基于EMD和形态分形维数的微震波形识别

针对现有矿山微震监测系统信号自动识别难的问题,提出基于经验模态分解(EMD)和形态分形维数的识别方法。首先,采用EMD将原始信号分解为若干个本征模态分量(IMF),选择前5个分量进行重构得到新的信号。其次,求出处理后信号的形态学分形维数,利用微震波形和爆破波形分形维数的差异进行信号识别。对50组微震波形和50组爆破波形进行试验研究。对比未经EMD处理的形态学分形维数以及经EMD处理的盒维数识别结果。研究结果表明:50组微震波形和50组爆破波形在形态学分形维数为1.4时具有较高的识别率;微震波形维数主要在1.4以下,爆破波形维数则基本高于1.4;EMD结合形态学分形维数的识别效果最好,为微震监测波形识别提供了新途径。     

基于EMD的中国股票市场分形特征研究

为揭示我国股票市场的分形特征, 利用经验模态分解及重标极差分析法(R/ S: Rescaled Range Analysis)探究中国股票市场的特征, 利用经验模态分解方法对沪深300 指数的收盘价格对数收益率进行分析, 并采用分形理论中的R/ S 分析法对固有模态函数进行实证研究, 以揭示我国股票市场的分形特征。实验结果表明,我国股票市场具有显著的自相似性, 分解后的收益率序列是有偏的随机游走过程。     

分形理论下基于时间序列的音乐识别研究

将分形理论和时间序列(混沌序)运用与音乐信号识别,为音乐领域的智能发展提供实验依据.首先对分形理论进行质性分析,并且提出关联维数算法,判断音乐分形程度.接着提出音乐中混沌现象的特征.最后进行实际音乐的实验分析,以钢琴曲目《致爱丽丝》、流行音乐《Disco-theque》和哀乐为例,对3种曲目进行材料性质分析,分析不同曲...     

基于小波分析对地面电场信号的去噪及闪电信息提取

基于小波分析方法,通过对7种小波函数在误差控制和阈值方法选取上的对比,参考信噪比及均方误差等计算结果,选取了较为合理的Rigrsure阈值分析方法和sym5小波函数作为地面大气电场信号的去噪处理方法.该方法不仅能够较好地对电场信号波形平滑处理,降低电场波形中噪声信号的叠加度,还可保留闪电引起的电场的快速变化.在此基础上,利用差分计算方法实现了对闪电信号的自动识别,引入了总闪电频数误差及分时段闪电频数与人工分析结果的相关系数等2个参考量来选取差分计算方法中电场差分阈值,通过该方法可以实现闪电频数和极性等有关信息的提取.     

基于分形理论的爆破地震信号盒维数研究

基于分形理论,针对爆破地震信号的传播规律和特征,建立了其分形盒维数模型,应用这一模型计算出在岩石场地进行深孔爆破试验时所采集的爆破地震信号的分形盒维数值D。通过分析所得的分形盒维数值D的数理意义及其与场地介质的关系,研究爆破地震信号的分形特征。结果表明,爆破震动信号的分形盒数值D可作为描述爆破地震信号一个新的重要参数,该参量能够反映爆破地震波传递介质岩体性质的系统信息。     

基于分形理论的地震信号空间序列分析

当把地震勘探信号各道间对应于同一时刻的数据序列看作是反映一定范围内地层及其地质参数的复杂函数时,便构成了地震勘探信号的空间序列.建立了地震信号空间序列的分形模型,将根据一维时间序列重建动力学系统的理论和时间序列关联维计算的G.P算法拓展到对地震信号空间序列的研究之中,提出了地震信号空间序列关联维的分析方法.仿真结果表明,利用分形分析结果的地震勘探信号空间序列分数维图,可将信噪比较低的地震勘探信号从强干扰噪声中分辨出来.     

