雙譜
- 基于多域融合的空間輻射源細(xì)微特征識(shí)別
[17-18]、雙譜分析[19-21]等理論。文獻(xiàn)[22]利用雷達(dá)信號(hào)的累積量作為個(gè)體識(shí)別的特征,使用KNN分類器對(duì)3部同型號(hào)機(jī)載雷達(dá)的實(shí)測(cè)數(shù)據(jù)進(jìn)行分類識(shí)別,取得良好的分類效果。文獻(xiàn)[23]使用離散傅里葉變換的功率譜構(gòu)建了譜域特征,結(jié)果表明譜域特征比時(shí)域特征性能好,與小波域特征性能接近,并略有提高。文獻(xiàn)[24]使用Gabor變換系數(shù)構(gòu)建了基于Gabor變換的特征,結(jié)果表明基于Gabor變換的特征比時(shí)域和譜域特征更為有效。直接提取信號(hào)變換的結(jié)果進(jìn)行輻射源識(shí)別
中國(guó)空間科學(xué)技術(shù) 2023年4期2023-09-18
- 基于雙譜分析的高原灌木回波信號(hào)分類
灌木地形下的回波雙譜用4 種積分雙譜進(jìn)行降維與分類,從而在占用很少資源的情況下實(shí)現(xiàn)對(duì)引信炸高的識(shí)別。1 雙譜的基本理論1.1 雙譜的定義高階譜是通過(guò)累積量函數(shù)(cum)來(lái)定義的,因此也被稱作累積量譜。 假如是一個(gè)零均值的k階平穩(wěn)過(guò)程,則將該過(guò)程的k階累積量定義為式中:ω為傅里葉變換到頻域得到的頻率分量;功率譜、雙譜(三階譜)、三譜(四階譜)分別為k=2,3,4 時(shí)的特殊情況。本文所用雙譜(三階累積量譜)為1.2 積分雙譜雙譜是二維函數(shù),可以直接通過(guò)卷積神經(jīng)
北京航空航天大學(xué)學(xué)報(bào) 2022年10期2022-11-09
- 基于不完全Cholesky分解相關(guān)熵雙譜的軸承故障診斷
的研究和應(yīng)用，如雙譜[9-11]、切片雙譜[12]、倒雙譜[13]、循環(huán)雙譜[14-16]、高階譜[17]分析等，已廣泛用于機(jī)械設(shè)備的故障診斷，取得了良好效果。軸承故障振動(dòng)信號(hào)呈周期性瞬態(tài)沖擊和復(fù)雜調(diào)制的特點(diǎn)，具有明顯的非線性、非平穩(wěn)、非高斯特點(diǎn)。雙譜是分析高斯信號(hào)的有效工具，理論上高斯噪聲的雙譜為零, 但非高斯噪聲的雙譜并不為零，傳統(tǒng)的雙譜不能有效消除非高斯噪聲的干擾，因此會(huì)造成雙譜分析性能衰退，甚至失效。相關(guān)熵是處理高斯、非高斯噪聲的有效方法，已在雷達(dá)
振動(dòng)與沖擊 2022年11期2022-06-17
- 基于二維雙樹復(fù)小波變換的無(wú)人機(jī)個(gè)體識(shí)別*
目標(biāo)身份[2]。雙譜分析法是處理非高斯信號(hào)的主要數(shù)學(xué)工具，能夠在保留信號(hào)的幅度和相位信息的同時(shí)自動(dòng)抑制高斯噪聲，故被廣泛應(yīng)用于特征提取[3]。無(wú)人機(jī)圖傳信號(hào)為非高斯信號(hào)[4]，故雙譜分析法適用于無(wú)人機(jī)圖傳信號(hào)的處理，但直接將雙譜作為特征進(jìn)行無(wú)人機(jī)分類，存在數(shù)據(jù)維數(shù)高和計(jì)算復(fù)雜的問(wèn)題，需要進(jìn)行二次特征提取。文獻(xiàn)[5]采用矩形積分法實(shí)現(xiàn)特征降維，文獻(xiàn)[6]利用 Fisher類測(cè)度選出最具目標(biāo)分辨能力的若干雙譜特征，文獻(xiàn)[7]提取雙譜的平坦度、譜亮度和譜滾降度三
電訊技術(shù) 2022年5期2022-05-27
- 基于改進(jìn)ResNet的射頻指紋識(shí)別方法*
法，以及使用選擇雙譜、積分雙譜等對(duì)信號(hào)雙譜人工特征降維處理再分類識(shí)別[2]，即通過(guò)接收瞬態(tài)射頻信號(hào)或穩(wěn)態(tài)射頻信號(hào)，在時(shí)域或變換域提取信號(hào)的物理參數(shù)特征及統(tǒng)計(jì)特征，選取一個(gè)或多個(gè)特征構(gòu)成射頻指紋，再利用分類器實(shí)現(xiàn)無(wú)線通信個(gè)體的識(shí)別。但這些基于特征工程的識(shí)別方法嚴(yán)重依賴人工設(shè)計(jì)的射頻指紋，缺乏普適性。從2018年起，深度學(xué)習(xí)開始應(yīng)用到射頻指紋識(shí)別領(lǐng)域，射頻指紋識(shí)別也從經(jīng)驗(yàn)驅(qū)動(dòng)的人造特征范式過(guò)渡到了數(shù)據(jù)驅(qū)動(dòng)的端到端表示學(xué)習(xí)范式的新紀(jì)元[3-4]。文獻(xiàn)[5]對(duì)基帶
電訊技術(shù) 2022年4期2022-04-26
- 相關(guān)熵和雙譜分析齒輪故障診斷研究
一種基于相關(guān)熵和雙譜的齒輪故障診斷方法。該方法綜合利用高斯核函數(shù)和不完全Cholesky分解算法計(jì)算信號(hào)的相關(guān)熵，然后再計(jì)算相關(guān)熵的雙譜，根據(jù)相關(guān)熵的雙譜特征識(shí)別齒輪故障。通過(guò)不完全Cholesky分解算法計(jì)算信號(hào)的相關(guān)熵，不僅大大壓縮了數(shù)據(jù)量，突出了齒輪故障特征，而且提高了計(jì)算效率。通過(guò)仿真和齒輪磨損故障振動(dòng)信號(hào)分析結(jié)果表明：強(qiáng)背景噪聲會(huì)造成傳統(tǒng)雙譜故障診斷方法失效，而基于相關(guān)熵和雙譜分析的齒輪故障診斷方法，能在強(qiáng)噪聲干擾背景中提取齒輪的故障特征準(zhǔn)確識(shí)別
振動(dòng)工程學(xué)報(bào) 2021年5期2021-12-16
- 變工況下滾動(dòng)軸承雙譜分析及智能故障診斷
號(hào)受強(qiáng)噪聲干擾，雙譜憑借良好的高斯噪聲抑制[19]和系統(tǒng)非線性特征提取[20]能力在故障診斷領(lǐng)域得到應(yīng)用。雙譜切片[21]、頻移雙譜[22]、二值雙譜[23]以及階次分析[24]、2 階全變分去噪[25]、奇異值分解[26]與雙譜相結(jié)合等方法，皆能提取軸承故障特征信息。從文獻(xiàn)檢索結(jié)果來(lái)看，目前還沒(méi)有工況變化情形下雙譜特性的研究成果報(bào)道。從診斷思路來(lái)看，已有診斷方案過(guò)程較為復(fù)雜，還存在精度受限[27]、參數(shù)選擇不易[28]和知識(shí)負(fù)遷移[29]等問(wèn)題。因而提出
噪聲與振動(dòng)控制 2021年6期2021-12-15
- 一種基于對(duì)角積分雙譜的復(fù)合調(diào)制LPI雷達(dá)信號(hào)識(shí)別方法*
