雙譜
- 基于多域融合的空間輻射源細微特征識別
[17-18]、雙譜分析[19-21]等理論。文獻[22]利用雷達信號的累積量作為個體識別的特征,使用KNN分類器對3部同型號機載雷達的實測數據進行分類識別,取得良好的分類效果。文獻[23]使用離散傅里葉變換的功率譜構建了譜域特征,結果表明譜域特征比時域特征性能好,與小波域特征性能接近,并略有提高。文獻[24]使用Gabor變換系數構建了基于Gabor變換的特征,結果表明基于Gabor變換的特征比時域和譜域特征更為有效。直接提取信號變換的結果進行輻射源識別
中國空間科學技術 2023年4期2023-09-18
- 基于雙譜分析的高原灌木回波信號分類
灌木地形下的回波雙譜用4 種積分雙譜進行降維與分類,從而在占用很少資源的情況下實現對引信炸高的識別。1 雙譜的基本理論1.1 雙譜的定義高階譜是通過累積量函數(cum)來定義的,因此也被稱作累積量譜。 假如是一個零均值的k階平穩過程,則將該過程的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,可以直接通過卷積神經
北京航空航天大學學報 2022年10期2022-11-09
- 基于不完全Cholesky分解相關熵雙譜的軸承故障診斷
的研究和應用，如雙譜[9-11]、切片雙譜[12]、倒雙譜[13]、循環雙譜[14-16]、高階譜[17]分析等，已廣泛用于機械設備的故障診斷，取得了良好效果。軸承故障振動信號呈周期性瞬態沖擊和復雜調制的特點，具有明顯的非線性、非平穩、非高斯特點。雙譜是分析高斯信號的有效工具，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，傳統的雙譜不能有效消除非高斯噪聲的干擾，因此會造成雙譜分析性能衰退，甚至失效。相關熵是處理高斯、非高斯噪聲的有效方法，已在雷達
振動與沖擊 2022年11期2022-06-17
- 基于二維雙樹復小波變換的無人機個體識別*
目標身份[2]。雙譜分析法是處理非高斯信號的主要數學工具，能夠在保留信號的幅度和相位信息的同時自動抑制高斯噪聲，故被廣泛應用于特征提取[3]。無人機圖傳信號為非高斯信號[4]，故雙譜分析法適用于無人機圖傳信號的處理，但直接將雙譜作為特征進行無人機分類，存在數據維數高和計算復雜的問題，需要進行二次特征提取。文獻[5]采用矩形積分法實現特征降維，文獻[6]利用 Fisher類測度選出最具目標分辨能力的若干雙譜特征，文獻[7]提取雙譜的平坦度、譜亮度和譜滾降度三
電訊技術 2022年5期2022-05-27
- 基于改進ResNet的射頻指紋識別方法*
法，以及使用選擇雙譜、積分雙譜等對信號雙譜人工特征降維處理再分類識別[2]，即通過接收瞬態射頻信號或穩態射頻信號，在時域或變換域提取信號的物理參數特征及統計特征，選取一個或多個特征構成射頻指紋，再利用分類器實現無線通信個體的識別。但這些基于特征工程的識別方法嚴重依賴人工設計的射頻指紋，缺乏普適性。從2018年起，深度學習開始應用到射頻指紋識別領域，射頻指紋識別也從經驗驅動的人造特征范式過渡到了數據驅動的端到端表示學習范式的新紀元[3-4]。文獻[5]對基帶
電訊技術 2022年4期2022-04-26
- 相關熵和雙譜分析齒輪故障診斷研究
一種基于相關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和不完全Cholesky分解算法計算信號的相關熵，然后再計算相關熵的雙譜，根據相關熵的雙譜特征識別齒輪故障。通過不完全Cholesky分解算法計算信號的相關熵，不僅大大壓縮了數據量，突出了齒輪故障特征，而且提高了計算效率。通過仿真和齒輪磨損故障振動信號分析結果表明：強背景噪聲會造成傳統雙譜故障診斷方法失效，而基于相關熵和雙譜分析的齒輪故障診斷方法，能在強噪聲干擾背景中提取齒輪的故障特征準確識別
振動工程學報 2021年5期2021-12-16
- 變工況下滾動軸承雙譜分析及智能故障診斷
號受強噪聲干擾，雙譜憑借良好的高斯噪聲抑制[19]和系統非線性特征提取[20]能力在故障診斷領域得到應用。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]與雙譜相結合等方法，皆能提取軸承故障特征信息。從文獻檢索結果來看，目前還沒有工況變化情形下雙譜特性的研究成果報道。從診斷思路來看，已有診斷方案過程較為復雜，還存在精度受限[27]、參數選擇不易[28]和知識負遷移[29]等問題。因而提出
噪聲與振動控制 2021年6期2021-12-15
- 一種基于對角積分雙譜的復合調制LPI雷達信號識別方法*
