高阶谱

摘要： 为了提高滚动轴承的故障诊断率,提出了一种基于高阶谱(high order spectrum, HOS)和Tamura纹理特征相结合的故障诊断方法。首先,通过高阶谱方法将滚动轴承故障振动信号的冲击提取出来;然后,对高阶谱进行处理得到二维等高线图;最后依据轴承故障相同时等高线图具有相似性以及不同时具有差异性这一特性,采用基于人类视觉感知的Tamura纹理描述方法提取特征参数后输入多分类支持向量机(support vector machines, SVM)中进行分类。结果表明:高阶谱结合Tamura纹理特征的滚动轴承故障诊断方法在较少特征参数下故障识别准确率能达到较高的精度,对于故障尺寸不同的混合振动信号识别准确率稳定,诊断效果良好。

摘要： 传统的信号频谱分析方法应用在信噪比低、故障特征不明显的异步电机定子匝间短路故障诊断中,往往会出现因为故障的频谱图差别不大而导致误判的问题,为此提出了一种基于高阶谱的定子匝间短路故障诊断方法.高阶谱相较于传统频谱分析,具有良好的抑噪性,同时还保留了信号的非线性相位信息,解决了定子匝间短路故障快速诊断的问题.通过理论联系实例分析表明:发生定子匝间短路故障与未发生故障的电流信号"最大幅值"处双谱水平切片图完全不同,且随着故障严重程度的增加,其谐波分量越多,幅值越大.由此验证了该方法可以有效地提取出信号中的非线性特征,完成了对异步电机定子匝间短路故障的诊断,具有良好的实际应用前景.

摘要： 为了对行驶中的汽油发动机进行故障诊断,设计一款基于振动信号分析的发动机故障诊断系统.该系统采涡流传感器采集发动机振动信号,配合51单片机控制电路实现上位机与下位机的异步串行通讯,将采集到的振动数据传送到由LabVIEW编写的上位机程序中进行高阶谱分析,获得发动机的工作状态.结果表明,采用单片机和LabVIEW设计的汽车发动机故障诊断系统具有高效和高可靠性的,能够满足发动机状态的实时分析要求.

摘要： 针对可见光探测中低信噪比运动点目标检测问题,提出一种基于高时相探测的运动点目标检测方法,构建了基于双谱分析的目标检测器来提取像元时域特征,对背景像元与目标像元进行区分.仿真分析与实验结果均表明,所提出的方法能够对低信噪比运动点目标进行有效检测,在一定帧频范围内,目标检测能力与采样帧频正相关.相比常用的运动点目标检测方法,本文方法具有更高的检测效能.

摘要： 为解决常规时域波束形成技术抗噪声能力弱、对弱目标检测能力差的问题,利用高斯噪声的高阶累积量(三阶及三阶以上)为零、非高斯信号的高阶累积量不为零这一性质,对常规时域波束形成后输出的波束信号进行后置处理。首先,对常规时域波束形成后输出的各预成波束信号,分别求其四阶累积量切片谱值;然后,再对各四阶累积量切片谱值分别进行能量累加,得到空间谱图;最后,通过对空间谱在时间上的累积,得到方位历程图。用仿真和海试数据对算法进行了验证:在低信噪比情况下,常规算法不能有效检测到弱目标时,经后置处理后可以有效检测到弱目标。结果表明,与常规时域波束形成算法相比,波束形成后再进行切片谱后置处理的算法增强了对噪声的抑制能力,提高了对弱目标的检测能力。

摘要： 为解决同型号辐射源识别问题,针对实际信号,采用信号的高阶谱作为个体识别的基本特征向量,建立基于软K段主曲线算法的高阶谱谱骨架模型.将谱骨架的信息维数和盒维数作为特征矢量,并结合信号的时频域分析.最后将得到的融合特征使用SVM分类器进行训练识别,实现对不同辐射源信号的个体识别.通过对比实验充分验证该方法的有效性.实验结果表明,在低信噪比的环境下,该方法能够有效地识别个体信号,具有更好的识别效果,识别率可达到85%以上.%Aiming at the practical signals, a high order spectrum skeleton model which based on the principal curves of K-segments algorithm is constructed to solve the problem of signal identification among transmitters with same model.We take the information dimension and box dimension of the skeleton as transient feature, which is combined with the time-frequency domain analysis.At last, the derived feature vectors are trained by SVM classifier to recognize the signals emitted from different sources.Experiment results show that this method can classify the same model transmitters.The recognition rate can still reach 85 percent or higher in the condition of low SNR.