合調(diào)制信號(hào)，采用雙譜估計(jì)的方法對(duì)信號(hào)進(jìn)行特征提取，并利用對(duì)角積分雙譜對(duì)數(shù)據(jù)進(jìn)行降維處理，進(jìn)而利用其雙譜特征進(jìn)行調(diào)制類型識(shí)別。1 LPI雷達(dá)信號(hào)建模與分析由于LFM、BPSK、FSK等單一調(diào)制信號(hào)在前人的研究中都已經(jīng)被詳細(xì)介紹過(guò)，因此，本文在這里不再進(jìn)行過(guò)多贅述。下面主要介紹本文所采用的復(fù)合調(diào)制LPI雷達(dá)信號(hào)的建模與分析。1.1 LFM?BPSK復(fù)合調(diào)制信號(hào)建模與分析LFM-BPSK信號(hào)是LFM信號(hào)與BPSK信號(hào)混合的信號(hào)，其克服了BPSK信號(hào)對(duì)多普勒頻移敏
航天電子對(duì)抗 2021年5期2021-11-30
- 基于雙譜切片小波包的雷達(dá)體制識(shí)別技術(shù)*
和計(jì)算量最小的是雙譜，并且尺度、時(shí)移不變性及相位保持性的特點(diǎn)，使得雙譜分析在信號(hào)處理中更具有優(yōu)勢(shì)［9-11］。小波分析可以在時(shí)頻域同時(shí)對(duì)信號(hào)進(jìn)行處理，因此，可以區(qū)分出信號(hào)中的突變成分及噪聲，完成信號(hào)去噪［12-13］。小波包是在小波分析的基礎(chǔ)上，將高頻部分進(jìn)行正交分解。不同雷達(dá)的信號(hào)在通過(guò)小波包分解后重構(gòu)系數(shù)會(huì)有區(qū)別，這些系數(shù)的能量也有較大差異，因此，小波包重構(gòu)系數(shù)的能量特征常被用于信號(hào)的識(shí)別中［14-18］。雙譜分析雖然有尺度、時(shí)移不變性及相位保持性的特
火力與指揮控制 2021年9期2021-11-18
- 基于雙譜運(yùn)算在語(yǔ)音信號(hào)分析中的應(yīng)用
通過(guò)AR參數(shù)模型雙譜估計(jì)計(jì)算語(yǔ)音信號(hào)雙譜，利用高階累積量抑制高斯噪聲，使得語(yǔ)音信息特征研究更趨于直觀，提高語(yǔ)音辨別效果。1 復(fù)數(shù)三階累積量的不同定義兩式中x*（n）是x（n）的共軛復(fù)數(shù)，通過(guò)Hilbert變換得到復(fù)數(shù)信號(hào)后，當(dāng)3ω由1ω、2ω二次相位耦合后3ω=1ω+2ω，x（t）為耦合信號(hào)，此時(shí)定義①中三階累積量及對(duì)角切片均為0，定義②中三階累積量及對(duì)角切片分別為：通過(guò)上式可知①中雙譜運(yùn)算過(guò)程及對(duì)角切片不含耦合信息成分，②中包含全部諧波分量且雙譜運(yùn)算中保
電子測(cè)試 2021年11期2021-07-02
- 調(diào)制信號(hào)雙譜在滾動(dòng)軸承故障診斷中的應(yīng)用研究
如：功率譜分析，雙譜分析。其中功率譜分析忽略了信號(hào)的相位信息，僅包含單個(gè)分量幅度信息，且不能解調(diào)調(diào)制信號(hào)；雙譜分析只考慮信號(hào)較高邊帶的信息，沒(méi)有考慮低邊帶信息。這些方法在提取故障特征時(shí)都有不足的地方，并且都不能充分的解調(diào)信號(hào)中的調(diào)制成分?；谏鲜鲈颍镁哂辛己玫男盘?hào)解調(diào)特性的調(diào)制信號(hào)雙譜分析方法解調(diào)信號(hào)中的調(diào)制現(xiàn)象，并且調(diào)制信號(hào)雙譜有良好的降噪效果及對(duì)干擾頻率有很好的抑制作用。提出了調(diào)制信號(hào)雙譜分析方法并用于滾動(dòng)軸承故障診斷。調(diào)制信號(hào)雙譜是一種基于傳統(tǒng)
- 簡(jiǎn)述基于雙譜變換的通信輻射源個(gè)體識(shí)別
，每個(gè)積分路徑對(duì)雙譜的值計(jì)算和特征提取的貢獻(xiàn)情況不同，篩選出離雙譜譜峰較近的矩形積分路徑，提取最大貢獻(xiàn)路徑的雙譜值。利用該篩選算法對(duì)信號(hào)的雙譜進(jìn)行二次特征提取，在保證識(shí)別準(zhǔn)確率的同時(shí)有效減少計(jì)算維度，最后采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別。1 基于雙譜的通信輻射源指紋特征提取算法1.1 雙譜變換由于實(shí)際電磁輻射的環(huán)境較為復(fù)雜，輻射信號(hào)或噪聲并不完全服從高斯分布，對(duì)信號(hào)細(xì)微特征的分析如果只有幅度信息是不充分的，還需要一定的相位信息，高階譜可以求得信號(hào)的相位信息。雙
科學(xué)與信息化 2021年12期2021-05-16
- 基于雙譜和譜特征的心電信號(hào)分類方法
簡(jiǎn)明有效的工具。雙譜作為一種成熟的信號(hào)方法，能夠有效抑制高斯噪聲帶來(lái)的干擾，在許多領(lǐng)域得到了廣泛應(yīng)用[3]。然而，由于雙譜矩陣較為復(fù)雜，目前大多數(shù)算法是在得到雙譜矩陣的基礎(chǔ)上進(jìn)一步降維提取特征，例如圍線積分[4]、雙譜切片[5]、主成分分析(Principal Component Analysis，PCA)[6]、獨(dú)立成分分析(Independent Component Analysis，ICA)[7]、核鑒別分析方法如核主成分分析(Kernel Prin
電子科技 2021年5期2021-05-12
- 一種基于射頻指紋的電網(wǎng)無(wú)線設(shè)備入侵檢測(cè)算法
① 基于信號(hào)局部雙譜積分提取的射頻指紋特征的識(shí)別分類方案，將這5種分類方案仿真并相互對(duì)比，分析5種信號(hào)局部雙譜積分的優(yōu)劣勢(shì)，并通過(guò)仿真得出結(jié)論，矩形積分雙譜(Square Integral Bispectra,SIB)和選擇雙譜對(duì)于射頻信號(hào)的區(qū)分度最優(yōu)。② 基于射頻信號(hào)的雙譜特征可以抑制加性高斯白噪聲的特點(diǎn)，提出了基于SIB和選擇雙譜的融合特征。對(duì)比使用傳統(tǒng)信號(hào)特征的支持向量機(jī)(Support Vector Machine,SVM)模型和使用基于SIB和選
無(wú)線電工程 2021年5期2021-05-08
- 局部圍線積分雙譜的雷達(dá)信號(hào)源指紋識(shí)別技術(shù)
的一種重要方法是雙譜分析法，雙譜的重要特征是高階譜能夠反映出其信號(hào)的相位信息，除了線性相位以外，雙譜包含了全部的信號(hào)信息，且雙譜分析法中雷達(dá)信號(hào)的雙譜具有平移不變性，因此雙譜分析法有效的應(yīng)用在雷達(dá)信號(hào)源指紋特征提取中。雖然雙譜在理論可以完全抑制任何對(duì)稱分布的非高斯噪聲和高斯噪聲，但是直接應(yīng)用雙譜分析作為識(shí)別雷達(dá)信號(hào)源的特征向量，不僅有很大的信息冗余，而且還需要有足夠大的目標(biāo)模板庫(kù)。為了減少雙譜的數(shù)據(jù)量，以達(dá)到減少目標(biāo)模板庫(kù)存儲(chǔ)量和信息冗余以達(dá)到實(shí)時(shí)處理信息