合調制信號，采用雙譜估計的方法對信號進行特征提取，并利用對角積分雙譜對數據進行降維處理，進而利用其雙譜特征進行調制類型識別。1 LPI雷達信號建模與分析由于LFM、BPSK、FSK等單一調制信號在前人的研究中都已經被詳細介紹過，因此，本文在這里不再進行過多贅述。下面主要介紹本文所采用的復合調制LPI雷達信號的建模與分析。1.1 LFM?BPSK復合調制信號建模與分析LFM-BPSK信號是LFM信號與BPSK信號混合的信號，其克服了BPSK信號對多普勒頻移敏
航天電子對抗 2021年5期2021-11-30
- 基于雙譜切片小波包的雷達體制識別技術*
和計算量最小的是雙譜，并且尺度、時移不變性及相位保持性的特點，使得雙譜分析在信號處理中更具有優勢［9-11］。小波分析可以在時頻域同時對信號進行處理，因此，可以區分出信號中的突變成分及噪聲，完成信號去噪［12-13］。小波包是在小波分析的基礎上，將高頻部分進行正交分解。不同雷達的信號在通過小波包分解后重構系數會有區別，這些系數的能量也有較大差異，因此，小波包重構系數的能量特征常被用于信號的識別中［14-18］。雙譜分析雖然有尺度、時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
- 基于雙譜運算在語音信號分析中的應用
通過AR參數模型雙譜估計計算語音信號雙譜，利用高階累積量抑制高斯噪聲，使得語音信息特征研究更趨于直觀，提高語音辨別效果。1 復數三階累積量的不同定義兩式中x*（n）是x（n）的共軛復數，通過Hilbert變換得到復數信號后，當3ω由1ω、2ω二次相位耦合后3ω=1ω+2ω，x（t）為耦合信號，此時定義①中三階累積量及對角切片均為0，定義②中三階累積量及對角切片分別為：通過上式可知①中雙譜運算過程及對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算中保
電子測試 2021年11期2021-07-02
- 調制信號雙譜在滾動軸承故障診斷中的應用研究
如：功率譜分析，雙譜分析。其中功率譜分析忽略了信號的相位信息，僅包含單個分量幅度信息，且不能解調調制信號；雙譜分析只考慮信號較高邊帶的信息，沒有考慮低邊帶信息。這些方法在提取故障特征時都有不足的地方，并且都不能充分的解調信號中的調制成分?；谏鲜鲈?，利用具有良好的信號解調特性的調制信號雙譜分析方法解調信號中的調制現象，并且調制信號雙譜有良好的降噪效果及對干擾頻率有很好的抑制作用。提出了調制信號雙譜分析方法并用于滾動軸承故障診斷。調制信號雙譜是一種基于傳統
南昌航空大學學報（自然科學版） 2021年1期2021-06-02
- 簡述基于雙譜變換的通信輻射源個體識別
，每個積分路徑對雙譜的值計算和特征提取的貢獻情況不同，篩選出離雙譜譜峰較近的矩形積分路徑，提取最大貢獻路徑的雙譜值。利用該篩選算法對信號的雙譜進行二次特征提取，在保證識別準確率的同時有效減少計算維度，最后采用卷積神經網絡進行分類識別。1 基于雙譜的通信輻射源指紋特征提取算法1.1 雙譜變換由于實際電磁輻射的環境較為復雜，輻射信號或噪聲并不完全服從高斯分布，對信號細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的相位信息。雙
科學與信息化 2021年12期2021-05-16
- 基于雙譜和譜特征的心電信號分類方法
簡明有效的工具。雙譜作為一種成熟的信號方法，能夠有效抑制高斯噪聲帶來的干擾，在許多領域得到了廣泛應用[3]。然而，由于雙譜矩陣較為復雜，目前大多數算法是在得到雙譜矩陣的基礎上進一步降維提取特征，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無線設備入侵檢測算法
① 基于信號局部雙譜積分提取的射頻指紋特征的識別分類方案，將這5種分類方案仿真并相互對比，分析5種信號局部雙譜積分的優劣勢，并通過仿真得出結論，矩形積分雙譜(Square Integral Bispectra,SIB)和選擇雙譜對于射頻信號的區分度最優。② 基于射頻信號的雙譜特征可以抑制加性高斯白噪聲的特點，提出了基于SIB和選擇雙譜的融合特征。對比使用傳統信號特征的支持向量機(Support Vector Machine,SVM)模型和使用基于SIB和選
無線電工程 2021年5期2021-05-08
- 局部圍線積分雙譜的雷達信號源指紋識別技術
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的相位信息，除了線性相位以外，雙譜包含了全部的信號信息，且雙譜分析法中雷達信號的雙譜具有平移不變性，因此雙譜分析法有效的應用在雷達信號源指紋特征提取中。雖然雙譜在理論可以完全抑制任何對稱分布的非高斯噪聲和高斯噪聲，但是直接應用雙譜分析作為識別雷達信號源的特征向量，不僅有很大的信息冗余，而且還需要有足夠大的目標模板庫。為了減少雙譜的數據量，以達到減少目標模板庫存儲量和信息冗余以達到實時處理信息
