改进奇异值分解技术在齿轮故障信号降噪中的应用

改进了奇异值分解技术,利用仿真信号验证了改进的奇异值分解技术对齿轮故障信号提取的有效性,并从实测齿轮裂纹信号和齿轮断齿信号中提取出了故障特征信号.研究表明该方法能在强噪声背景下提取出齿轮故障信号,但强噪声对提取效果有一定影响.     

基于数据矩阵的信号频率和二维方向估计

在低信噪比和短数据环境下，基于阵列接收数据空间自协方差和互协方差矩阵分解的信号频率和二维到达方向（方位角和仰角）联合估计的性能往往较差。通过数据矩阵的奇异值分解和其Ｆｒｏｂｅｎｉｕｓ范数的低秩近似，提出了一种性能改进的新的信号频率和二维到达方向联合估计方法。计算机模拟实验证实了其有效性。     

基于矩阵奇异值分解的空间谱估计算法

本文提出了一种利用矩阵奇异值分解来作空间谱估计的方法,即对由天线阵获取的数据所构成的数据矩阵作奇异值分解、删除来自噪声的贡献的诸最小奇异值以改善信噪比,并利用噪声奇异向量和天线阵的方向向量正交的性质来计算空间谱。除了奇异值分解算法本身给计算稳定性带来好处外,本方法的谱估计性能和计算量均优于近几年来国外广泛关注的一种谱估计算法——MUSIC算法。本方法可用于高分辨的测向系统中。     

一种新的高分辨定位去噪方法

高分辨定位技术在近几年得到人们的广泛注意,在这方面的研究工作相当活跃。本文提出一种新的多目标阵列接收信号协方差矩阵的去噪方法,并对结果进行了计算机模拟。