摘要： In the frequency range of 20kHz ～ 100kHz,the HMT signal has the characteristics of weak strength,low correlation and poor repeatability,which is caused by the interference of human noise in the near surface.In this paper,the authors used higher-order spectrum method to analyze and reconstruct HMT signal,which can effectively suppress Gaussian random noise and raise signal noise ratio.Numerical analog signal and measured data processing prove that the method is feasible.According to the application effect,the method is better than the traditional method in colored noise suppression and practical geological information extraction.%高频大地电磁法(HMT)信号在20 kHz～ 100 kHz频率范围内易受人文噪声干扰,电磁信号强度弱,数据误差大.本文提出采用高阶谱分析重构高频大地电磁非最小相位信号,进而有效抑制随机高斯噪声、提高信噪比.通过数值模拟信号和实测数据处理,证明该方法能有效压制噪声,在提取实际地质信息方面优于传统方法.

摘要： 传统的信号处理中,大都是以二阶统计量来作为分析信号的主要方法.当系统是非线性、非最小相位系统以及系统输入是非高斯型的时候,传统的二阶统计量方法存在较大的局限性,甚至不能有效地处理信号.为了解决上述问题,人们通常采用高阶谱估计.本文讨论了高阶谱估计的详细原理,并重点对高阶谱估计中应用较为广泛的双谱估计进行了深入的探讨,提出了一种双谱估计的非参数化方法.实验结果表明,文中方法要优于传统的二阶功率谱估计.

摘要： 针对实际工程中基于高阶累计量的调制方式识别方法对信噪比要求较高且对部分调制方式识别率低的问题,本文提出了基于双谱分析和星座图相结合的一种新的调制方式识别方法.基于高阶累积量提取特征值,进一步对取得的累积量特征值求傅里叶变换得到接收信号的双谱分析,对QPSK、OFDM和QAM调制信号进行分类识别,对于QAM调制中的16QAM、32QAM和64QAM调制方式再依据星座图结果进行识别.通过实验数据表明,此调制方式识别方法识别率较高,高阶谱分析对信噪比要求低.

摘要： 对高阶谱方法用于滚动轴承故障特征提取进行了研究,针对滚动轴承振动信号的非线性、频谱成分多样性和二次相位耦合性等特点,分别采用高阶谱中的双谱技术和功率谱技术分析、处理和提取轴承状态的故障信息。利用高阶统计量方法做出了滚动轴承典型故障信号的三维双谱图、二维等高线图。通过与功率谱图的对比分析,结果表明:高阶谱在非线性系统的信号处理和故障特征提取方面,尤其针对滚动轴承初期故障信号的特征提取和诊断来说,具有功率谱无可比拟的优越性。试验分析结果为进一步的滚动轴承故障模式识别和诊断学习提供了可靠的特征样本。

摘要： 从现代高阶谱理论出发,提出基于四阶累积量和互四阶累积量的TDE参数方程并给出奇异值分解方法(SVD算法).仿真结果表明,这些方法可以有效地抑制相关高斯色噪声的影响.

摘要： 脑干听觉诱发电位(BAEP)能够反映脑干病变及吸觉功能状况，在临床已得到广泛应用。目前，临床上主要以波形的时域参数作为诊断指标，由于噪声在存在以及时域波形的个体差异，使得论断具有局限性。高阶谱分析是新发展起来的一种很有潜力的数据分析方法，它能够揭示不同于时域的有关信号内在特征的信息，对噪声不敏感，并能进行非最小的相位估计。该文应用高阶谱对正常及病理情况下的脑干听觉诱发电位信号进行特征分析，给出了初步结果，探索高阶谱分析方法在BAEP中的应用。

摘要： 高阶谱被广泛应用于估计地震子波的相位，因为它不仅保留了子波的相位信息，还可压制高斯噪声。但是，利用高阶谱估计子波相位通常是卷绕的，同时在实际地震资料中由于噪声的存在使得提取的相位存在误差。因此，在混合相位子波估计中，需要对相位进行解卷。通过求取主值算子，并从多条路径对其平均，不仅使得求取的相位是非卷绕的，而且较好的压制了噪声。本文基于地震资料双谱求解子波相位，探讨了求解过程中的双谱解卷和压制噪声策略，最后通过模型试算进行了验证。

摘要： 本文把实1 1/2维谱和实2 1/2维谱相结合,提取了水声信号一种特征向量,既包含二次相位耦合特征,也含有三次相位耦合特征和双对相位耦合特征,同时也体现独立成份谐波分量。构造的这组特征向量,既有很强的抑制高斯噪声能力,又比较令面地反映了目标的本质特性,对于目标的分类识别很有意义.