電子世界 2021年24期2021-03-02
- 基于形狀標記和雙譜分析的圖像形狀特征提?、?/a>
四階譜,通常稱為雙譜和三譜.Chandran 等[1]在1993年根據高階譜,定義了一系列具有旋轉和尺度不變性質的特征參數,用于一維信號模式識別.自1997年,Chandran[2]首次將高階譜分析推廣到二維圖像和物體識別領域,近年來在這些領域得到了成功應用,例如聲納圖像中海礦識別[3],電子顯微鏡圖像中病毒識別[4]和熱成像中乳腺癌檢測[5].文獻[1-5]中都是采用Radon 變換將圖像映射到一組一維投影,對一維信號進行雙譜分析.圖像識別中的形狀信息一
計算機系統應用 2020年12期2021-01-21
- 基于高階譜的異步電機定子匝間短路故障診斷方法研究*
1 高階累積量與雙譜實際運行中的電機受到電網頻率波動和電機自身不對稱性的影響，其故障特征頻率fr并不明顯，有時會被其他噪聲因素影響而產生誤判。想要準確分析這種非高斯非線性信號，高階統計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，還可以通過分析三階統計量以及其多維傅里葉變換雙譜提取出更多有用的信息。設x(n)為K階平穩隨機過程且均值為0，定義其K階累積量為隨機變量{x(n),x(n+m),…，x(n+mk-1)}的K階聯合累積量，即Ckx(m1,m
重慶工商大學學報（自然科學版） 2020年6期2020-11-16
- 基于殘差神經網絡的輻射源個體識別
法減少接收信號的雙譜維數，減少冗余信息對識別的影響。然后，對信號進行特征增強，通過將信號和降維后的雙譜特征融合輸入的方式將信號輸入到網絡中。殘差網絡通過反向傳播的思想來解決網絡深度不足、梯度消失/爆炸等問題，并且使用直接映射來連接網絡不同層直接的思想。1 特征提取1.1 雙譜計算選取雙譜特征是由于該特征對噪聲不敏感，運算量小，利于實時實現。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
航天電子對抗 2020年4期2020-10-16
- 基于局部雙譜和深度卷積神經網絡的通信電臺識別研究*
到二維空間。信號雙譜是一種階數最低的高階譜，在信號分類和輻射源個體識別上得到了廣泛應用。方成[2]、劉贏[3]等人基于信號雙譜特征完成了輻射信號的分類識別。本文基于局部雙譜特征和深度卷積神經網絡對通信輻射源個體識別進行研究，結果表明，該方法能夠實現對輻射源的分類識別，同時為降低數據維度提供了一種新思路。1 信號雙譜特征令x(n)是均值為零的平穩隨機信號，則隨機序列{x(n),x(n+τ1),…,x(n+τk-1)} 的k階累積量為ckx(τ1,τ2,…,τ
通信技術 2020年7期2020-07-19
- MIMO線性系統輸入輸出信號統計特征的雙譜評定方法
一種利用三階譜（雙譜）評定MIMO線性系統時域輸入輸出信號統計特征的新方法。通過建立線性系統雙譜數學模型，根據系統響應、所測得的頻響函數以及離散信號的雙譜數值估計算法，經逆運算獲得系統的雙譜驅動信號，隨后利用高階譜對高斯隨機信號的盲性判定其輸入信號的高斯性。將上述方法與采用傳統相位隨機化法（對功率譜添加隨機相位）所獲得的驅動信號分別應用于一懸臂梁模擬控制系統中，通過對輸入信號的分析及控制結果的比較，發現基于雙譜所生成的時域隨機驅動信號呈現出較強的非高斯性且
振動工程學報 2020年1期2020-05-21
- AR模型在火箭發動機遙測數據中的應用①
進行分析的，而且雙譜是在高階譜分析中應用較廣的一種現代譜分析方法[2]，可以檢測信號中二次相位耦合頻率，以此為依據提取信號耦合頻率的雙譜比值，提高故障識別的準確性[3-4]。國內外學者利用AR雙譜模型對滾動軸承故障[5-8]、旋轉機械[9-11]、發動機[12-13]等故障信號進行了識別分析，均得到了理想的應用效果。本文對氧離心泵測點遙測數據進行AR模型雙譜估計分析，采用AR雙譜模型分析火箭發動機的氧離心泵的遙測信號數據，對其故障模式識別進行研究，為進一步
固體火箭技術 2019年5期2019-11-15
- 基于切片雙譜多重分形特征的雷達信號識別算法
文針對此問題，將雙譜分析[5]和多重分形理論[6-8]運用到雷達信號識別中，提出了基于切片雙譜多重分形特征的雷達信號識別算法。1 雙譜對角切片多重分形特征1.1 雙譜對角切片提取傳統的功率譜分析只適用于線性系統，雙譜作為傳統功率譜的推廣，不僅能夠抑制接收信號的高斯噪聲干擾，保留信號的相位信息，而且可以很好地描述和檢測接收信號的非線性特征。同時與其他高階譜相比，處理方法簡單，因此更適用于雷達接收信號的分析。其定義如[9]下：假定{x(i)}為零均值的平穩過程