電子世界 2021年24期2021-03-02
- 基于形狀標(biāo)記和雙譜分析的圖像形狀特征提取①
四階譜,通常稱為雙譜和三譜.Chandran 等[1]在1993年根據(jù)高階譜,定義了一系列具有旋轉(zhuǎn)和尺度不變性質(zhì)的特征參數(shù),用于一維信號(hào)模式識(shí)別.自1997年,Chandran[2]首次將高階譜分析推廣到二維圖像和物體識(shí)別領(lǐng)域,近年來(lái)在這些領(lǐng)域得到了成功應(yīng)用,例如聲納圖像中海礦識(shí)別[3],電子顯微鏡圖像中病毒識(shí)別[4]和熱成像中乳腺癌檢測(cè)[5].文獻(xiàn)[1-5]中都是采用Radon 變換將圖像映射到一組一維投影,對(duì)一維信號(hào)進(jìn)行雙譜分析.圖像識(shí)別中的形狀信息一
計(jì)算機(jī)系統(tǒng)應(yīng)用 2020年12期2021-01-21
- 基于高階譜的異步電機(jī)定子匝間短路故障診斷方法研究*
1 高階累積量與雙譜實(shí)際運(yùn)行中的電機(jī)受到電網(wǎng)頻率波動(dòng)和電機(jī)自身不對(duì)稱性的影響，其故障特征頻率fr并不明顯，有時(shí)會(huì)被其他噪聲因素影響而產(chǎn)生誤判。想要準(zhǔn)確分析這種非高斯非線性信號(hào)，高階統(tǒng)計(jì)量和高階譜是最有利的工具，不僅可以起到抑制噪聲的目的，還可以通過(guò)分析三階統(tǒng)計(jì)量以及其多維傅里葉變換雙譜提取出更多有用的信息。設(shè)x(n)為K階平穩(wěn)隨機(jī)過(guò)程且均值為0，定義其K階累積量為隨機(jī)變量{x(n),x(n+m),…，x(n+mk-1)}的K階聯(lián)合累積量，即Ckx(m1,m
- 基于殘差神經(jīng)網(wǎng)絡(luò)的輻射源個(gè)體識(shí)別
法減少接收信號(hào)的雙譜維數(shù)，減少冗余信息對(duì)識(shí)別的影響。然后，對(duì)信號(hào)進(jìn)行特征增強(qiáng)，通過(guò)將信號(hào)和降維后的雙譜特征融合輸入的方式將信號(hào)輸入到網(wǎng)絡(luò)中。殘差網(wǎng)絡(luò)通過(guò)反向傳播的思想來(lái)解決網(wǎng)絡(luò)深度不足、梯度消失/爆炸等問(wèn)題，并且使用直接映射來(lái)連接網(wǎng)絡(luò)不同層直接的思想。1 特征提取1.1 雙譜計(jì)算選取雙譜特征是由于該特征對(duì)噪聲不敏感，運(yùn)算量小，利于實(shí)時(shí)實(shí)現(xiàn)。頻譜幅度是常用的平移不變特征，但它丟掉了所有的相位信息，增加了類間的趨同性，雙譜特征是另一種得到廣泛研究的平移不變特征
航天電子對(duì)抗 2020年4期2020-10-16
- 基于局部雙譜和深度卷積神經(jīng)網(wǎng)絡(luò)的通信電臺(tái)識(shí)別研究*
到二維空間。信號(hào)雙譜是一種階數(shù)最低的高階譜，在信號(hào)分類和輻射源個(gè)體識(shí)別上得到了廣泛應(yīng)用。方成[2]、劉贏[3]等人基于信號(hào)雙譜特征完成了輻射信號(hào)的分類識(shí)別。本文基于局部雙譜特征和深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)通信輻射源個(gè)體識(shí)別進(jìn)行研究，結(jié)果表明，該方法能夠?qū)崿F(xiàn)對(duì)輻射源的分類識(shí)別，同時(shí)為降低數(shù)據(jù)維度提供了一種新思路。1 信號(hào)雙譜特征令x(n)是均值為零的平穩(wěn)隨機(jī)信號(hào)，則隨機(jī)序列{x(n),x(n+τ1),…,x(n+τk-1)} 的k階累積量為ckx(τ1,τ2,…,τ
通信技術(shù) 2020年7期2020-07-19
- MIMO線性系統(tǒng)輸入輸出信號(hào)統(tǒng)計(jì)特征的雙譜評(píng)定方法
一種利用三階譜（雙譜）評(píng)定MIMO線性系統(tǒng)時(shí)域輸入輸出信號(hào)統(tǒng)計(jì)特征的新方法。通過(guò)建立線性系統(tǒng)雙譜數(shù)學(xué)模型，根據(jù)系統(tǒng)響應(yīng)、所測(cè)得的頻響函數(shù)以及離散信號(hào)的雙譜數(shù)值估計(jì)算法，經(jīng)逆運(yùn)算獲得系統(tǒng)的雙譜驅(qū)動(dòng)信號(hào)，隨后利用高階譜對(duì)高斯隨機(jī)信號(hào)的盲性判定其輸入信號(hào)的高斯性。將上述方法與采用傳統(tǒng)相位隨機(jī)化法（對(duì)功率譜添加隨機(jī)相位）所獲得的驅(qū)動(dòng)信號(hào)分別應(yīng)用于一懸臂梁模擬控制系統(tǒng)中，通過(guò)對(duì)輸入信號(hào)的分析及控制結(jié)果的比較，發(fā)現(xiàn)基于雙譜所生成的時(shí)域隨機(jī)驅(qū)動(dòng)信號(hào)呈現(xiàn)出較強(qiáng)的非高斯性且
振動(dòng)工程學(xué)報(bào) 2020年1期2020-05-21
- AR模型在火箭發(fā)動(dòng)機(jī)遙測(cè)數(shù)據(jù)中的應(yīng)用①
進(jìn)行分析的，而且雙譜是在高階譜分析中應(yīng)用較廣的一種現(xiàn)代譜分析方法[2]，可以檢測(cè)信號(hào)中二次相位耦合頻率，以此為依據(jù)提取信號(hào)耦合頻率的雙譜比值，提高故障識(shí)別的準(zhǔn)確性[3-4]。國(guó)內(nèi)外學(xué)者利用AR雙譜模型對(duì)滾動(dòng)軸承故障[5-8]、旋轉(zhuǎn)機(jī)械[9-11]、發(fā)動(dòng)機(jī)[12-13]等故障信號(hào)進(jìn)行了識(shí)別分析，均得到了理想的應(yīng)用效果。本文對(duì)氧離心泵測(cè)點(diǎn)遙測(cè)數(shù)據(jù)進(jìn)行AR模型雙譜估計(jì)分析，采用AR雙譜模型分析火箭發(fā)動(dòng)機(jī)的氧離心泵的遙測(cè)信號(hào)數(shù)據(jù)，對(duì)其故障模式識(shí)別進(jìn)行研究，為進(jìn)一步
固體火箭技術(shù) 2019年5期2019-11-15
- 基于切片雙譜多重分形特征的雷達(dá)信號(hào)識(shí)別算法
