单频估计的自相关混合算法

对于高斯白噪声中单频复正弦信号的频率估计,提出一种基于信号自相关的混合算法。以自相关项相位加权平均方法获得估计初值,再以迭代方式利用自相关项进行频率估计。获得比迭代线性预测算法(ILP)更低的信噪比门限,估计方差在高信噪比时接近Cramér-Rao限,且优于ILP算法。该算法特别适于频率估计范围较窄但要求低信噪比的应用,性能分析和仿真结果说明了该方法的优越性。     

基于小波阈值和ACMD的滚动轴承瞬时转频估计

针对变转速工况下滚动轴承瞬时转频估计精度受噪声影响大的问题,提出一种基于小波阈值和自适应chirp模式分解(ACMD)的转频估计方法。该方法首先利用小波阈值对原始信号做降噪处理,然后对降噪后的信号做ACMD,得到高时频分辨率时频谱,最后利用峰值搜索算法从时频图中估计瞬时转频。通过对轴承仿真信号和实测信号的分析,证明了该方法能准确估计出瞬时转频,同时增强了噪声鲁棒性,为后续变工况轴承无转速计诊断工作奠定了基础。     

未知频偏下直扩信号的扩频序列估计

针对未知频偏下的直扩信号,通过将载频吸收至扩频波形中,提出了一种有效的基于协方差矩阵子空间分解的扩频序列估计算法。通过信号子空间分解,提高了含有未知频偏信息的扩频波形估计的信噪比,从而降低了载频估计难度。在随机信号模型条件下,还推导了扩频波形估计器的克拉美劳界。在低信噪比条件下,仿真验证了该算法的有效性。     

新颖的Chirp通信系统同步方法

提出的同步方法把Chirp信号扫频频率范围和扫频时间都扩展了一倍的本地信号与接收信号相乘,并利用乘积信号中主要频率分量的强度来构成反馈环路,再通过该反馈环路来对输入信号的延迟进行跟踪和锁定。分析和仿真结果表明,该方法可以完成系统的时间同步任务。该方法的核心在于把本地参考信号的扫频频率范围和扫频时间进行了扩展,从而排除了常用方法在宽带、超宽带情况下受信道影响的问题,同时由于避免了使用滑动相关器,也因此降低了复杂度。     

基于组合降噪的卷积神经网络轴承故障诊断方法

针对滚动轴承振动信号包含不同频率复杂噪声,单一降噪方法难以去除多种噪声,导致最终故障诊断率低的问题。提出一种基于组合降噪的卷积神经网络的轴承故障诊断方法。首先,通过SVD分解方法,根据奇异值差分谱,一次降噪并重构信号,去除信号内能量较低的宽频率噪声;再根据降噪重构信号,自适应选取CEEMD分解的参数,并进行自适应CEEMD分解,利用线性相关系数与峭度交集法滤除相关程度低、故障特征信息少的IMF分量,同时二次降噪并重构信号;最后,构建一维卷积神经网络并进行轴承故障诊断。通过原信号和组合降噪后信号的时频分析,轴承故障诊断实验,验证了该方法的有效性。     

一种高时频聚集性的方法在非平稳信号分析中的应用

非平稳信号广泛存在于自然界及工程实践中,时频分析是处理非平稳信号的有力工具。时频聚集性是评价时频分析方法的重要指标,传统时频分析方法在时频聚集性上已经不能满足要求,同步压缩小波变换将小波系数在频率方向进行压缩,能够有效提高时频聚集性。本文将此方法分别用于不同信噪比下的单分量及多分量信号分析,并与传统方法对比。结果表明该方法具有较强的噪声鲁棒性,对于复杂多分量信号仍能保持高时频聚集性。最后用于变转速滚动轴承故障信号分析,进一步验证了此方法的实用性。     

CEEMDAN辅助快速谱峭度的滚动轴承故障诊断方法

为解决集合经验模态（EEMD）存在分量重构误差大和提取的故障特征不明显问题，课题组提出一种自适应噪声完备集合经验模态分解（CEEMDAN）辅助快速谱峭度的故障诊断方法。首先采用CEEMDAN将故障信号分解为多个IMF分量，计算分量的谱峭度值，选择峭度和相关度最大的分量进行重构；然后通过快速谱峭度图确定最大共振频带，进行带通滤波分析，获得故障信息；最后采用某滚动轴承实验数据分别对内圈故障和外圈故障进行实验分析。结果表明：与原始故障信号相比，该方法获得的包络谱更清晰，故障频率更明显，内圈故障频率为162 Hz，外圈故障频率为107 Hz。该方法提取故障特征突出，可以得到有效的故障频带。     

部分W-分离正交语音信号的盲分离方法

在W-分离正交性假设的语音盲分离方法中,由于没有考虑多个源信号同时存在的情况,导致分离信号中不可避免地存在音乐噪声。针对这种部分W-分离正交情况,提出了基于信道估计的语音盲分离方法。该方法先检测只有一个源信号存在的时频点并进行归一化处理,使得处理后的结果与频率无关,克服了W-分离正交性假设的不足以及频率置换问题,通过K-means聚类估计出信道,再结合信号子空间方法重构源信号。仿真结果表明,提出的方法可以有效减少分离语音中的音乐噪声,与典型的时频二元掩蔽方法相比,其平均信号失真比提高3.02dB,同时平均信干比提高4.61dB。     