探測與控制學報 2019年5期2019-11-07
- 矩形積分雙譜和半監督鑒別分析下的通信輻射源識別
,提取通信輻射源雙譜特征作為其指紋特征,并利用支持向量機進行分類識別,得到分類結果.該方法一定程度上提升了同類通信輻射源識別效果,但是由于雙譜特征維數較高,直接用于分類識別容易產生“維數災難”問題,即同時在訓練樣本較少以及先驗樣本標簽信息較少時其識別精度只有72%左右.為了解決直接應用雙譜特征帶來的“維數災難”問題,2016年雷迎科等[6]針對通信輻射源雙譜特征維數較高的問題,引入流形學習理論,提出正交局部樣條判別流形嵌入算法來對通信輻射源雙譜特征進行降維
上海大學學報（自然科學版） 2019年5期2019-10-31
- 基于雙譜分析的滾動軸承故障診斷
的濾波降噪效果，雙譜分析對是處理非線性、非最小相位的有效手段，本文對小波降噪，然后對其雙譜分析研究軸承振動信號的中的高階分量，對滾動軸承故障種類進行有效識別。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信號，理論上可以很大程度抑制高斯噪聲，但對于非高斯噪聲較為困難，在高階譜分析中，雙譜的階數較低，包含了高階譜的多數特性。小波變換對于分析非平穩信號，有效地過濾振動信號中的噪聲，并增強振動信號中隱含的瞬態信息。將小波降噪和雙譜分析結
電子技術與軟件工程 2019年11期2019-07-12
- 雙譜特征和深度學習在信號調制識別中的應用*
深入研究，文中將雙譜特征和深度學習用于信號調制識別中，以期取得好的輻射源信號識別效果，提取信號本質特征并提高識別率，擴展新的輻射源識別方法。1 雙譜雙譜[8]能分析非線性、非高斯、非因果信號，也可分析高斯有色噪聲和盲信號，還能分析隨機信號，可抑制高斯噪聲干擾，并原原本本保留信號的原始幅度和相位信息。它是目標信號檢測、信號分類等方面有效的分析工具。1.1 雙譜定義假設目標信號x(n)滿足平穩條件，三階累積量是C3x(τ1,τ2)=E[x(n)x(n+τ1)x
彈箭與制導學報 2019年5期2019-05-28
- 目標觸底瞬態地震波信號的檢測
工具。本文采用的雙譜檢測方法就是一種利用高階累積量進行檢測的方法,其理論基礎在于:平穩高斯噪聲的3階以上的高階譜能量為0,而非高斯信號其高階譜不為0。據此可以完成在高斯背景噪聲環境中檢測低信噪比非高斯信號的工作[3]。1 雙譜檢測理論1.1 雙譜的定義k階譜定義為隨機過程{(x)}的k階累積量的k-1維離散時間傅立葉變換,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,習慣上記為Bx(ω1,ω2);稱四階譜S4ω(ω1,
數字海洋與水下攻防 2019年1期2019-05-08
- 基于擴展雙譜的齒輪壓縮采樣信號特征提取方法
效果差等[4]。雙譜是高階譜中應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，可定量描述信號中的二次相位耦合，是分析非線性、非平穩信號的有力工具，在故障診斷及特征提取領域的應用研究不斷發展[5–6]，取得了較理想的應用效果。本文提出一種基于擴展雙譜的壓縮信號特征提取方法，避免了尚存問題的信號重構過程，直接對壓縮信號進行分析。仿真及工程應用均表明了該方法可以有效地提取壓縮信號故障特征，為機械故障診斷提供有力的依據。1 擴展雙譜的基本原
噪聲與振動控制 2018年5期2018-10-23
- 基于二值雙譜和模糊聚類的風電軸承故障診斷
路。1 基于二值雙譜和模糊聚類的模式識別基于二值雙譜的模糊聚類故障模式識別法，以風電滾動軸承振動信號的二值雙譜特征為基礎，采用基于目標函數的模糊聚類方法構造各類故障的目標模板，再按照最鄰近準則設計分類器，以測試樣本與目標模板的距離測度作為模式分類依據，對軸承故障位置進行模式識別，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別流程圖Fig.1 Flow chart of fuzzy clustering pattern recognition b
振動、測試與診斷 2018年4期2018-08-25
- 基于雙譜能量算子的碰摩轉子故障特征提取
統所呈現的特征.雙譜是高階統計量中階次最低、計算最簡單的方法,可以表征信號的非線性相位耦合.2000年,Parker等[2]提出了基于雙譜的診斷策略,并成功地應用于旋轉機械的故障診斷.2007年,Kim等[3]通過理論和實驗分析提出了一種基于雙相干系數的二次相位耦合檢測方法.在國內,雙譜方法與其他方法結合的研究比較活躍.李輝等[4-5]提出了基于階次雙譜和倒雙譜分析方法,對齒輪箱故障進行了診斷.朱忠奎等[6]提出了循環雙譜表示方法,并驗證了該方法在表示齒輪
中國工程機械學報 2018年3期2018-07-05