文針對(duì)此問(wèn)題，將雙譜分析[5]和多重分形理論[6-8]運(yùn)用到雷達(dá)信號(hào)識(shí)別中，提出了基于切片雙譜多重分形特征的雷達(dá)信號(hào)識(shí)別算法。1 雙譜對(duì)角切片多重分形特征1.1 雙譜對(duì)角切片提取傳統(tǒng)的功率譜分析只適用于線性系統(tǒng)，雙譜作為傳統(tǒng)功率譜的推廣，不僅能夠抑制接收信號(hào)的高斯噪聲干擾，保留信號(hào)的相位信息，而且可以很好地描述和檢測(cè)接收信號(hào)的非線性特征。同時(shí)與其他高階譜相比，處理方法簡(jiǎn)單，因此更適用于雷達(dá)接收信號(hào)的分析。其定義如[9]下：假定{x(i)}為零均值的平穩(wěn)過(guò)程
探測(cè)與控制學(xué)報(bào) 2019年5期2019-11-07
- 矩形積分雙譜和半監(jiān)督鑒別分析下的通信輻射源識(shí)別
,提取通信輻射源雙譜特征作為其指紋特征,并利用支持向量機(jī)進(jìn)行分類識(shí)別,得到分類結(jié)果.該方法一定程度上提升了同類通信輻射源識(shí)別效果,但是由于雙譜特征維數(shù)較高,直接用于分類識(shí)別容易產(chǎn)生“維數(shù)災(zāi)難”問(wèn)題,即同時(shí)在訓(xùn)練樣本較少以及先驗(yàn)樣本標(biāo)簽信息較少時(shí)其識(shí)別精度只有72%左右.為了解決直接應(yīng)用雙譜特征帶來(lái)的“維數(shù)災(zāi)難”問(wèn)題,2016年雷迎科等[6]針對(duì)通信輻射源雙譜特征維數(shù)較高的問(wèn)題,引入流形學(xué)習(xí)理論,提出正交局部樣條判別流形嵌入算法來(lái)對(duì)通信輻射源雙譜特征進(jìn)行降維
- 基于雙譜分析的滾動(dòng)軸承故障診斷
的濾波降噪效果，雙譜分析對(duì)是處理非線性、非最小相位的有效手段，本文對(duì)小波降噪，然后對(duì)其雙譜分析研究軸承振動(dòng)信號(hào)的中的高階分量，對(duì)滾動(dòng)軸承故障種類進(jìn)行有效識(shí)別。2 雙譜理論雙譜分析是處理高斯噪聲的有效方法，能從更高階概率層次表征隨機(jī)信號(hào)，理論上可以很大程度抑制高斯噪聲，但對(duì)于非高斯噪聲較為困難，在高階譜分析中，雙譜的階數(shù)較低，包含了高階譜的多數(shù)特性。小波變換對(duì)于分析非平穩(wěn)信號(hào)，有效地過(guò)濾振動(dòng)信號(hào)中的噪聲，并增強(qiáng)振動(dòng)信號(hào)中隱含的瞬態(tài)信息。將小波降噪和雙譜分析結(jié)
電子技術(shù)與軟件工程 2019年11期2019-07-12
- 雙譜特征和深度學(xué)習(xí)在信號(hào)調(diào)制識(shí)別中的應(yīng)用*
深入研究，文中將雙譜特征和深度學(xué)習(xí)用于信號(hào)調(diào)制識(shí)別中，以期取得好的輻射源信號(hào)識(shí)別效果，提取信號(hào)本質(zhì)特征并提高識(shí)別率，擴(kuò)展新的輻射源識(shí)別方法。1 雙譜雙譜[8]能分析非線性、非高斯、非因果信號(hào)，也可分析高斯有色噪聲和盲信號(hào)，還能分析隨機(jī)信號(hào)，可抑制高斯噪聲干擾，并原原本本保留信號(hào)的原始幅度和相位信息。它是目標(biāo)信號(hào)檢測(cè)、信號(hào)分類等方面有效的分析工具。1.1 雙譜定義假設(shè)目標(biāo)信號(hào)x(n)滿足平穩(wěn)條件，三階累積量是C3x(τ1,τ2)=E[x(n)x(n+τ1)x
彈箭與制導(dǎo)學(xué)報(bào) 2019年5期2019-05-28
- 目標(biāo)觸底瞬態(tài)地震波信號(hào)的檢測(cè)
工具。本文采用的雙譜檢測(cè)方法就是一種利用高階累積量進(jìn)行檢測(cè)的方法,其理論基礎(chǔ)在于:平穩(wěn)高斯噪聲的3階以上的高階譜能量為0,而非高斯信號(hào)其高階譜不為0。據(jù)此可以完成在高斯背景噪聲環(huán)境中檢測(cè)低信噪比非高斯信號(hào)的工作[3]。1 雙譜檢測(cè)理論1.1 雙譜的定義k階譜定義為隨機(jī)過(guò)程{(x)}的k階累積量的k-1維離散時(shí)間傅立葉變換,即:高階譜又被稱為多譜或累積量譜。特別地,我們稱三階譜S3ω(ω1,ω2)叫做雙譜,習(xí)慣上記為Bx(ω1,ω2);稱四階譜S4ω(ω1,
數(shù)字海洋與水下攻防 2019年1期2019-05-08
- 基于擴(kuò)展雙譜的齒輪壓縮采樣信號(hào)特征提取方法
效果差等[4]。雙譜是高階譜中應(yīng)用最廣泛的一種分析方法，在理論上可完全抑制高斯噪聲，且保留了相位信息，可定量描述信號(hào)中的二次相位耦合，是分析非線性、非平穩(wěn)信號(hào)的有力工具，在故障診斷及特征提取領(lǐng)域的應(yīng)用研究不斷發(fā)展[5–6]，取得了較理想的應(yīng)用效果。本文提出一種基于擴(kuò)展雙譜的壓縮信號(hào)特征提取方法，避免了尚存問(wèn)題的信號(hào)重構(gòu)過(guò)程，直接對(duì)壓縮信號(hào)進(jìn)行分析。仿真及工程應(yīng)用均表明了該方法可以有效地提取壓縮信號(hào)故障特征，為機(jī)械故障診斷提供有力的依據(jù)。1 擴(kuò)展雙譜的基本原
噪聲與振動(dòng)控制 2018年5期2018-10-23
- 基于二值雙譜和模糊聚類的風(fēng)電軸承故障診斷
路。1 基于二值雙譜和模糊聚類的模式識(shí)別基于二值雙譜的模糊聚類故障模式識(shí)別法，以風(fēng)電滾動(dòng)軸承振動(dòng)信號(hào)的二值雙譜特征為基礎(chǔ)，采用基于目標(biāo)函數(shù)的模糊聚類方法構(gòu)造各類故障的目標(biāo)模板，再按照最鄰近準(zhǔn)則設(shè)計(jì)分類器，以測(cè)試樣本與目標(biāo)模板的距離測(cè)度作為模式分類依據(jù)，對(duì)軸承故障位置進(jìn)行模式識(shí)別，其流程圖如圖1所示。圖1 基于二值雙譜和模糊聚類的模式識(shí)別流程圖Fig.1 Flow chart of fuzzy clustering pattern recognition b
振動(dòng)、測(cè)試與診斷 2018年4期2018-08-25
- 基于雙譜能量算子的碰摩轉(zhuǎn)子故障特征提取
統(tǒng)所呈現(xiàn)的特征.雙譜是高階統(tǒng)計(jì)量中階次最低、計(jì)算最簡(jiǎn)單的方法,可以表征信號(hào)的非線性相位耦合.2000年,Parker等[2]提出了基于雙譜的診斷策略,并成功地應(yīng)用于旋轉(zhuǎn)機(jī)械的故障診斷.2007年,Kim等[3]通過(guò)理論和實(shí)驗(yàn)分析提出了一種基于雙相干系數(shù)的二次相位耦合檢測(cè)方法.在國(guó)內(nèi),雙譜方法與其他方法結(jié)合的研究比較活躍.李輝等[4-5]提出了基于階次雙譜和倒雙譜分析方法,對(duì)齒輪箱故障進(jìn)行了診斷.朱忠奎等[6]提出了循環(huán)雙譜表示方法,并驗(yàn)證了該方法在表示齒輪
中國(guó)工程機(jī)械學(xué)報(bào) 2018年3期2018-07-05
