混沌干扰中基于同步挤压小波变换的谐波信号提取方法

针对混沌干扰背景下多个谐波信号的提取问题, 提出了一种基于同步挤压小波变换(SST)的谐波信号抽取方法. 首先利用SST将混沌信号和谐波信号组成的混合信号分解为不同的内蕴模态类函数, 然后利用Hilbert变换对分离出的内蕴模态类函数进行频率识别, 从中分离出各谐波信号. 以Duffing混沌背景为例, 对混沌干扰下多谐波信号的提取进行了实验分析. 实验结果表明: 对于不同频率间隔的多个谐波分量, 本文方法的提取结果都具有较高的精度, 而且所提方法对高斯白噪声的干扰具有较好的鲁棒性, 综合提取效果优于经典的经验模态分解方法.     

利用小波多尺度分解算法实现混沌系统的噪声减缩

应用小波多尺度分解算法进行噪声减缩,从混沌背景中分离周期信号、噪声及其他混沌信号.小波多尺度分解算法能够区分不同尺度的信号是利用小波变换在时、频两域具有突出信号特征的能力以及小波变换是一线性变换的特点.提出的方法仅利用信号的尺度特性,克服了先前的噪声减缩要知道产生混沌信号的数学模型,并且要求叠加在混沌背景中的其他信号的幅度相对混沌背景信号的幅度很小的假定.给出了从Lorenz混沌背景中提取正弦信号、白噪声和Chua's电路产生的混沌信号的计算机模拟结果. 关键词：     

基于经验模式分解的混沌干扰下谐波信号的提取方法

由混沌信号和谐波信号组合而成的复杂信号的分离方法一直受到关注.利用经验模式分解方法,依据任何信号由不同的固有简单振动模态组成的概念,将由混沌信号和谐波信号组合而成的复杂信号分离为不同的内在模态函数,并从中分解出谐波信号.通过利用Duffing方程产生的混沌信号进行的仿真实验,结果都表明该方法在一定参数范围内非常有效. 关键词： 经验模式分解 混沌 信号处理     

基于混沌粒子群优化的图像Contourlet阈值去噪

提出了基于混沌粒子群优化的图像Contourlet阈值去噪方法.该方法在Contourlet变换域内利用混沌粒子群算法来确定最优阈值,再通过软阈值函数去噪,且不需要噪音方差等先验信息.实验结果表明：该方法与小波Bayeshrink阈值、基于粒子群的小波阈值、Contourlet自适应阈值等去噪方法相比,能有效地去除高斯白噪音和椒盐噪音的混合噪音,提高峰值信噪比,并较好地保留图像的细节和纹理,从而明显地改善了图像的视觉效果.     

基于最优滤波器的强混沌背景中谐波信号检测方法研究

强混沌背景中的微弱谐波信号检测有重要的工程研究意义. 目前的检测方法主要是基于Takens理论的混沌相空间重构方法, 然而这些方法往往对信干噪比要求高, 且对高斯白噪声敏感等. 本文注意到混沌信号的二阶统计特性是不变的, 根据这个特点提出了一种基于最优滤波器的强混沌背景中的微弱谐波信号检测方法. 该方法首先构建一个数据矩阵, 在频域上对每个频率通道分别检测谐波信号, 从而将信号检测问题转化为最优化问题, 然后利用最优化理论设计滤波器, 使待检测频率通道的信号增益保持不变, 而尽量抑制其他频率通道的信号, 最后通过判断每一频率通道的输出信干噪比来检测谐波信号. 与传统方法相比, 本文方法有如下优点: 1)可以检测更低信干噪比下的微弱谐波信号; 2)可检测的信号幅度范围更大; 3)抗白噪声性能更强. 仿真结果证明了本文方法的有效性.     