- 基于改進EMD和雙譜分析的電機軸承故障診斷實現
的經驗模態分解和雙譜分析相結合的故障檢測方法來有效診斷電機軸承的早期故障。首先，針對EMD分解無法得到嚴格單分量IMF的問題，利用小波包分解將軸承振動信號分解為窄帶信號并選取能量最集中的頻帶進行重構，從而降低故障信號的復雜性，抑制模態混疊問題；然后利用經驗模態分解方法根據信號的固有波動模式將其分解為一系列IMF分量；再通過方差貢獻率檢驗去除其中的虛假分量；最后，利用雙譜分析信號的調制關系進行解耦，得到故障特征頻率。驗證結果表明，所提出的分析方法能有效診斷軸
電機與控制學報 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方法應用于玉米葉片微分光譜處理，以雙譜三維圖方式實現Cu2+和Pb2+污染定性分析與污染元素的種類辨別，并通過灰度-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定量診斷玉米葉片的污染程度。1 數據獲取玉米葉片光譜數據采集于分別受CuSO4·5H2O和Pb(NO3)2脅迫下的盆栽“中糯1號”玉米植株，并采用其中0、250、
農業機械學報 2018年2期2018-03-13
- 雙譜圖在語音分析中的應用
,AR)參數模型雙譜估計計算語音信號的雙譜。利用雙譜進行語音信息的分析與研究，語音信息特征可以在雙譜圖上得以體現，使得語音信息特征的研究更加直觀，對于語音辨識具有一定效果。1 數據采集本文使用Windows附件的錄音機程序驅動聲片采集、播放和簡單語音信號處理[2]。語音錄音在相對安靜的環境中進行，不摻雜外來噪音，實驗人員均在語速和緩、心情平穩下錄制語音。為了清晰地闡明對語音信號進行頻譜分析，實驗對象直接錄制一段語音，并保存為.WAV格式文件，供MATLAB
傳感器與微系統 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別方法研究袁功霖1，侯 靜2，陳 義3，張 誠3(1.南京電子技術研究所,江蘇 南京 210039； 2.西北工業大學 電子信息學院,陜西 西安 710072；3.上海機電工程研究所,上海 201109)為有效對抗距離-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別真實目標回波信號和欺騙干擾。建立了拖引干擾信號模型，基于雙譜分析良好的抗噪性能，分別對真實回波信號和欺騙
上海航天 2017年6期2018-01-08
- 滾動軸承雙譜特征提取及變工況故障診斷
201)滾動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. 三明學院 機電工程學院 福建 三明 365004； 2. 裝備智能福建省高校重點實驗室 福建 三明 365004； 3. 湖南科技大學 信息與電氣工程學院 湖南 湘潭 411201)研究工況變化情形下的信號特征提取技術和軸承狀態判別方法，以滿足旋轉裝備變工況運行環境故障診斷需要。首先分析滾動軸承振動加速度信號雙譜特征，發現其在不同故障類型時差異性顯著，在故障相同但工況不同時又較為相似
武漢輕工大學學報 2017年2期2017-09-11
- 基于雙譜特征融合的通信輻射源識別算法
0037)?基于雙譜特征融合的通信輻射源識別算法桂云川1,2，楊俊安1,2，萬 俊1(1.解放軍電子工程學院，安徽 合肥 230037;2.安徽省電子制約技術重點實驗室，安徽 合肥 230037)針對當前通信輻射源個體識別方法存在識別效率不高，內在細微特征難以提取等問題，提出了基于雙譜特征融合的通信輻射源特征提取算法。該算法通過融合對角積分雙譜與雙譜對角切片特征組成特征向量，并對對角切片特征提取方法進行了改進，將原信號先進行經驗模態分解(EMD)，在得到的
探測與控制學報 2016年5期2016-11-17
- 基于深度置信網絡和雙譜對角切片的低截獲概率雷達信號識別
于深度置信網絡和雙譜對角切片的低截獲概率雷達信號識別王 星*①周一鵬①周東青①陳忠輝②田元榮①①(空軍工程大學航空航天工程學院 西安 710038)②(解放軍95357部隊 佛山 528227)基于深度置信網絡(DBN)對信號雙譜對角切片(BDS)結構特征進行學習，實現低截獲概率(LPI)雷達信號識別。該方法首先建立基于受限玻爾茲曼機(RBM)的DBN模型，對LPI雷達信號的BDS數據進行逐層無監督貪心學習，然后運用后向傳播(BP)機制在有監督學習方式下根
電子與信息學報 2016年11期2016-10-13
- 基于電流信號分析的風力發電機齒輪箱故障診斷
