行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性

为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求

一、信号的描述 二、信号的自变量变换 三、基本信号 四、系统及其数学模型 五、系统的性质

针对恶劣测量条件下宽频带低信噪比调频连续波雷达信号距离模糊问题,建立了固态料面调频连续波雷达信号模型,并提出了以先验信息为辅助,包含信号频域预处理、频带截取及频带能量加权的距离反演方法.实际数据处理结果显示:经过预处理的信号频谱平均信噪比由原来的-5.55 d B提高到8.32 d B;采用包络线截频带法和最小二乘截频带法进行距离反演后拟合料线与实际料线间的料形相似度由0.46分别提高到0.71和0.79

在数字通信系统中,信道的传输特性和传输过程中噪声的存在是影响通信性 能的两个主要因素。本章将要讨论的最佳接收,就是研究在噪声干扰中如何有效 地检测出信号 信号统计检测所研究的主要问题可以归纳为三类 第一类是假设检验问题,它所研究的问题是在噪声中判决有用信号是否出 现 第二类是参数估值问题,它所研究的问题是在噪声干扰的情况下以最小的误 差定义对信号的参量作出估计

基于传感器技术、信号处理技术和模式识别技术发展起来的电子鼻技术是过去二十年中发展最为迅速的气相分析和气体检测技术之一,它已逐渐在生物医学、环境监测、农业生产、食品检测等多个领域得到应用.电子鼻是利用对待测气体具有交叉敏感性的传感器阵列将待测气体中的混杂气味组分信息转化为与时间、成分、浓度或含量相关的可测物理信号组,利用信号采集系统输出含有待测气体特征信息的数字信号,通过模式识别系统分析数字信号得到待测气体综合气味信息和隐含特征,实现对待测气体快速、系统、准确的鉴别和分析.本文综述了电子鼻技术中的传感器技术和模式识别技术及在中国白酒品牌鉴定、风味识别、酒龄检测方面的最新研究进展;以聚合物石英压电传感器型电子鼻为例,阐明该电子鼻的技术方案及其在中国白酒检测中的应用;展望电子鼻未来研究方向

信号与系统的分析方法有时域、变换域两种。时域分析法 1.连续时间信号与系统:信号的时域运算,时域分解,经典时域分析法,近代时域分析法,卷积积分。 2.离散时间信号与系统:

绪论 一、数字信号处理基本概念 二、数字信号处理的实现方法 三、数字信号处理的特点 四、数字信号处理的应用领域

4.10.1周期误差的测定 一、周期误差 测距信号为e1,串扰信号为e2,相位差为,串扰信号与测距信号的强度比为K=e2/e1,串扰信号引起的附加相位移为△。K大,ΔΦ大