混沌背景下信号的盲分离

混沌信号与确定性小信号叠加生成的混合信号是一更高维的混沌信号,因而不能用一般的混沌信号噪声抑制的方法进行分离.提出了一种这类信号盲分离的方法.在重构未知的混沌信号的动力方程时,充分利用混沌吸引子的几何特性,并且限定动力映射为原混沌吸引子所在流形的内部映射,从而保证了重构的动力系统方程对应于原混沌信号,而不是同样具有混沌特性的混合信号.然后利用重构的动力方程,借用混沌信号中的噪声抑制思想,估计出原混沌信号对应的轨道,实现信号分离.通过对Lorenz系统中谐波信号、Henon映象中自回归过程,以及脑电信号中谐波信号进行提取的数值实验,验证了信号盲分离方法的有效性和可行性. 关键词： 混沌 非线性 信号处理 盲分离     

小波变换应用于谐波谱线的噪声滤除与基线校正

红外光谱谐波检测系统中的噪声与基线漂移问题一直是光谱处理的热点,提出一种采用小波变换的Mallet分解算法, 解决谐波检测中各种复杂噪声以及基线漂移的问题。选取适当小波函数及分解层次将谐波曲线中含有的噪声和基线漂移与有用信号分解到不同频带;分析频带信息,设定一个检测信息频带, 应用阈值处理及系数置零的方法使频率处于此频带的信息保留下来。小波变换方法可以在一次分解与重构过程中同时去除谐波信号的噪声与基线的双重干扰,从而将谐波信号有效地测量出来。实验证明,应用小波变换进行谐波校正的方法可应用于不同的谐波检测系统,具有普遍适用性。     

基于小波变换的蓝宝石荧光光纤温度计

采用激光加热小基座法生长出掺Cr3+的蓝宝石光纤荧光温度传感头，它具有结构紧凑，耐高温等特点，测温范围从室温到450℃。使用基于小波变换的数据处理方法，有效去除信号中的噪声，提高了信噪比。在对荧光测温机理和有关光纤技术进行分析的基础上，采用与调制荧光信号相关的双参考源相位锁定测量方案，可在无激励光干扰的情况下对荧光寿命进行实时测量。根据噪音和信号在小波变换下表现出的不同性质，提出以小波变换为基础的温度信号特征提取及消噪方法。与其它处理方法相比，小波变换方法可以克服傅里叶变换对突变信号不起作用的缺点，同时又比Gabor变换具有可变窗口的优点。该方法可以缩短测量时间，提高测量分辨率。     

强混沌干扰中的谐波信号提取

提出一种新的从强混沌干扰中提取被掩蔽的谐波信号的方法.依据混沌吸引子固有的几何性质,借助微分流形切空间的概念,将混沌干扰和谐波信号分别投影到混沌吸引子所在流形的切空间及其补空间,从而成功地将二者分离.理论分析和计算机仿真实验都表明该方法非常有效 关键词： 混沌 非线性 信号处理     

Wavelet filter-based weak signature detection method and its application on rolling element bearing prognostics

De-noising and extraction of the weak signature are crucial to fault prognostics in which case features are often very weak and masked by noise. The wavelet transform has been widely used in signal de-noising due to its extraordinary time-frequency representation capability. In this paper, the performance of wavelet decomposition-based de-noising and wavelet filter-based de-noising methods are compared based on signals from mechanical defects. The comparison result reveals that wavelet filter is more suitable and reliable to detect a weak signature of mechanical impulse-like defect signals, whereas the wavelet decomposition de-noising method can achieve satisfactory results on smooth signal detection. In order to select optimal parameters for the wavelet filter, a two-step optimization process is proposed. Minimal Shannon entropy is used to optimize the Morlet wavelet shape factor. A periodicity detection method based on singular value decomposition (SVD) is used to choose the appropriate scale for the wavelet transform. The signal de-noising results from both simulated signals and experimental data are presented and both support the proposed method.     

