊断的方法.该方法利用盲源分离算法对传感器采集的混合信号进行分离,获取纯粹的故障源信号;采用共振解调技术对分离后的故障源信号进行频谱分析,成功地提取了齿轮齿面直接接触的故障特征.     

宽带耦合机械振源的卷积盲分离研究

利用卷积盲分离算法,对宽带耦合机械振源信号进行了盲分离研究.在实际环境中,由于相邻设备和环境干扰的影响,传感器往往只能获得混合信号.且源信号在频谱上可能相互重叠,此时,传统的信号滤波、净化方法就无能为力.文中利用盲信号处理技术对源和传递路径先验知识要求较少的特点,仅从混合信号出发,利用信号的二阶统计特性,较好地恢复出了频谱上相互重叠的机械振源信号.电机和海水泵的仿真试验验证了该方法的有效性.