您现在的位置: 首页> 研究主题> 双谱

双谱

双谱的相关文献在1983年到2022年内共计440篇,主要集中在无线电电子学、电信技术、机械、仪表工业、自动化技术、计算机技术 等领域,其中期刊论文267篇、会议论文12篇、专利文献397805篇;相关期刊182种,包括系统工程与电子技术、振动工程学报、噪声与振动控制等; 相关会议11种,包括中国科协第235次青年科学家论坛——极端复杂测试环境下实验力学的挑战与应对、2010年黑浙两省声学学术会议、2006年全国振动工程及应用学术会议等;双谱的相关文献由1060位作者贡献,包括黄宜坚、赵星、陆爽等。

双谱—发文量

期刊论文>

论文:267 占比:0.07%

会议论文>

论文:12 占比:0.00%

专利文献>

论文:397805 占比:99.93%

总计:398084篇

双谱—发文趋势图

  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 李辉; 郝如江
    • 摘要: 针对传统双谱难以有效处理强噪声干扰以及相关熵运算量大的问题,提出了一种基于不完全Cholesky分解相关熵和双谱分析的轴承故障诊断方法。该方法在不求出核矩阵的情况下,首先利用不完全Cholesky分解算法和核函数,计算核矩阵的低秩分解下三角矩阵;其次,利用Gini指数选取下三角矩阵的主分量,利用下三角矩阵的主分量计算核矩阵的低秩近似矩阵,进而计算信号的相关熵;最后,计算振动信号相关熵的双谱,根据相关熵的双谱特征识别轴承故障。通过不完全Cholesky分解算法和Gini指数计算信号的相关熵,不仅压缩了数据量,突出了轴承故障瞬态冲击特征,有效抑制了噪声的影响,而且提高了计算效率,减少了计算机内存占用量。通过仿真和试验轴承故障振动信号分析结果表明:强背景噪声会造成传统双谱故障诊断方法失效,而基于相关熵和双谱分析的轴承故障诊断方法,能在强噪声干扰背景中提取轴承故障瞬态冲击特征,准确识别轴承故障,其性能优于传统双谱和小波变换域双谱,为一种轴承故障诊断的有效方法。
    • 陈晓梅; 王晓玮; 钟波; 商莹莹; 杨佳燕
    • 摘要: 针对现有的语音可懂度评价方法不能有效地处理信号在多种类型的非线性失真下的变化,提出了一种基于双谱特征的语音可懂度评价(Bispectral Speech Intelligibility Metric,BSIM)算法,用三阶统计量从语音信号的谱图中提取特征。双谱可以检测语音信号中的非线性相位耦合,抑制非高斯信号中的高斯噪声,从而揭示更多隐含于信号内部的有用信息。将本方法与现有的语音可懂度指标进行了比较,结果表明,此方法可以成功地预测线性失真和非线性失真造成的语音可懂度下降,其评价结果与主观可懂度结果具有很高的相关度,对信号失真变化敏感。
    • 刘戈; 刘洪运; 石金龙; 王国静; 胡敏露; 王卫东
    • 摘要: 目的:研究一种基于单通道脑电(electroencephalogram,EEG)信号特征提取的睡眠自动分期方法,发现用于睡眠分期的EEG有效特征,提高睡眠自动分期准确率.方法:使用10名受试者共10925个睡眠EEG样本,提取EEG时域、频域、双谱、非线性共48个特征作睡眠样本的特征向量,构造睡眠自动分期模型.新定义用于睡眠分期的双谱特征,将95%频谱边缘频率、递归定量分析、符号化动力学与熵结合的特征用于睡眠分期(6期).使用支持向量机(support vector machine,SVM)分类器作睡眠6期自动分类,使用隐马尔可夫模型(hidden Markov model,HMM)修正睡眠分布.结果:基于SVM的睡眠6期的分期准确率达85.06%.应用SVM-HMM睡眠自动分期模型对1名全新受试者整夜睡眠样本作分期,睡眠6期分期准确率为87.34%.结论:该研究提取的48个EEG特征可以作为睡眠分期的有效依据,该睡眠分期方法可用于全新受试者的睡眠自动分期,具有潜在的临床价值.