封装西林药瓶残留氧气检测中的谐波基线校正和去噪方法

可调谐激光二极管吸收光谱(TDLAS)技术的成熟和快速非接触气体浓度测量的优点,十分适合用于对封装西林药瓶内残留氧气进行浓度检测。采用TDLAS技术对封装西林药瓶内残留氧气进行浓度检测,检测系统的光路经过空气和玻璃药瓶,玻璃瓶壁对激光的散射和衰减是检测系统的主要干扰,给二次谐波信号的稳定性带来了很大影响。设计和搭建了基于TDLAS的封装西林药瓶残氧量检测系统。针对从系统中提取出的二次谐波信号,提出了一种基于小波变换的基线消除和噪声滤除方法, 解决在残留氧气浓度检测过程中基线漂移和噪声干扰问题,克服玻璃瓶壁对二次谐波信号的干扰,效果明显。选用“sym6”小波,将实验测得的信号进行五层小波分解,根据每一层小波分解得到的低频分量求出相应的基线斜率,对五个基线斜率进行加权平均得到原始信号的基线斜率。由求得的基线斜率,对原始信号经过去基线处理,再进行小波分解和软阈值处理后得到重构信号。对氧气浓度为21%的西林瓶的测量结果表明,处理后谐波信号和理论信号之间的相对误差由处理前的1.26%下降到了0.12%,证明了此方法可以很好地解决在残留氧气浓度检测过程中基线漂移和噪声干扰问题,克服玻璃瓶壁对二次谐波信号的干扰,为氧气浓度测量提供很高质量的信号。     

受污染混沌信号的协同滤波降噪

根据混沌吸引子的自相似分形特性,提出了一种利用协同滤波重构受污染混沌信号的降噪算法.所设计的降噪算法通过对相似片段的分组将一维混沌信号的降噪转化为一个二维联合滤波问题;然后,在二维变换域用阈值法衰减噪声;最后,通过反变换获得原始信号的估计.由于分组中的相似片段具有良好的相关性,与直接在一维变换域做阈值降噪相比,分组的二维变换能获得原信号更稀疏的表示,更好地抑制噪声.仿真结果表明,该算法对原始混沌信号的重构精度和信噪比的提升都优于小波阈值、局部曲线拟合等现有的混沌信号降噪方法,对相图的还原质量也更好.     

超声非线性效应表征的动态小波指纹分析方法

针对结构早期损伤超声非线性检测中损伤表征问题,发展了一种基于动态小波指纹的超声信号分析方法,从超声信号的动态小波指纹分布中提取出一种可用于结构早期损伤表征的超声非线性特征参数。研究了小波基函数及分析尺度对超声非线性效应提取效果的影响,优选出对结构早期损伤敏感的小波基函数以及尺度范围。将提出的动态小波指纹分析方法应用于二次谐波及混频非线性超声检测信号分析,结果表明,动态小波指纹分析方法可有效提取出检测信号中的二次谐波及混频分量,基于小波指纹分布的非线性特征参数可用于板结构中微裂纹的定量表征.本文研究工作为结构早期损伤超声非线性检测中的弱非线性效应提取作了有益探索。      

基于独立成分分析和经验模态分解的混沌信号降噪

基于经验模态分解和独立成分分析去噪的特点,提出了一种联合独立成分分析和经验模态分解的混沌信号降噪方法. 利用经验模态分解对混沌信号进行分解,根据平移不变经验模态分解的思想构造多维输入向量, 通过所构造的多维输入向量和独立成分分析对混沌信号的各层内蕴模态函数进行自适应去噪处理; 将处理后的所有内蕴模态函数进行累加重构,从而得到降噪后的混沌信号. 仿真实验中分别对叠加不同强度高斯噪声的Lorenz混沌信号及实际观测的月太阳黑子混沌序列进行了研究, 结果表明本文方法能够对混沌信号进行有效的降噪,而且能够较好地校正相空间中点的位置, 逼近真实的混沌吸引子轨迹. 关键词： 独立成分分析 经验模态分解 混沌信号 降噪     

变分模态分量降噪后重构的水声弱信号检测

针对能量检测法在低信噪比下对非合作水声探测信号的检测性能显著下降的问题,提出了一种组合变分模态分解和小波变换降噪重构的信号检测方法。以信号分解出的各个本征模态函数的近似熵与互相关系数比值作为分量分类参数,将所得分量分为信号分量、含噪信号分量与噪声分量,然后利用第二代小波变换对含噪信号分量降噪后与信号分量组成重构信号,最后对重构信号进行检测。数值仿真结果表明该方法可以在无先验信息的情况下对CW和LFM信号自适应降噪,信噪比0 dB以下时CW信号重构后信噪比提升约12 dB,宽带LFM信号信噪比提升约8～9 dB,有效提升了低虚警概率下信号的检测概率。湖试结果表明,虚警概率为0.1时检测概率可提升至0.9以上,验证了该方法的有效性。     