- 基于改進(jìn)EMD和雙譜分析的電機(jī)軸承故障診斷實(shí)現(xiàn)
的經(jīng)驗(yàn)?zāi)B(tài)分解和雙譜分析相結(jié)合的故障檢測(cè)方法來(lái)有效診斷電機(jī)軸承的早期故障。首先，針對(duì)EMD分解無(wú)法得到嚴(yán)格單分量IMF的問(wèn)題，利用小波包分解將軸承振動(dòng)信號(hào)分解為窄帶信號(hào)并選取能量最集中的頻帶進(jìn)行重構(gòu)，從而降低故障信號(hào)的復(fù)雜性，抑制模態(tài)混疊問(wèn)題；然后利用經(jīng)驗(yàn)?zāi)B(tài)分解方法根據(jù)信號(hào)的固有波動(dòng)模式將其分解為一系列IMF分量；再通過(guò)方差貢獻(xiàn)率檢驗(yàn)去除其中的虛假分量；最后，利用雙譜分析信號(hào)的調(diào)制關(guān)系進(jìn)行解耦，得到故障特征頻率。驗(yàn)證結(jié)果表明，所提出的分析方法能有效診斷軸
電機(jī)與控制學(xué)報(bào) 2018年5期2018-05-14
- 基于高階譜法作物重金屬污染元素判別與污染程度診斷
象，將高階譜中的雙譜估計(jì)方法應(yīng)用于玉米葉片微分光譜處理，以雙譜三維圖方式實(shí)現(xiàn)Cu2+和Pb2+污染定性分析與污染元素的種類辨別，并通過(guò)灰度-梯度共生矩陣(Gray gradient co-occurrence matrix, GGCM)提取雙譜平面圖的紋理特征[22-24]，用所提取的紋理特征值來(lái)定量診斷玉米葉片的污染程度。1 數(shù)據(jù)獲取玉米葉片光譜數(shù)據(jù)采集于分別受CuSO4·5H2O和Pb(NO3)2脅迫下的盆栽“中糯1號(hào)”玉米植株，并采用其中0、250、
農(nóng)業(yè)機(jī)械學(xué)報(bào) 2018年2期2018-03-13
- 雙譜圖在語(yǔ)音分析中的應(yīng)用
,AR)參數(shù)模型雙譜估計(jì)計(jì)算語(yǔ)音信號(hào)的雙譜。利用雙譜進(jìn)行語(yǔ)音信息的分析與研究，語(yǔ)音信息特征可以在雙譜圖上得以體現(xiàn)，使得語(yǔ)音信息特征的研究更加直觀，對(duì)于語(yǔ)音辨識(shí)具有一定效果。1 數(shù)據(jù)采集本文使用Windows附件的錄音機(jī)程序驅(qū)動(dòng)聲片采集、播放和簡(jiǎn)單語(yǔ)音信號(hào)處理[2]。語(yǔ)音錄音在相對(duì)安靜的環(huán)境中進(jìn)行，不摻雜外來(lái)噪音，實(shí)驗(yàn)人員均在語(yǔ)速和緩、心情平穩(wěn)下錄制語(yǔ)音。為了清晰地闡明對(duì)語(yǔ)音信號(hào)進(jìn)行頻譜分析，實(shí)驗(yàn)對(duì)象直接錄制一段語(yǔ)音，并保存為.WAV格式文件，供MATLAB
傳感器與微系統(tǒng) 2018年2期2018-01-27
- 基于雙譜綜合特征提取的距離-速度同步拖引干擾識(shí)別方法研究
01109)基于雙譜綜合特征提取的距離-速度同步拖引干擾識(shí)別方法研究袁功霖1，侯 靜2，陳 義3，張 誠(chéng)3(1.南京電子技術(shù)研究所,江蘇 南京 210039； 2.西北工業(yè)大學(xué) 電子信息學(xué)院,陜西 西安 710072；3.上海機(jī)電工程研究所,上海 201109)為有效對(duì)抗距離-速度同步拖引(R-VGPO)欺騙干擾，提出了一種綜合的雙譜特征提取方法用于識(shí)別真實(shí)目標(biāo)回波信號(hào)和欺騙干擾。建立了拖引干擾信號(hào)模型，基于雙譜分析良好的抗噪性能，分別對(duì)真實(shí)回波信號(hào)和欺騙
上海航天 2017年6期2018-01-08
- 滾動(dòng)軸承雙譜特征提取及變工況故障診斷
201)滾動(dòng)軸承雙譜特征提取及變工況故障診斷張銳戈1，2,李 勁3(1. 三明學(xué)院 機(jī)電工程學(xué)院 福建 三明 365004； 2. 裝備智能福建省高校重點(diǎn)實(shí)驗(yàn)室 福建 三明 365004； 3. 湖南科技大學(xué) 信息與電氣工程學(xué)院 湖南 湘潭 411201)研究工況變化情形下的信號(hào)特征提取技術(shù)和軸承狀態(tài)判別方法，以滿足旋轉(zhuǎn)裝備變工況運(yùn)行環(huán)境故障診斷需要。首先分析滾動(dòng)軸承振動(dòng)加速度信號(hào)雙譜特征，發(fā)現(xiàn)其在不同故障類型時(shí)差異性顯著，在故障相同但工況不同時(shí)又較為相似
武漢輕工大學(xué)學(xué)報(bào) 2017年2期2017-09-11
- 基于雙譜特征融合的通信輻射源識(shí)別算法
0037)?基于雙譜特征融合的通信輻射源識(shí)別算法桂云川1,2，楊俊安1,2，萬(wàn) 俊1(1.解放軍電子工程學(xué)院，安徽 合肥 230037;2.安徽省電子制約技術(shù)重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230037)針對(duì)當(dāng)前通信輻射源個(gè)體識(shí)別方法存在識(shí)別效率不高，內(nèi)在細(xì)微特征難以提取等問(wèn)題，提出了基于雙譜特征融合的通信輻射源特征提取算法。該算法通過(guò)融合對(duì)角積分雙譜與雙譜對(duì)角切片特征組成特征向量，并對(duì)對(duì)角切片特征提取方法進(jìn)行了改進(jìn)，將原信號(hào)先進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，在得到的
探測(cè)與控制學(xué)報(bào) 2016年5期2016-11-17
- 基于深度置信網(wǎng)絡(luò)和雙譜對(duì)角切片的低截獲概率雷達(dá)信號(hào)識(shí)別
于深度置信網(wǎng)絡(luò)和雙譜對(duì)角切片的低截獲概率雷達(dá)信號(hào)識(shí)別王 星*①周一鵬①周東青①陳忠輝②田元榮①①(空軍工程大學(xué)航空航天工程學(xué)院 西安 710038)②(解放軍95357部隊(duì) 佛山 528227)基于深度置信網(wǎng)絡(luò)(DBN)對(duì)信號(hào)雙譜對(duì)角切片(BDS)結(jié)構(gòu)特征進(jìn)行學(xué)習(xí)，實(shí)現(xiàn)低截獲概率(LPI)雷達(dá)信號(hào)識(shí)別。該方法首先建立基于受限玻爾茲曼機(jī)(RBM)的DBN模型，對(duì)LPI雷達(dá)信號(hào)的BDS數(shù)據(jù)進(jìn)行逐層無(wú)監(jiān)督貪心學(xué)習(xí)，然后運(yùn)用后向傳播(BP)機(jī)制在有監(jiān)督學(xué)習(xí)方式下根
電子與信息學(xué)報(bào) 2016年11期2016-10-13