摘要： 子波处理技术是提高地震资料分辨率的一种有效方法，其关键在于获得准确的子波估计，该文根据高阶累积量中保留有信号相位信息的性质，给出了一种基于地震信号双谱的子波估计方法，并针对不同性质的地震子波，进行了理论计算，结果表明这一方法是可行的。同时，对野外地震资料的处理也显示了信号高阶谱技术在地震资料子波处理提高分辨率方面的潜力。

摘要： 在分析非平稳，非线性的随机信号过程时，高阶谱提供了一种新的有效的工具，该文对用实测的方法所得出的舰船噪声的双重功率谱进行了讨论，同时也对舰船噪声信号进行了双谱分析，通过分析可以看出，对于非平稳、非线性的舰船噪声信号，双谱分析能够揭示出信号非线性耦合特性，这是功率所不能做到的。

摘要： 该文通过对实际海洋环境噪声和舰船辐射噪声的幅度概率分布上的分析，发现海洋环境噪声的幅度呈高斯型分布。而舰船辐射噪声则具有很强的非高斯性。利用高价谱对高斯信号的不敏感性，该文提出了基于高价谱分析的舰船辐射噪声的检测方法。

摘要： 复杂目标经UWB雷达照射之后,回波信号除了包含有由镜面反射产生的单散射中心的响应外,还存在多散射中心相互作用产生的响应分量,这两种响应用传统的频谱和功率谱方法是无法区别的.文中分析了含噪UWB雷达信号的时域双谱特性,并尝试了用时域双谱的方法对此类信号进行处理,对不同信噪比的回波信号进行了仿真.理论分析和计算机数值仿真的结果表明,用时域双谱法提取UWB雷达目标的局部特征信息具有良好的效果,利用提取出的特征信息可进行目标的分类与识别。

摘要： 复杂目标经UWB雷达照射之后,回波信号除了包含有由镜面反射产生的单散射中心的响应外,还存在多散射中心相互作用产生的响应分量,这两种响应用传统的频谱和功率谱方法是无法区别的.文中分析了含噪UWB雷达信号的时域双谱特性,并尝试了用时域双谱的方法对此类信号进行处理,对不同信噪比的回波信号进行了仿真.理论分析和计算机数值仿真的结果表明,用时域双谱法提取UWB雷达目标的局部特征信息具有良好的效果,利用提取出的特征信息可进行目标的分类与识别。

摘要： 本发明公开了一种基于环芯有源光纤的高阶模式宽谱光源，通过对涡旋光束保持光纤的环芯进行有源掺杂，并对其中掺杂的稀土离子及过渡金属元素进行合理配置，制备并提供了一种环芯结构分布的有源光纤，该光纤可以传输并保持具有轨道角动量的涡旋光束，利用该种光纤与半导体激光器、模式转换器、偏振控制器、反射装置共同搭建全光纤型的光源系统，实现一种宽谱光源的高阶模式输出，包括高阶矢量模式、高阶标量模式以及高阶OAM模式，另外根据光纤中掺杂离子的不同，光源的输出光谱实现覆盖可见光、O、E、S、C、L以及U波段。

摘要： 本发明公开一种基于高阶累积量和谱特征的卫星通信信号调制识别方法，包括如下步骤：信号带通滤波，估计载波频率，估计符号速率，获取高阶累积量参数，APSK或16QAM信号识别，获取二次方谱谱峰数目，BPSK或MSK信号识别，获取四次方谱，获取四次方谱谱峰数目，π/4DQPSK信号识别，获取基带二次方谱谱峰数目，6PSK、8PSK、OQPSK、QPSK信号识别。采用本发明的卫星通信信号调制识别方法，能对卫星通信信号调制方式实现全盲识别、算法简单、易于实现、准确率高。

摘要： 本发明公开了一种基于环芯有源光纤的高阶模式宽谱光源，通过对涡旋光束保持光纤的环芯进行有源掺杂，并对其中掺杂的稀土离子及过渡金属元素进行合理配置，制备并提供了一种环芯结构分布的有源光纤，该光纤可以传输并保持具有轨道角动量的涡旋光束，利用该种光纤与半导体激光器、模式转换器、偏振控制器、反射装置共同搭建全光纤型的光源系统，实现一种宽谱光源的高阶模式输出，包括高阶矢量模式、高阶标量模式以及高阶OAM模式，另外根据光纤中掺杂离子的不同，光源的输出光谱实现覆盖可见光、O、E、S、C、L以及U波段。

摘要： 一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法，首先读入地震剖面，选定原子类型；然后选取一道地震数据；接着对信号进行复地震道分析以及对尺度因子进行全局搜索，确定原子的初始参数集；对参数集进行局部搜索，找到与信号最匹配的原子；计算最匹配原子的Wigner高阶谱的对角切片谱；计算该信号在最匹配原子方向上投影后的残差，并将其视为新的分解信号；对所有分解得到的原子的Wigner高阶谱的对角切片谱求和，作为该道地震数据的Wigner高阶谱时频谱，截取单频切片；对所有地震数据采用相同方法以得到谱分解的结果。本发明利用匹配追踪方法去除Wigner高阶谱的交叉项，可以获得时频聚集性更高的地震谱分解结果，为后续地震储层预测和流体识别提供更精确的信息。