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。     

基于改进EMD 的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

低信噪比下非周期性直扩信号的盲估计

为解决低信噪比下非周期性直扩信号PN码序列的盲估计难题,提出了以两倍信息码元宽度为分段长度的分段矩阵特征分解法(SEVD)对PN码序列进行初步估计,然后对得到的各段估计序列进行拼接,再通过基于最优移位相加特性的信息码剥离算法得到原始PN码序列的盲估计方法,该方法采用并行处理以提高运算速度,并具有无需事先提取同步信息、能够消除"反码"现象的优点。仿真结果表明该方法能够在信噪比大于?17dB条件下对扩频码码长为1023的m序列的非周期性直扩信号做到无误码盲估计。     

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。     

改进的基于听觉掩蔽特性的语音增强

该文利用人耳感知的掩蔽特性,研究了一种改进的基于人耳听觉掩蔽特性的语音增强方法。该方法改进了对含噪语音中噪声的估计,即在估计噪声时,先在帧上判断语音的有无,然后在频率点上判断语音的有无,最后再从感知的角度,利用估计出的语音信号计算掩蔽阈值,以此在时域和频域上合理地调整增强系数。仿真结果表明,该方法不仅使信噪比有较大的提高,而且减少了语音失真,同时也很好地抑制了背景噪声和残余音乐噪声。     

基于FrFT和子空间正交的LFM信号参数估计

基于分数阶Fourier变换和子空间正交性,提出了一种低信噪比下线性调频信号检测与参数估计方法。讨论过程中将线性调频信号通过适当的分数阶Fourier变换得到一个单频复正弦信号,在此基础上,利用信号子空间与噪声子空间的正交性处理其正弦信号,再对线性调频信号的检测和参数估计转化为函数极值求解;最后,利用计算机模拟证实了方法的有效性。     

一种低信噪比信号的调制盲识别方法

提出了一种利用包络高阶特征J进行调制方式识别的方法。该方法具有计算简单、无需知道信号的先验信息,同时具有较好的噪声抑制等特点,能在低信噪比情况下快速、有效地进行盲调制识别,易于实时应用和工程的实现。其仿真结果表明:该方法在0dB信噪比条件下能够识别信号的调制方式,性能优于传统的包络调制识别方法。     

一种DOA估计的T差分平滑快速算法

针对未知非平稳噪声背景下相干信源的波达方向估计问题,提出了一种T差分平滑快速(TDSF)算法,算法根据非平稳噪声对角占优的特性,通过构造一个T矩阵,对协方差矩阵进行T变差分平滑运算,可同时分辨相干和非相干信源.算法采用幂迭代法直接获得噪声子空间,无需特征值分解,运算量较小,可有效地消除非平稳复噪声的影响,且不存在伪峰问题,适用于广泛的未知非平稳噪声和低信噪比环境.计算机仿真实验证实了算法的有效性.     

基于均匀圆阵的相干信号波束形成方法

提出一种新的相干波束形成方法,利用内插变换对相干背景下的真实阵列进行虚拟平移,得到多个虚拟平移后的信号协方差矩阵;对其进行平均后,所得到的相干信号协方差矩阵具有满秩性。利用一般的波束形成法求出最优权向量。该方法解决了五阵元均匀圆阵下二维相干信号的波束形成问题。计算机仿真表明该方法在小快怕数及低信噪比时能很好地抑制相干干扰,对期望信号和相干信号方向估计误差具有较强的稳健性。     

OFDM系统中新的同步与信道联合估计算法

提出了一种新的基于判决反馈的OFDM同步与信道联合跟踪算法。该算法提取出信道估计结果中包含的同步信息用于实现同步估计,并利用同步估计结果对信道估计结果进行修正,使其尽量逼近真实信道。仿真结果表明该算法在信噪比较大时可以获得较高的估计性能,具有计算量小和实现简单的优点。适当增加块长具有更强的抑制噪声的能力,但却减弱了信道的时变跟踪能力,因此块长的选择必须权衡考虑。     

利用迭代滤波改进乘积高阶模糊函数

乘积高阶模糊函数(PHAF)是因分析mc-PPS而提出来的,但它抑制交叉项的能力有限,难以实现mc-PPS估计。该文提出了逐次滤除最强PHAF峰对应的分量来减少交叉项的迭代滤波方法,改进后的PHAF具有较好的鲁棒性:减少了估计盲区,并且具有更好的估计精度,降低了信噪比门限,而且能估计低阶相位系数,这些性能由多个mc-PPS仿真例子所验证。     

实正弦信号的快速相位差分频率估计方法

基于最小均方误差相位差分频率估计原理,提出了能够直接处理实正弦信号的相位差分频率估计算法。新的修改算法利用零交越或FFT变换,能快速有效地在时域或频域上得到实正弦信号的相位信息,改善了频率估计的SNR阈值,且便于工程实现。