- 基于電流信號(hào)分析的風(fēng)力發(fā)電機(jī)齒輪箱故障診斷
端的電流信號(hào)進(jìn)行雙譜分析。分析發(fā)現(xiàn)當(dāng)齒輪箱發(fā)生齒輪故障時(shí)電流中將會(huì)產(chǎn)生故障頻率且電流幅值會(huì)隨著故障程度的加深而減少。通過(guò)和故障電流的理論分析結(jié)果進(jìn)行對(duì)比驗(yàn)證，可知基于發(fā)電機(jī)側(cè)電流信號(hào)分析能有效地提取齒輪箱的故障特征。關(guān)鍵詞：風(fēng)力發(fā)電；齒輪箱；故障診斷；電流信號(hào)；雙譜風(fēng)力發(fā)電機(jī)組隨著單機(jī)組的容量增加，齒輪箱承受的載荷也隨之增加，加上其復(fù)雜多變的工況，導(dǎo)致風(fēng)力發(fā)電機(jī)組故障頻發(fā)。不少學(xué)者對(duì)風(fēng)力發(fā)電機(jī)故障診斷和狀態(tài)監(jiān)測(cè)進(jìn)行了研究[1-3]。而其中基于振動(dòng)信號(hào)的診斷
廣東電力 2016年6期2016-07-16
- 一種新穎的通信輻射源個(gè)體細(xì)微特征提取方法
射源;細(xì)微特征;雙譜;正交局部樣條判別嵌入;流形學(xué)習(xí)DOI10.13443/j.cjors.2015032501A novel fine feature extraction method for identifying communication tansmitterLEI Yingke1,2,3HAO Xiaojun1HAN Hui1WANG Lijun3(1.TheStateKeyLaboratoryofComplexElectromagneticE
電波科學(xué)學(xué)報(bào) 2016年1期2016-04-23
- 基于雙譜分析特征提取的汽輪機(jī)故障智能診斷
50002)基于雙譜分析特征提取的汽輪機(jī)故障智能診斷王志剛1, 王宏超2(1.安陽(yáng)工學(xué)院 機(jī)械工程學(xué)院 河南 安陽(yáng) 455000; 2鄭州輕工業(yè)學(xué)院 機(jī)電工程學(xué)院,河南 鄭州 450002)旋轉(zhuǎn)機(jī)械發(fā)生故障時(shí),其信號(hào)往往呈現(xiàn)出非線性特征,故常規(guī)的線性信號(hào)處理方法不再適用于旋轉(zhuǎn)機(jī)械故障信號(hào)的特征提取.高階譜分析方法是基于高階統(tǒng)計(jì)量(Higher Order Statistics,HOS)的一種非線性信號(hào)處理方法,其中的雙譜分析方法具有高階統(tǒng)計(jì)量的一切優(yōu)點(diǎn),并
中國(guó)工程機(jī)械學(xué)報(bào) 2016年5期2016-03-07
- 基于監(jiān)測(cè)信號(hào)邊際譜和雙譜特征融合的孔系鉆削質(zhì)量分析
監(jiān)測(cè)信號(hào)邊際譜和雙譜特征融合的孔系鉆削質(zhì)量分析周友行, 謝賽元， 謝奇， 周后明(湘潭大學(xué) 機(jī)械工程學(xué)院,湖南湘潭411105)切削參數(shù)一致的孔系類零部件應(yīng)用非常廣泛，如飛機(jī)噴射引擎上成千上萬(wàn)個(gè)冷卻孔、液壓集成閥塊上數(shù)以百計(jì)的輸油管道等。在此類零部件加工過(guò)程中，孔系鉆削質(zhì)量一致性檢測(cè)和控制十分關(guān)鍵[1-2]。眾所周知，鉆削加工處于封閉或者半封閉環(huán)境，鉆孔加工質(zhì)量的在線實(shí)時(shí)檢測(cè)難以實(shí)現(xiàn)，目前主要采用加工后抽檢的方法。對(duì)于孔系鉆削而言，既存在漏檢隱患，而且質(zhì)量
振動(dòng)與沖擊 2015年24期2016-01-28
- 復(fù)雜體制雷達(dá)輻射源信號(hào)識(shí)別新方法?
述問(wèn)題,本文利用雙譜對(duì)噪聲不敏感的特點(diǎn),提出了一種新的識(shí)別算法。對(duì)接收到的信號(hào)首先提取其雙譜幅度譜,然后將其轉(zhuǎn)化為二維特征,為降低識(shí)別算法的運(yùn)算量,進(jìn)一步求取該二維特征中的復(fù)雜度特征,即盒維數(shù)和信息維數(shù),并將盒維數(shù)和信息維數(shù)作為最終的識(shí)別特征參數(shù),最后利用支持向量機(jī)(SVM)[7]實(shí)現(xiàn)識(shí)別。仿真試驗(yàn)證明,新方法充分發(fā)揮了雙譜對(duì)噪聲不敏感的特點(diǎn),在較低的信噪比下可以準(zhǔn)確識(shí)別不同調(diào)制樣式的雷達(dá)輻射源信號(hào)。1 雷達(dá)輻射源信號(hào)的雙譜估計(jì)偵察接收機(jī)接收到的雷達(dá)輻射源
雷達(dá)科學(xué)與技術(shù) 2016年1期2016-01-10
- 基于雙譜特征的超寬帶雷達(dá)人體目標(biāo)識(shí)別*
真的結(jié)果表明，用雙譜法提取超寬帶雷達(dá)目標(biāo)的特征信息具有良好的效果，利用提取出的特征信息可進(jìn)行目標(biāo)的分類與識(shí)別［4］。但是雙譜數(shù)據(jù)量大，有較多信息冗余，不利于目標(biāo)識(shí)別?？梢赃M(jìn)一步提取特征，降低雙譜特征維數(shù)。而且不同特征可以從不同角度描述目標(biāo)，多特征融合更有利于目標(biāo)識(shí)別［5］。根據(jù)上述分析，首先在超寬帶雷達(dá)體制下，基于精確三維實(shí)體模型，利用FDTD 算法計(jì)算目標(biāo)電磁散射回波，獲得目標(biāo)高分辨距離像(High Resolution Range Profile，HR
電訊技術(shù) 2015年9期2015-12-25
- 倒雙譜的分形維數(shù)在故障診斷中的應(yīng)用
作者將倒譜分析、雙譜分析以及分形理論相結(jié)合，針對(duì)溢流閥故障信號(hào)具有的機(jī)械振動(dòng)信號(hào)非線性等共性，提出了通過(guò)計(jì)算倒雙譜的分形維數(shù)進(jìn)行故障檢測(cè)和診斷的方法，并應(yīng)用到溢流閥的故障診斷中。1 倒譜與倒雙譜設(shè){x(n)}為零均值k階平穩(wěn)隨機(jī)過(guò)程，功率譜定義為:雙譜定義為:設(shè)ω1＝ω2＝ω時(shí)，即得到AR雙譜的對(duì)角切片Bx(ω，ω)，其中 c3x(τ1，τ2)為三階累積量:功率譜對(duì)數(shù)值的逆傅里葉變換稱為倒譜。設(shè)信號(hào)x(n)的功率譜為Sx(ω)，則倒譜Cx(τ)為將Bx(ω
機(jī)床與液壓 2015年19期2015-11-26
- 基于ITD和切片雙譜的滾動(dòng)軸承局部損傷故障診斷