摘要： 本发明公开了一种基于CNN和组合多种高阶谱特征图像的调制样式识别方法，包括：接收来自信号源的射频信号，对该射频信号进行模数转换，以得到数字信号，对该数字信号先后进行数字下变频和滤波处理，以得到I/Q数据，对I/Q数据进行预处理，以得到组合高阶谱图像，获取得到的I/Q数据的信噪比，并判断该信噪比是否大于等于预设阈值，如果是则将得到的组合高阶谱图像输入训练好的第一卷积神经网络模型，以得到调制样式识别结果。本发明针对信号在不同信噪比下各高阶谱特性差异较大，本发明训练了两个卷积神经网络模型，提高了鲁棒性，并能对BPSK、QPSK、8PSK、16APSK、32APSK、16QAM、32QAM等信号进行调制样式识别。

摘要： 一种基于匹配追踪的Wigner高阶谱地震信号谱分解方法，首先读入地震剖面，选定原子类型；然后选取一道地震数据；接着对信号进行复地震道分析以及对尺度因子进行全局搜索，确定原子的初始参数集；对参数集进行局部搜索，找到与信号最匹配的原子；计算最匹配原子的Wigner高阶谱的对角切片谱；计算该信号在最匹配原子方向上投影后的残差，并将其视为新的分解信号；对所有分解得到的原子的Wigner高阶谱的对角切片谱求和，作为该道地震数据的Wigner高阶谱时频谱，截取单频切片；对所有地震数据采用相同方法以得到谱分解的结果。本发明利用匹配追踪方法去除Wigner高阶谱的交叉项，可以获得时频聚集性更高的地震谱分解结果，为后续地震储层预测和流体识别提供更精确的信息。

摘要： 本发明公开一种基于高阶谱语音特征的抑郁症分类方法，包括以下步骤：步骤S1：语音数据文件预处理，并对预处理后的语音数据文件进行样本裁剪，得到语音样本文件；步骤S2：计算语音样本文件三阶积累函数的二级傅里叶变换，得到高阶谱语音特征的双谱；然后将双谱进行归一化计算，得到高阶谱语音特征的双相干；与传统语音特征对抑郁症的分类方法相比，本发明所述的基于高阶谱语音特征的抑郁症分类方法通过利用三维二分卷积神经网络分类模型，实现了抑郁症分类识别，由此大幅提高了分类准确率，从而使得应用价值更高。

摘要： 本发明公开了一种基于自相关高阶谱特征的短波通联行为识别方法，该方法为：求时域信号的自相关函数，得到自相关序列；对自相关序列做双谱变换，计算三阶累积量；将得到的三阶累积量矩阵做采样处理，并转换成类似图片的三通道格式，构建数据集；设计两路输入的卷积神经网络模型，并通过增加模型深度、引入Batch Normalization层、改进激活函数的方式进一步改进，得到最终的网络模型；将数据集输入最终的网络模型，完成训练与分类的任务。本发明能够避免对信号进行解调、解交织、解码等一系列操作，可以直接通过对物理层信号的识别来判断通联行为，在低信噪比环境下，也具有良好的识别效果。

摘要： 本发明公开了一种基于CNN和组合多种高阶谱特征图像的调制样式识别方法，包括：接收来自信号源的射频信号，对该射频信号进行模数转换，以得到数字信号，对该数字信号先后进行数字下变频和滤波处理，以得到I/Q数据，对I/Q数据进行预处理，以得到组合高阶谱图像，获取得到的I/Q数据的信噪比，并判断该信噪比是否大于等于预设阈值，如果是则将得到的组合高阶谱图像输入训练好的第一卷积神经网络模型，以得到调制样式识别结果。本发明针对信号在不同信噪比下各高阶谱特性差异较大，本发明训练了两个卷积神经网络模型，提高了鲁棒性，并能对BPSK、QPSK、8PSK、16APSK、32APSK、16QAM、32QAM等信号进行调制样式识别。

摘要： 本发明公开了一种基于高阶谱和卷积神经网络的心冲击信号的分类方法，步骤为：S1、获取数据集训练样本；S2、采用切比雪夫和小波变换的滤波方法对步骤S1获得的数据集训练样本进行去噪预处理，得到纯净的心冲击信号；S3、对步骤S2得到的心冲击信号进行高阶谱特征分析，得到信号的幅值和相位的特征信息；S4、构建卷积神经网络模型，将步骤S3得到的特征信息，作为卷积神经网络模型的输入，得到分类结果。该方法利用高阶谱具有时移不变性、尺度变化性和相位保持性进行特征提取得到特征以保留更多的信号信息，还能够抑制高斯有色噪声，从而提升心冲击信号分类的性能；同时，该方法具有更好的泛化性能，并有效解决了高阶谱谱应用的二维模板匹配问题。