端的電流信號進行雙譜分析。分析發現當齒輪箱發生齒輪故障時電流中將會產生故障頻率且電流幅值會隨著故障程度的加深而減少。通過和故障電流的理論分析結果進行對比驗證，可知基于發電機側電流信號分析能有效地提取齒輪箱的故障特征。關鍵詞：風力發電；齒輪箱；故障診斷；電流信號；雙譜風力發電機組隨著單機組的容量增加，齒輪箱承受的載荷也隨之增加，加上其復雜多變的工況，導致風力發電機組故障頻發。不少學者對風力發電機故障診斷和狀態監測進行了研究[1-3]。而其中基于振動信號的診斷
廣東電力 2016年6期2016-07-16
- 一種新穎的通信輻射源個體細微特征提取方法
射源;細微特征;雙譜;正交局部樣條判別嵌入;流形學習DOI10.13443/j.cjors.2015032501A novel fine feature extraction method for identifying communication tansmitterLEI Yingke1,2,3HAO Xiaojun1HAN Hui1WANG Lijun3(1.TheStateKeyLaboratoryofComplexElectromagneticE
電波科學學報 2016年1期2016-04-23
- 基于雙譜分析特征提取的汽輪機故障智能診斷
50002)基于雙譜分析特征提取的汽輪機故障智能診斷王志剛1, 王宏超2(1.安陽工學院 機械工程學院 河南 安陽 455000; 2鄭州輕工業學院 機電工程學院,河南 鄭州 450002)旋轉機械發生故障時,其信號往往呈現出非線性特征,故常規的線性信號處理方法不再適用于旋轉機械故障信號的特征提取.高階譜分析方法是基于高階統計量(Higher Order Statistics,HOS)的一種非線性信號處理方法,其中的雙譜分析方法具有高階統計量的一切優點,并
中國工程機械學報 2016年5期2016-03-07
- 基于監測信號邊際譜和雙譜特征融合的孔系鉆削質量分析
監測信號邊際譜和雙譜特征融合的孔系鉆削質量分析周友行, 謝賽元， 謝奇， 周后明(湘潭大學 機械工程學院,湖南湘潭411105)切削參數一致的孔系類零部件應用非常廣泛，如飛機噴射引擎上成千上萬個冷卻孔、液壓集成閥塊上數以百計的輸油管道等。在此類零部件加工過程中，孔系鉆削質量一致性檢測和控制十分關鍵[1-2]。眾所周知，鉆削加工處于封閉或者半封閉環境，鉆孔加工質量的在線實時檢測難以實現，目前主要采用加工后抽檢的方法。對于孔系鉆削而言，既存在漏檢隱患，而且質量
振動與沖擊 2015年24期2016-01-28
- 復雜體制雷達輻射源信號識別新方法?
述問題,本文利用雙譜對噪聲不敏感的特點,提出了一種新的識別算法。對接收到的信號首先提取其雙譜幅度譜,然后將其轉化為二維特征,為降低識別算法的運算量,進一步求取該二維特征中的復雜度特征,即盒維數和信息維數,并將盒維數和信息維數作為最終的識別特征參數,最后利用支持向量機(SVM)[7]實現識別。仿真試驗證明,新方法充分發揮了雙譜對噪聲不敏感的特點,在較低的信噪比下可以準確識別不同調制樣式的雷達輻射源信號。1 雷達輻射源信號的雙譜估計偵察接收機接收到的雷達輻射源
雷達科學與技術 2016年1期2016-01-10
- 基于雙譜特征的超寬帶雷達人體目標識別*
真的結果表明，用雙譜法提取超寬帶雷達目標的特征信息具有良好的效果，利用提取出的特征信息可進行目標的分類與識別［4］。但是雙譜數據量大，有較多信息冗余，不利于目標識別?？梢赃M一步提取特征，降低雙譜特征維數。而且不同特征可以從不同角度描述目標，多特征融合更有利于目標識別［5］。根據上述分析，首先在超寬帶雷達體制下，基于精確三維實體模型，利用FDTD 算法計算目標電磁散射回波，獲得目標高分辨距離像(High Resolution Range Profile，HR
電訊技術 2015年9期2015-12-25
- 倒雙譜的分形維數在故障診斷中的應用
作者將倒譜分析、雙譜分析以及分形理論相結合，針對溢流閥故障信號具有的機械振動信號非線性等共性，提出了通過計算倒雙譜的分形維數進行故障檢測和診斷的方法，并應用到溢流閥的故障診斷中。1 倒譜與倒雙譜設{x(n)}為零均值k階平穩隨機過程，功率譜定義為:雙譜定義為:設ω1＝ω2＝ω時，即得到AR雙譜的對角切片Bx(ω，ω)，其中 c3x(τ1，τ2)為三階累積量:功率譜對數值的逆傅里葉變換稱為倒譜。設信號x(n)的功率譜為Sx(ω)，則倒譜Cx(τ)為將Bx(ω
機床與液壓 2015年19期2015-11-26
- 基于ITD和切片雙譜的滾動軸承局部損傷故障診斷
工具[4-5]。雙譜是高階譜中運算最簡單且應用最廣泛的分析方法，在理論上可完全抑制Gauss噪聲的影響，識別信號中的二次相位耦合頻率成分，提高分析和辨識精度。軸承振動信號中的噪聲可近似作為Gauss噪聲處理，用雙譜分析軸承振動信號更易獲得故障特征信息。同時軸承信號常表現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頻的耦合[6-7]。下文將ITD與切片雙譜相結合分析軸承故障振動信號，可有效抑制噪聲，提取軸承信號由于二次相位耦合產生的非線
