Feature Abstracting and Identification of Acoustic Target in the Battle Field Based on EMD

The method of empirical mode decomposition(EMD) was used for the signal processing and featureing of acoustic target of battle field. According to the signal's characteristics of different targets, some feature vectors in token of the target properties were constructed and abstracted. In the basis of feature abstracting and statistic analysis for large amount of sample signal of the targets, using the maximum subjection classification method based on the fuzzy synthesis judgment, the three typical acoustic target helicopter, tank and traffic vehicle were recognized.     

GPS多路径效应原理及数据后处理方法研究

该文对GPS定位测量中多路径效应误差产生的原理进行了分析,总结了多路径效应的特点及各类消除方法。对消除多路径效应的数据后处理方法进行研究,指出了基于EMD分解方法的优势及特点。     

EMD和Cohen类结合抑制交叉项的时-频分析方法

为抑制单独使用Cohen类进行时-频变换时出现的交叉项,利用经验模态分解法将信号从频域上分离为若干个内禀模态函数之和,将分解后的信号分别进行Cohen类分布的时-频变换,得到信号的时-频分布.对3种不同类型的仿真信号进行计算,并将其时-频分布与直接对信号作Wigner-Ville分布、Cohen类时-频分布(以广义指数核为例)进行比较.结果表明,此方法能够抑制由二次分布所产生的交叉项,得到的结果更加接近理想时-频分布.     

基于EMD和2（1/2）维谱的直升机声信号特征提取

利用经验模态分解（Empirical Mode Decomposition,EMD）的方法将直升机声信号进行分解,得到一系列本征模态分量（Instrinsic Mode Function,IMF）。计算实际直升机声信号及由其分解得到的每个IMF分量的四阶累积量对角切片谱,并由此得到实际信号及每个IMF分量的四阶累积量对角切片谱的幅度绝对值之和E。计算每一个IMF的E值与实际信号E值的比值构成直升机声信号特征矢量。采用神经网络分类器,对两种不同机型的直升机声信号进行分类和识别。仿真实验验证了该方法是可行的、有效的,分类识别取得了较好的效果。     

基于小波降噪的经验模式分解方法研究

通过正常工况下的转子位移信号,分析不同幅值噪声对经验模式分解(EMD)分解的影响。对于幅值较小的随机噪声,EMD分解可以自适应地将主要特征信息从噪声中分解出来。而对于幅值较大的噪声,小波降噪的EMD分解则可以有效避免模态间能量泄漏,从而得到准确的分析结果。     

基于EMD与三阶累积量的水声瞬态信号检测

提出了基于经验模态分解(EMD)与三阶累积量的水声瞬态信号检测方法.首先根据EMD方法的滤波器特性将待检信号在频域内分成一系列的本征模态函数(IMF)分量,并根据能量法选择信号占主导地位的IMF;然后运用高阶累积量抑制高斯信号的特性,计算IMF分量三阶累积量对角切片的短时估计,并构造检测函数,对检测函数时行包络检波,作为检测标准;最后用仿真数据对该方法进行了验证,结果表明能在较低信噪比下检测出目标信号的出现时刻和大致频率,具有一定的工程应用价值.     

基于Hilbert-Huang变换的船舶结构冲击响应研究

针对水下爆炸时船舶结构遭受的冲击响应信号具有非线性非平稳的特点,提出将Hilbert-Huang变换用于船舶结构冲击响应信号处理.Hilbert-Huang变换是基于经验模态分解(EMD)和Hilbert谱的一种信号处理方法,用EMD分解把时间序列信号分解成不同特征时间尺度的固有模态函数(IMF),然后对IMF分量进行Hilbert变换,从本质上分析船舶结构冲击响应信号的组成成分及特点.与FFT变换和小波变换相比,Hilbert-Huang变换体现出自适应性和先进性,可以有效提取船舶冲击响应信号的时频特征,揭示船舶结构自身的动态特性对冲击响应的影响.     

结合EMD和功率谱熵的船舶轴频电场线谱提取

为实现强海洋背景噪声中的微弱船舶轴频电场信号检测,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和窄带子区间功率谱熵的线谱提取新算法.首先,利用EMD方法从含噪信号中分解出一组有效固有模态函数(Intrinsic Mode Functions,IMFs),对各有效IMF的功率谱进行子区间划分;其次,定义并计算各子区间的能量峰值熵比(Energy Peak Entropy Ratio,EPER)特征;最后,通过对轴频信号和环境噪声物理特征差异的分析,结合K-均值聚类方法进行特征量的筛选,实现线谱提取.海上实测数据的处理结果表明,相比于直接的功率谱分析,算法的线谱可提取下限降低了6.7 dB.     

弓网燃弧电流扰动的HHT(希尔伯特黄变换)分析

地铁线路接触网的弓网具有良好的受流质量是保障列车运营安全的前提,弓网燃弧则是评价弓网受流质量最直接的指标,而不同的燃弧强度会伴随着不同程度的牵引电流扰动。改进了HHT(希尔伯特-黄变换)中的EMD(经验模态分解)算法及EMD能量熵,并用于牵引电流扰动分析。通过对广州地铁2号线、3号线的数据分析发现,EMD能量熵能有效提取到牵引电流的扰动特征,且牵引电流扰动越严重,信号就越复杂,能量就越分散,对应的EMD能量熵也越大。     

EMD和AR模型在汽车变速器轴承故障诊断中的应用

针对汽车变速器轴承振动信号的非平稳特征，提出了一种基于经验模态分解(Empirical Mode Decomposition，简称EMD)和自回归(Auto Regressing，简称AR)模型的滚动轴承故障诊断方法。实验结果表明，此方法可以准确、有效地识别变速器轴承的工作状态和故障类别。