基于分形理论的地震信号空间序列分析

当把地震勘探信号各道间对应于同一时刻的数据序列看作是反映一定范围内地层及其地质参数的复杂函数时，便构成了地震勘探信号的空间序列．建立了地震信号空间序列的分形模型，将根据一维时间序列重建动力学系统的理论和时间序列关联维计算的G．P算法拓展到对地震信号空间序列的研究之中，提出了地震信号空间序列关联维的分析方法．仿真结果表明，利用分形分析结果的地震勘探信号空间序列分数维图，可将信噪比较低的地震勘探信号从强干扰噪声中分辨出来．     

分形分析与天然大地电磁场信号识别

由于大地电磁场信号的脉冲性质,对一定长度的时间序列进行相关性分析时将会导致这种相关性随着频率的增加几乎系统性地减小,因此采用相关分析识别大地电磁场信号存在固有的缺陷.利用相空间重构理论研究表明,大地电磁场信号的时间序列具有分形特征;通过天然场源与大地耦合关系,定义了一个新的识别大地电磁信号的新参数:“分形比”.实例分析结果表明,利用“分形比”识别信号比常用的相关性识别的方法更有效,估计的视电阻率曲线更为平滑、合理,曲线的形态也更为真实、可靠.     

基于EMD法的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于经验模态分解(EMD)法的语音信号特征参数提取方法。该方法先对语音信号进行EMD分解,获得其内模函数;再进行FFT和DCT变换,得到特征分量,以此构成语音信号新特征参数。最后采用高斯混合模型(GMM)进行说话人语音识别,实验表明新特征参数取得了较好的识别率。     

基于EMD的信号瞬时频率估计

分析了信号瞬时频率的定义及其两种主要的获得信号相位的方法：解析信号法和正交模型法.提出了一种基于经验模式分解的新的瞬时频率估计方法——正交包络法.该方法计算简单,克服了正交模型法无法由一个时间函数确定两个时间函数的困难.与Hilbert变换方法相比,正交包络法使边界问题得到了明显改善.实验证明这是一种有效的瞬时频率估计方法.     

基于决策理论的数字调制信号识别

由于多调制的存在，对于一个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式，因此信号调制样式的自动识别是软件无线电接收机中必须具备的功能之一。文中研究了6种常用数字调制信号识别的特征参数集，并采用决策树判别方法进行分类识别。仿真结果表明，在趼氓≥5dB时，识别正确率在99％以上，且当SNR≥20dB时，识别正确率达到100％。其特点是，算法简单，识别正确率高．达到了自动分类识别的目的．并有利于实现识别的实时化。     

基于分形理论的水合物回波特征提取及分类识别

针对海底裸露块状天然气水合物的探测问题,为了能从超声回波中准确提取天然气水合物的特征信息并与其他海底沉积物的特征进行分类识别,提出基于分形理论的水合物分类识别方法。通过实验室超声探测装置获取各类海底沉积物样品和天然气水合物样品的回波信号,并利用分形理论对回波信号进行分析,提取不同海底底质的声学回波特征,然后利用分类算法对底质进行分类识别。利用概率神经网络对沉积物试样回波样本的原始广义维数谱及经过核Fisher判别分析法优化后的特征进行分类识别。研究结果表明：采用多重分形方法提取的不同海底底质的广义维数谱特征差异明显,可以达到区分天然气水合物和其他沉积物的目的;未经优化的原始广义维数谱的识别准确率约为68.8%,而采用降维优化处理后的识别准确率提高到82.3%,表明经降维优化后的核Fisher判别分析法对天然气水合物回波信号的识别具有较好的适应性和较高的准确率。     

基于EMD的桩基缺陷信号去噪改进研究

针对桩基检测环境复杂,存在复杂噪声的问题.提出一种基于峭度准则和信号相关性分析的经验模态分解(EMD)去噪改进算法,通过峭度准则判断分量包含特征信息的多少,通过信号相关性分析判断分量是否为噪声分量,利用改进EMD时空去噪方法对信号进行第一次去噪,在此基础上,利用EMD小波阈值法对信号进行二次去噪,两次去噪构成本文完整的基于EMD的信号去噪改进算法.实验仿真显示该去噪方法对于桩基微弱信号在保留信号特征信息的前提下取得了显著的去噪效果.信号的去噪效果将直接影响到桩基缺陷信号的识别检测,具有重要的应用价值和研究意义.     