軸承 2014年8期2014-07-22
- 雙譜主成分分析的滾動軸承智能故障診斷
功率譜方法分析。雙譜分析能處理非平穩和非高斯隨機系列，且理論上能完全抑制高斯噪聲，在旋轉機械故障診斷中得到了廣泛的應用。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應關系，最常用的是切片譜，如水平切片、對角切片和中心頻率切片[1～3]；或者是計算切片譜的倒譜[4,5]，將成簇譜線簡化為單根譜線后尋找故障頻率。也有依據雙譜的譜峰頻率辨別故障類型、并通過紋理特征來判別故障程度的研究成果報道[6]。此外，基于滾動軸承振動信號模
振動工程學報 2014年5期2014-04-02
- AR雙譜的電梯機械故障診斷
AR模型和AR雙譜1.1 AR模型［1-4］假設a（t）為電梯輸出振動信號中的隨機信號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；p為自回歸模型的階數.用滯后量m和n表示變量x（t）的三階累積量函數c（m，n），有令m＝n，可得｛x（t）｝三階自相關c（m，n）的對角切片值.當m＝n＝1，2，…，p，可得矩陣方程［5-6］為1.2 AR雙譜隨機量x（t）的雙譜為三階矩
華僑大學學報（自然科學版） 2013年3期2013-10-11
- 基于雙譜和支持向量機的小麥碰撞聲分類研究
710062基于雙譜和支持向量機的小麥碰撞聲分類研究張嚴嚴，郭 敏陜西師范大學 計算機科學學院，西安 7100621 引言小麥在儲藏期間，易發生蟲害和霉變，導致小麥質量下降，有效地檢測和防治工作顯得尤為重要。常見的儲糧檢測方法有糧食探管法、機器視覺檢測法、電導率檢測法、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強度大、代價高等缺陷。因此，具有輕便、簡單、快捷、廉價等優勢的聲檢測技術日益成為該領域的研究熱點[2]。近年來，在聲檢測領域，碰撞聲
計算機工程與應用 2013年23期2013-07-27
- 基于AR雙譜與分形盒維數的減壓閥故障診斷
高階累積量的AR雙譜和時間序列的分形盒維數分析方法都能對復雜的非線性的系統進行描述。AR雙譜能夠很好地處理非高斯信號，還能夠判別系統是否含有非線性以及非線性的程度。它不同于傳統的信號處理方法，它彌補了功率譜的不足，利用高階譜對故障信息的靈敏性可以監測設備的運行狀態，實現其故障診斷與識別。分形盒維數能有效地反映了系統的非線性特性及吸引子的動態程度。當系統偏離了正常的工作狀態時，該系統的吸引子就發生變化，盒維數也隨之發生變化，即盒維數往往隨著系統狀態的改變而改
機床與液壓 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用*
狀態下信號的AR雙譜切片，再根據其自相似性，采用分別計算其容量維數的方法來進行故障診斷。1 雙譜切片設平穩隨機過程的 k 階累積 ckx(τ1，τ2，…，τk－1)，定義為隨機變量{x(n)，x(n+ τ1)，…，x(n+ τk－1)}的k階聯合累積量:其中，cum(·)代表聯合累積量。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，根據式(3)可以得到AR雙譜表達式為在式(4)中，設ω1=ω2時，即得到AR雙譜的1.5維(對角
制造技術與機床 2012年4期2012-09-26
- 基于循環雙譜二次切片分析的滾動軸承故障診斷研究
先后有專家對循環雙譜，即最低階的高階循環平穩分析方法——三階循環累積量譜進行了深入的研究［2－4］。但是其算法所需計算量大，而且所得的最終圖譜結果不直觀，所包含信息的冗余量比較大。本課題組在已經對循環雙譜做了中心頻率切片分析的基礎上，將嘗試對循環雙譜進行進一步簡化——對循環雙譜做二次切片。也就是對循環雙譜在循環頻率等于信號中心頻率處的切片譜再次做切片，來分析早期滾動軸承的點蝕故障。通過簡化，不僅計算量大大減小，而且所得的結果也將更加直觀和有效。我們將通過仿
振動與沖擊 2012年18期2012-09-15
- 雙譜時延估計在被動測距中的應用
般呈高斯分布，而雙譜法時延估計在理論上能完全抑制高斯噪聲，因此提出用雙譜法時延估計代替互相關法來抑制海洋環境噪聲對時延估計的影響。仿真結果表明相比于互相關法，雙譜法時延估計精度更高，誤差更小。1 被動測距數學模型假設目標是點源，聲波按球面波方式傳播。設等間距的三陣元 1、2、3，陣元間距為d，目標方位θ，目標到各陣元的距離分別為 r1、r2、r3。r2即要測定的目標距離r，如圖1所示[2]。圖1 三元陣被動測距示模型設在極坐標系中，目標的坐標為 S ( r