    • 米新平; 陈西宏; 刘赞; 刘永进; 刘强
    • 摘要: 针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题,提出一种基于熵评价模态分解和双谱特征提取的识别方法.利用双谱可以抑制高斯噪声的特点,分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项.由于噪声项的干扰,双谱在0 dB以下时,噪声抑制效果变差,提出了基于信息熵评价的经验模态化分解对信号进行预处理,提高信噪比.最后,设计了卷积神经网络分类器,实现对不同调制类型信号的识别.仿真实验结果表明,本文方法相比传统方法具有良好的抗噪性,能够在低信噪比下对不同类型信号进行有效识别.
    • 杨宏宇; 吕万; 吴熙; 陈曦; 袁超
    • 摘要: 风机并网容量的增加表明新能源替代正在逐步发展,但含风电的非线性系统可能会激励多模式的强迫振荡,其深层次关系难以用传统方法分析.文中首先由组合风速模型分析了风电引起强迫振荡可能拥有的特性;其次引入了高阶统计量中的双谱分析和双相干分析,所得双谱和双相干系数用于分析风电引起的振荡和振荡之间的二次相位耦合关系;最后在四机两区算例中接入小型风电场进行仿真.仿真结果验证了所提推测的正确性和所提方法的有效性.
    • 张锐戈; 肖荣辉; 高忠坚
    • 摘要: 诊断滚动轴承变工况故障时通常采用硬件或信号预处理方法处理特征频率模糊或特征参数扰动问题,诊断环节复杂且不易实施,因而提出直接获取工况不敏感特征参数的诊断思路.首先推导滚动轴承振动信号的双谱表达式,发现工况参数仅影响双谱幅值,双谱分布具有工况鲁棒优点.再通过仿真和实测信号探究双谱对滚动轴承振动特性表征,并用不同工况、不同故障状态下的双谱验证了理论分析结果.最后进行变工况故障诊断实验,3种故障程度下的5折交叉验证结果表明,使用任意一种工况数据训练模型都能有效辩识4种不同工况故障类型.工况不敏感特征参数诊断方法具有简单易实施优点,无额外的变工况处理环节,在工程实践中具有良好的应用前景.
    • 李辉; 郝如江
    • 摘要: 相关熵为高斯、非高斯噪声处理的一种有效方法,针对强高斯噪声和非高斯噪声干扰下齿轮故障诊断问题,提出了一种基于相关熵和双谱的齿轮故障诊断方法.该方法综合利用高斯核函数和不完全Cholesky分解算法计算信号的相关熵,然后再计算相关熵的双谱,根据相关熵的双谱特征识别齿轮故障.通过不完全Cholesky分解算法计算信号的相关熵,不仅大大压缩了数据量,突出了齿轮故障特征,而且提高了计算效率.通过仿真和齿轮磨损故障振动信号分析结果表明:强背景噪声会造成传统双谱故障诊断方法失效,而基于相关熵和双谱分析的齿轮故障诊断方法,能在强噪声干扰背景中提取齿轮的故障特征准确识别齿轮故障,其性能优于传统双谱和小波变换域双谱,为一种有效的齿轮故障诊断方法.
    • 张一丹
    • 摘要: 随着人工智能的发展,越来越多的机器学习、深度学习模型应用到辐射源个体识别中,但深度学习可解释性较差,尽管其识别效果有显著提升,但很容易陷入过拟合,且对新数据或新情景适应性较差.针对上述问题,本文提出一种基于谱峰定位的积分路径筛选算法,即对信号的双谱进行二次特征提取,引导卷积神经网络去学习真正的指纹特性.实验表明,本文提出的筛选算法能够有效提取出贡献值大的双谱特征,有效提高模型的识别精度.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号