基于EMD的语音信号压缩感知算法

文中将压缩感知理论和经验模态分解方法(empirical mode decomposition,EMD)相结合,用于语音信号压缩上,提出了一种基于EMD的语音信号压缩感知算法。首先用EMD将语音信号分解,可得语音信号的本征模函数信号分量。然后仿真实验模拟EMD分解的过程,并验证本征模函数信号分量的稀疏性。最后结合压缩感知理论基础分别对各个信号分量进行观测抽样,以实现语音信号的压缩。由仿真实验结果可知,语音信号经EMD分解后得到的信号分量在DCT域上较原始语音信号有更好的稀疏性,并且将该算法压缩重构还原出的信号与常规的基于DCT的压缩感知算法以及基于近似KLT的压缩感知算法相比较有更高的平均信噪比,重构性能更佳。     

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。     

基于粗集理论的雷达辐射源信号识别

将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器．实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7．29％、4．34％和4．00％．RNN的平均训练代数比NN少97．54，RNN的平均识别率比NN高2．84％，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性．     

基于小波和分形理论的多径衰落信号分析

首次将小波理论和分形理论相结合来分析多径衰落信号，从多径衰落信号产生的动力学机制出发，指出了多径衰落信号具有分形的特征，进一步研究多径衰落信道的多重分形特性，分析并指出了多重分形维数是描述无线信道传播特性的重要参数，根据多径衰落信道参数突变，首次指出了多径衰落信号具有局部奇异性，其局部奇异性对信道参数估计和信号重构有着重要的作用，中提出了短时网格分形维数的定义和给出了其计算的详细算法，用Lipschitz指数来表征局部奇异性，利用小波检测多径衰落信号奇异性和信号重构。仿真实验结果表明：小波重构后信号具有很好去噪性能；多径衰落信号不同尺度下小波变换系数具有自相似性，论证了多径衰落信号的分形特性，不同移动速度时多径衰落信号的多重分形特性仿真实验表明：随着移动速度增大，其短时网格分形维数也变大。     

基于分形理论的粉煤灰渗透率研究

以冻干法制作的粉煤灰不扰动试样为对象,研究粉煤灰的孔隙结构,利用显微数码成像技术、专业图像处理技术,结合分形理论得到了粉煤灰孔隙半径分布分维数,并分析了粉煤灰孔隙结构具有多重分形的原因.利用毛细管束模型和Poiseuille方程推导了粉煤灰的渗透率与孔隙半径分布分维数之间的定量化函数式.由参数分析可知粉煤灰的渗透率随最大孔隙半径及拐点孔隙半径的增大而增大、并且随区间Ⅰ和区间Ⅱ的孔隙半径分布分维数的增大而减小.     

基于熵理论的超声波检测信号消噪与缺陷识别

为消除超声检测信号中大量存在的噪声,提高材料内部缺陷诊断的准确性,采用基于熵理论的自适应阈值消噪算法对超声波信号进行消噪处理.分析了基于Shannon熵的最优小波包基搜索算法,提出了用熵表征信号含噪状态,根据小波能谱熵确定小波包不同分解尺度阈值的基本原理.对含缺陷的斯泰尔发动机曲轴的超声信号处理实验结果表明,这种方法对噪声消除比较彻底,能够获得表征缺陷大小、位置的准确信息,提高了材料内部缺陷定量分析的准确度.     

基于EMD与模糊聚类的桩缺陷特征提取与识别

针对桩基缺陷信号特征提取困难的问题,对缺陷信号进行经验模态分解(EMD)并求取信息熵,构建了一种基于信息熵的均值特征向量;针对特征向量元素数较多,不能真实反映信号的特征以及过多的特征影响识别效率的问题,引入模糊聚类的相关技术方法,对均值特征向量进行相空间重构,对重构矩阵进行模糊聚类,根据聚类的结果构建新的特征向量。通过实验仿真证明了该特征向量取得了很好的识别效果,具有实际应用价值,可以作为一种有效的特征类型;同时验证了通过模糊聚类进行特征向量降维的有效性。