工具[4-5]。雙譜是高階譜中運(yùn)算最簡(jiǎn)單且應(yīng)用最廣泛的分析方法，在理論上可完全抑制Gauss噪聲的影響，識(shí)別信號(hào)中的二次相位耦合頻率成分，提高分析和辨識(shí)精度。軸承振動(dòng)信號(hào)中的噪聲可近似作為Gauss噪聲處理，用雙譜分析軸承振動(dòng)信號(hào)更易獲得故障特征信息。同時(shí)軸承信號(hào)常表現(xiàn)為二次相位耦合模式，如軸承故障特征頻率自身的耦合及故障特征頻率與轉(zhuǎn)頻的耦合[6-7]。下文將ITD與切片雙譜相結(jié)合分析軸承故障振動(dòng)信號(hào)，可有效抑制噪聲，提取軸承信號(hào)由于二次相位耦合產(chǎn)生的非線
軸承 2014年8期2014-07-22
- 雙譜主成分分析的滾動(dòng)軸承智能故障診斷
功率譜方法分析。雙譜分析能處理非平穩(wěn)和非高斯隨機(jī)系列，且理論上能完全抑制高斯噪聲，在旋轉(zhuǎn)機(jī)械故障診斷中得到了廣泛的應(yīng)用。雙譜故障診斷可以劃分成譜圖法和智能診斷法。譜圖法尋找譜圖峰值與不同故障類型之間對(duì)應(yīng)關(guān)系，最常用的是切片譜，如水平切片、對(duì)角切片和中心頻率切片[1～3]；或者是計(jì)算切片譜的倒譜[4,5]，將成簇譜線簡(jiǎn)化為單根譜線后尋找故障頻率。也有依據(jù)雙譜的譜峰頻率辨別故障類型、并通過(guò)紋理特征來(lái)判別故障程度的研究成果報(bào)道[6]。此外，基于滾動(dòng)軸承振動(dòng)信號(hào)模
振動(dòng)工程學(xué)報(bào) 2014年5期2014-04-02
- AR雙譜的電梯機(jī)械故障診斷
AR模型和AR雙譜1.1 AR模型［1-4］假設(shè)a（t）為電梯輸出振動(dòng)信號(hào)中的隨機(jī)信號(hào)受到均值為零的非高斯白噪聲的干擾，x（t）為零均值有色非高斯噪聲，則其AR模型為式（1）中：?i（i＝1，2，…，p）為自回歸系數(shù)；p為自回歸模型的階數(shù).用滯后量m和n表示變量x（t）的三階累積量函數(shù)c（m，n），有令m＝n，可得｛x（t）｝三階自相關(guān)c（m，n）的對(duì)角切片值.當(dāng)m＝n＝1，2，…，p，可得矩陣方程［5-6］為1.2 AR雙譜隨機(jī)量x（t）的雙譜為三階矩
- 基于雙譜和支持向量機(jī)的小麥碰撞聲分類研究
710062基于雙譜和支持向量機(jī)的小麥碰撞聲分類研究張嚴(yán)嚴(yán)，郭 敏陜西師范大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院，西安 7100621 引言小麥在儲(chǔ)藏期間，易發(fā)生蟲害和霉變，導(dǎo)致小麥質(zhì)量下降，有效地檢測(cè)和防治工作顯得尤為重要。常見的儲(chǔ)糧檢測(cè)方法有糧食探管法、機(jī)器視覺(jué)檢測(cè)法、電導(dǎo)率檢測(cè)法、近紅外反射光譜法、軟X線成像法等[1]。但這些方法存在勞動(dòng)強(qiáng)度大、代價(jià)高等缺陷。因此，具有輕便、簡(jiǎn)單、快捷、廉價(jià)等優(yōu)勢(shì)的聲檢測(cè)技術(shù)日益成為該領(lǐng)域的研究熱點(diǎn)[2]。近年來(lái)，在聲檢測(cè)領(lǐng)域，碰撞聲
計(jì)算機(jī)工程與應(yīng)用 2013年23期2013-07-27
- 基于AR雙譜與分形盒維數(shù)的減壓閥故障診斷
高階累積量的AR雙譜和時(shí)間序列的分形盒維數(shù)分析方法都能對(duì)復(fù)雜的非線性的系統(tǒng)進(jìn)行描述。AR雙譜能夠很好地處理非高斯信號(hào)，還能夠判別系統(tǒng)是否含有非線性以及非線性的程度。它不同于傳統(tǒng)的信號(hào)處理方法，它彌補(bǔ)了功率譜的不足，利用高階譜對(duì)故障信息的靈敏性可以監(jiān)測(cè)設(shè)備的運(yùn)行狀態(tài)，實(shí)現(xiàn)其故障診斷與識(shí)別。分形盒維數(shù)能有效地反映了系統(tǒng)的非線性特性及吸引子的動(dòng)態(tài)程度。當(dāng)系統(tǒng)偏離了正常的工作狀態(tài)時(shí)，該系統(tǒng)的吸引子就發(fā)生變化，盒維數(shù)也隨之發(fā)生變化，即盒維數(shù)往往隨著系統(tǒng)狀態(tài)的改變而改
機(jī)床與液壓 2013年7期2013-03-31
- 雙譜切片的分形特性在減壓閥故障診斷中的應(yīng)用*
狀態(tài)下信號(hào)的AR雙譜切片，再根據(jù)其自相似性，采用分別計(jì)算其容量維數(shù)的方法來(lái)進(jìn)行故障診斷。1 雙譜切片設(shè)平穩(wěn)隨機(jī)過(guò)程的 k 階累積 ckx(τ1，τ2，…，τk－1)，定義為隨機(jī)變量{x(n)，x(n+ τ1)，…，x(n+ τk－1)}的k階聯(lián)合累積量:其中，cum(·)代表聯(lián)合累積量。k階累積量譜定義為k階累積量的k－1維Fourier變換，即建立AR模型后，根據(jù)式(3)可以得到AR雙譜表達(dá)式為在式(4)中，設(shè)ω1=ω2時(shí)，即得到AR雙譜的1.5維(對(duì)角
制造技術(shù)與機(jī)床 2012年4期2012-09-26
- 基于循環(huán)雙譜二次切片分析的滾動(dòng)軸承故障診斷研究
先后有專家對(duì)循環(huán)雙譜，即最低階的高階循環(huán)平穩(wěn)分析方法——三階循環(huán)累積量譜進(jìn)行了深入的研究［2－4］。但是其算法所需計(jì)算量大，而且所得的最終圖譜結(jié)果不直觀，所包含信息的冗余量比較大。本課題組在已經(jīng)對(duì)循環(huán)雙譜做了中心頻率切片分析的基礎(chǔ)上，將嘗試對(duì)循環(huán)雙譜進(jìn)行進(jìn)一步簡(jiǎn)化——對(duì)循環(huán)雙譜做二次切片。也就是對(duì)循環(huán)雙譜在循環(huán)頻率等于信號(hào)中心頻率處的切片譜再次做切片，來(lái)分析早期滾動(dòng)軸承的點(diǎn)蝕故障。通過(guò)簡(jiǎn)化，不僅計(jì)算量大大減小，而且所得的結(jié)果也將更加直觀和有效。我們將通過(guò)仿
振動(dòng)與沖擊 2012年18期2012-09-15
- 雙譜時(shí)延估計(jì)在被動(dòng)測(cè)距中的應(yīng)用
般呈高斯分布，而雙譜法時(shí)延估計(jì)在理論上能完全抑制高斯噪聲，因此提出用雙譜法時(shí)延估計(jì)代替互相關(guān)法來(lái)抑制海洋環(huán)境噪聲對(duì)時(shí)延估計(jì)的影響。仿真結(jié)果表明相比于互相關(guān)法，雙譜法時(shí)延估計(jì)精度更高，誤差更小。1 被動(dòng)測(cè)距數(shù)學(xué)模型假設(shè)目標(biāo)是點(diǎn)源，聲波按球面波方式傳播。設(shè)等間距的三陣元 1、2、3，陣元間距為d，目標(biāo)方位θ，目標(biāo)到各陣元的距離分別為 r1、r2、r3。r2即要測(cè)定的目標(biāo)距離r，如圖1所示[2]。圖1 三元陣被動(dòng)測(cè)距示模型設(shè)在極坐標(biāo)系中，目標(biāo)的坐標(biāo)為 S ( r