Wavelet threshold method of resolving noise interference in periodic short-impulse signals chaotic detection

The chaotic oscillator has already been considered as a powerful method to detect weak signals, even weak signals accompanied with noises. However, many examples, analyses and simulations indicate that chaotic oscillator detection system cannot guarantee the immunity to noises (even white noise). In fact the randomness of noises has a serious or even a destructive effect on the detection results in many cases. To solve this problem, we present a new detecting method based on wavelet threshold processing that can detect the chaotic weak signal accompanied with noise. All theoretical analyses and simulation experiments indicate that the new method reduces the noise interferences to detection significantly, thereby making the corresponding chaotic oscillator that detects the weak signals accompanied with noises more stable and reliable.     

基于小波变换的混沌信号相空间重构研究

应用小波变换和非线性动力学方法研究了混沌信号在相空间中的行为，指出混沌时间序 列的小波变换实质上是在重构的相空间中，混沌吸引子向小波滤波器向量所张的空间中的投 影，与Packard等人提出的相空间重构方法本质上是一致的.实验结果表明，混沌信号经过 小波变换后，吸引子轨迹与原有轨迹具有相似的结构，同时，系统的关联维数、Kolmogorov 熵等非线性不变量仍然得到保留.这些结果表明，利用小波变换研究混沌信号是有效的. 关键词： 小波变换 相空间重构 混沌信号 脑电信号     

混沌背景中微弱信号检测的神经网络方法

基于复杂非线性系统相空间重构理论，提出了混沌背景中微弱信号检测的神经网络方法，利用神经网络强大的学习和非线性处理能力，建立了混沌背景噪声的一步预测模型，从预测误差中检测淹没在混沌背景噪声中的微弱目标信号(包括周期信号和瞬态信号)，研究了混沌背景中存在白噪声时该方法的检测能力，指出了目标信号为瞬态信号和周期信号时检测原理的异同点，最后以Lorenz系统作为混沌背景噪声进行了仿真实验，实验表明该方法能有效地将混沌背景中极其微弱的信号检测出来. 关键词： 混沌 神经网络 信号检测     

混沌噪声背景下微弱脉冲信号的检测及恢复

构建了一种在混沌噪声背景下检测并恢复微弱脉冲信号的模型.首先,基于混沌信号的短期可预测性及其对微小扰动的敏感性,对观测信号进行相空间重构、建立局域线性自回归模型进行单步预测,得到预测误差,并利用假设检验方法从预测误差中检测观测信号中是否含有微弱脉冲信号.然后,对微弱脉冲信号建立单点跳跃模型,并融合局域线性自回归模型,构成双局域线性(DLL)模型,以极小化DLL模型的均方预测误差为目标进行优化,采用向后拟合算法估计模型的参数,并最终恢复出混沌噪声背景下的微弱脉冲信号.仿真实验结果表明本文所建的模型能够有效地检测并恢复出混沌噪声背景中的微弱脉冲信号.     

基于平稳小波变换的时域光学相干层析系统

以平衡检测原理为基础,利用中心波长为700 nm的宽带低相干白光光源,在自由空间中搭建了分辨率为0.93 m的基于平稳小波变换（SWT）的时域光学相干层析（TDOCT）系统,并将其应用于塑料薄片与透明胶纸多层薄膜结构的无损评价。针对现有算法重构效果不够理想的问题,通过对OCT成像过程中的图像增强手段的对比,提出利用SWT分解算法处理多层薄膜结构的光学相干层析二维图像。由薄膜检测的实验结果可知,从SWT细节系数中可以提取更显著的多层薄膜界面干涉信号,从而提高多层薄膜界面的增强效果。