船電技術 2012年6期2012-07-04
- 基于ARMA模型雙譜分布與FCM方法的軸承故障識別*
的有效手段，其中雙譜因研究最為深入而得到大量應用［4-6］.因此，將EMD方法與雙譜分析聯合有助于滾動軸承的故障特征提取.但是，雙譜應用于故障識別多著眼于切片譜特征與相應故障的對應關系，而較強噪聲對此類特征的提取有很大影響.考慮到參數化雙譜具有高分辨率的優點和不同信號譜圖分布特征的差異，文中以軸承主分量信號的自回歸滑動平均(ARMA)參數化模型雙譜分布構建有效的故障特征指標，結合模糊c均值(FCM)聚類算法來實現滾動軸承的故障模式識別與診斷，并以滾動軸承故
華南理工大學學報（自然科學版） 2012年7期2012-06-25
- 基于雙譜熵模型的故障模式識別
］等。本文提出的雙譜熵模型，是在雙譜域內建立的信息熵特征參量。在研究信息熵理論的基礎上，建立了振動信號的雙譜熵模型，并針對實驗室齒輪箱的4 種典型故障狀態，對其振動信號進行了雙譜分析，計算了雙譜熵特征參量，建立BP 神經網絡模型進行了故障模式識別，識別結果表明，利用雙譜熵特征參量進行故障模式識別，在測點數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 雙譜設隨機過程{x(n)}在任意n，n + m1，…，n +mk－1時刻的k 維隨機矢量則三
兵工學報 2012年6期2012-02-22
- 基于雙譜分析的毫米波多普勒引信目標檢測
的一個重要課題。雙譜是高階譜中階數為三的一種特例，包含了目標的幅度和相位信息，能更完整地反映出目標的本來特征。毫米波多普勒引信目標回波實際上是一隨機過程，譜估計是一種有效的分析工具。傳統的功率譜（相關函數）等方法在無線電引信回波信號的處理中，從過程中提取的是滿足假設高斯條件的信號；想充分了解信號的非線性、非高斯帶來的信息，僅用二階累積量是不夠的，這樣對信號的特征分析及檢測存在一定的不足。有文獻采用雙譜分析檢測目標，文獻［1］解決了利用積分雙譜在相位方面特征
探測與控制學報 2011年5期2011-08-27
- 基于AR雙譜的超聲波電機故障診斷
處理[5-6]。雙譜是三階累積量的二次Fourier變換，它保留了信號的相位信息，可以定量地描述信號中與故障密切聯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化模型研究超聲波電機系統機械故障的資料很少。本文作者根據超聲波電機工作時的非進給方向微小振動的變化特點，用三階累積量對其平穩振動信號建立AR模型(Autoregressive model)，計算 AR雙譜，提取雙譜的特征，進而得出一種有效的超聲波
中南大學學報（自然科學版） 2011年12期2011-07-31
- 基于高階統計量的多模噪聲中的信號檢測
。采用高階譜中的雙譜技術，以多模噪聲的第三種模型為噪聲背景，結合無慣性非線性變換器[9]，提出了基于雙譜的檢測方法，并給出了改進的自適應幅頻干擾抑制器[9]的物理模型。最后針對具體信號做了大量仿真驗證了其可行性，并與傳統的似然比檢測進行了簡單比較證實了其優越性。1 多模噪聲的數學模型隨著無線電技術的迅速發展，在復雜的電子設備中會出現無法預料的干擾和噪聲，破壞系統的功能。這些噪聲很多是非高斯噪聲，按照概率密度函數形狀對其進行研究，提出了多模噪聲。多模噪聲主要
通信技術 2010年12期2010-09-13
- 基于高階循環平穩的柴油發動機活塞銷振動信號分析
時頻分析[9]、雙譜分析[10]等方法,尚未見到利用高階循環平穩(higher order cyclostationary,HOCS)理論分析活塞銷振動信號的研究報道。本文嘗試利用高階循環累積量譜理論處理活塞銷加速振動信號,分析了三種不同的活塞銷磨損間隙下的振動信號的循環雙譜,討論了發動機轉速對振動信號循環雙譜的影響,有效地提取出了能夠反映活塞銷故障狀況的特征值。1 信號的高階循環平穩及循環雙譜1.1 高階循環平穩高階循環平穩理論是以循環平穩信號的高階統計
中國機械工程 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 工程系統工程系,北京 100191)針對軸承故障診斷問題,提出一種基于經驗模態分解(EMD,Empirical Mode Decomposition)與切片雙譜分析相結合的新方法.將原始信號分解成不同尺度的固有模態函數(IMF,Intrinsic Mode Function),求取 IMF分量的包絡,計算其對角切片雙譜,提取由于二次相位耦合產生的非線性特征,得到軸承的故障特征頻率.通過
北京航空航天大學學報 2010年3期2010-03-16