船電技術(shù) 2012年6期2012-07-04
- 基于ARMA模型雙譜分布與FCM方法的軸承故障識(shí)別*
的有效手段，其中雙譜因研究最為深入而得到大量應(yīng)用［4-6］.因此，將EMD方法與雙譜分析聯(lián)合有助于滾動(dòng)軸承的故障特征提取.但是，雙譜應(yīng)用于故障識(shí)別多著眼于切片譜特征與相應(yīng)故障的對(duì)應(yīng)關(guān)系，而較強(qiáng)噪聲對(duì)此類特征的提取有很大影響.考慮到參數(shù)化雙譜具有高分辨率的優(yōu)點(diǎn)和不同信號(hào)譜圖分布特征的差異，文中以軸承主分量信號(hào)的自回歸滑動(dòng)平均(ARMA)參數(shù)化模型雙譜分布構(gòu)建有效的故障特征指標(biāo)，結(jié)合模糊c均值(FCM)聚類算法來(lái)實(shí)現(xiàn)滾動(dòng)軸承的故障模式識(shí)別與診斷，并以滾動(dòng)軸承故
- 基于雙譜熵模型的故障模式識(shí)別
］等。本文提出的雙譜熵模型，是在雙譜域內(nèi)建立的信息熵特征參量。在研究信息熵理論的基礎(chǔ)上，建立了振動(dòng)信號(hào)的雙譜熵模型，并針對(duì)實(shí)驗(yàn)室齒輪箱的4 種典型故障狀態(tài)，對(duì)其振動(dòng)信號(hào)進(jìn)行了雙譜分析，計(jì)算了雙譜熵特征參量，建立BP 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了故障模式識(shí)別，識(shí)別結(jié)果表明，利用雙譜熵特征參量進(jìn)行故障模式識(shí)別，在測(cè)點(diǎn)數(shù)量少的情況下能獲得較高的診斷精度。1 雙譜熵模型的建立1.1 雙譜設(shè)隨機(jī)過(guò)程{x(n)}在任意n，n + m1，…，n +mk－1時(shí)刻的k 維隨機(jī)矢量則三
兵工學(xué)報(bào) 2012年6期2012-02-22
- 基于雙譜分析的毫米波多普勒引信目標(biāo)檢測(cè)
的一個(gè)重要課題。雙譜是高階譜中階數(shù)為三的一種特例，包含了目標(biāo)的幅度和相位信息，能更完整地反映出目標(biāo)的本來(lái)特征。毫米波多普勒引信目標(biāo)回波實(shí)際上是一隨機(jī)過(guò)程，譜估計(jì)是一種有效的分析工具。傳統(tǒng)的功率譜（相關(guān)函數(shù)）等方法在無(wú)線電引信回波信號(hào)的處理中，從過(guò)程中提取的是滿足假設(shè)高斯條件的信號(hào)；想充分了解信號(hào)的非線性、非高斯帶來(lái)的信息，僅用二階累積量是不夠的，這樣對(duì)信號(hào)的特征分析及檢測(cè)存在一定的不足。有文獻(xiàn)采用雙譜分析檢測(cè)目標(biāo)，文獻(xiàn)［1］解決了利用積分雙譜在相位方面特征
探測(cè)與控制學(xué)報(bào) 2011年5期2011-08-27
- 基于AR雙譜的超聲波電機(jī)故障診斷
處理[5-6]。雙譜是三階累積量的二次Fourier變換，它保留了信號(hào)的相位信息，可以定量地描述信號(hào)中與故障密切聯(lián)系的非線性相位耦合，還可以抑制噪聲的影響，消除高斯噪聲的干擾[7-9]。目前，利用高階譜累積量的參數(shù)化模型研究超聲波電機(jī)系統(tǒng)機(jī)械故障的資料很少。本文作者根據(jù)超聲波電機(jī)工作時(shí)的非進(jìn)給方向微小振動(dòng)的變化特點(diǎn)，用三階累積量對(duì)其平穩(wěn)振動(dòng)信號(hào)建立AR模型(Autoregressive model)，計(jì)算 AR雙譜，提取雙譜的特征，進(jìn)而得出一種有效的超聲波
- 基于高階統(tǒng)計(jì)量的多模噪聲中的信號(hào)檢測(cè)
。采用高階譜中的雙譜技術(shù)，以多模噪聲的第三種模型為噪聲背景，結(jié)合無(wú)慣性非線性變換器[9]，提出了基于雙譜的檢測(cè)方法，并給出了改進(jìn)的自適應(yīng)幅頻干擾抑制器[9]的物理模型。最后針對(duì)具體信號(hào)做了大量仿真驗(yàn)證了其可行性，并與傳統(tǒng)的似然比檢測(cè)進(jìn)行了簡(jiǎn)單比較證實(shí)了其優(yōu)越性。1 多模噪聲的數(shù)學(xué)模型隨著無(wú)線電技術(shù)的迅速發(fā)展，在復(fù)雜的電子設(shè)備中會(huì)出現(xiàn)無(wú)法預(yù)料的干擾和噪聲，破壞系統(tǒng)的功能。這些噪聲很多是非高斯噪聲，按照概率密度函數(shù)形狀對(duì)其進(jìn)行研究，提出了多模噪聲。多模噪聲主要
通信技術(shù) 2010年12期2010-09-13
- 基于高階循環(huán)平穩(wěn)的柴油發(fā)動(dòng)機(jī)活塞銷振動(dòng)信號(hào)分析
時(shí)頻分析[9]、雙譜分析[10]等方法,尚未見到利用高階循環(huán)平穩(wěn)(higher order cyclostationary,HOCS)理論分析活塞銷振動(dòng)信號(hào)的研究報(bào)道。本文嘗試?yán)酶唠A循環(huán)累積量譜理論處理活塞銷加速振動(dòng)信號(hào),分析了三種不同的活塞銷磨損間隙下的振動(dòng)信號(hào)的循環(huán)雙譜,討論了發(fā)動(dòng)機(jī)轉(zhuǎn)速對(duì)振動(dòng)信號(hào)循環(huán)雙譜的影響,有效地提取出了能夠反映活塞銷故障狀況的特征值。1 信號(hào)的高階循環(huán)平穩(wěn)及循環(huán)雙譜1.1 高階循環(huán)平穩(wěn)高階循環(huán)平穩(wěn)理論是以循環(huán)平穩(wěn)信號(hào)的高階統(tǒng)計(jì)
中國(guó)機(jī)械工程 2010年12期2010-06-04
- 基于 EMD與切片雙譜的軸承故障診斷方法
于 EMD與切片雙譜的軸承故障診斷方法張 琳 黃 敏(北京航空航天大學(xué) 工程系統(tǒng)工程系,北京 100191)針對(duì)軸承故障診斷問(wèn)題,提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD,Empirical Mode Decomposition)與切片雙譜分析相結(jié)合的新方法.將原始信號(hào)分解成不同尺度的固有模態(tài)函數(shù)(IMF,Intrinsic Mode Function),求取 IMF分量的包絡(luò),計(jì)算其對(duì)角切片雙譜,提取由于二次相位耦合產(chǎn)生的非線性特征,得到軸承的故障特征頻率.通過(guò)
北京航空航天大學(xué)學(xué)報(bào) 2010年3期2010-03-16