导读:本文包含了微弱特征信号检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:信号,微弱,特征,噪声,混沌,故障诊断,模型。
微弱特征信号检测论文文献综述
骆俊杉[1]（2016）在《基于多特征关联的微弱水声信号检测》一文中研究指出水声信号检测是海洋信息技术的重要内容之一,同时在国家经济发展和国家安全领域发挥着不可替代的作用。海洋环境的复杂性决定了水声信号检测算法与陆地信号检测算法有所差异,主要体现在海洋背景噪声具有一定程度的冲击性。本文围绕海洋冲击噪声中的水声信号检测算法展开了深入的研究,取得了如下主要研究成果:1.研究了α稳定分布的统计特性,分析了α稳定分布的各个参数对概率密度函数的影响。采用α稳定分布对海洋冲击噪声建模,并根据实测的海洋噪声数据验证模型的正确性。2.提出了两种适应于海洋冲击噪声环境的单特征检测算法,并研究了基于核能量的检测算法:基于样本分位数分组和协方差矩阵最大最小特征值的检测算法。叁种算法各有优劣势:基于样本分位数分组的信号检测算法需要估计噪声的特征指数,当噪声指数精确估计时,检测性能优于柯西检测器,但仅适用于α在1~2范围内的冲击噪声,当α在1.6和1.9附近时,其检测性能尤其优异。基于协方差矩阵最大最小特征值的检测算法不需要估计噪声参数,且对噪声功率起伏不敏感,但是需要待检测信号具有较强的相关性。基于核能量的检测算法性能稳健,适用于所有特征指数,且在特征指数较小时,检测性能优异,但是对噪声功率不确定性敏感。3.结合叁种信号特征设计了一种基于多特征关联的鲁棒水声信号检测算法。通过多特征关联将信号检测问题转化为模式识别问题,将传统的门限判决法转化为函数判决法,其中最优判决函数在最小错误概率准则下,利用量子Memetic算法迭代得到。基于多特征关联的检测方法可以较好地融合叁种算法的优势,在不同环境下均能达到稳健的检测性能。4.研究了两种水下直接序列扩频信号检测算法,分别为分数阶均方相关检测算法和基于主成分分析的检测算法。在精确获悉扩频码周期的情况下,基于主成分分析的检测算法能达到最优的检测性能,且优于分数阶均方相关检测算法;当扩频码周期存在估计误差时,分数阶均方相关检测算法性能优于主成分分析检测算法。本文融合两种算法优势设计了一种基于多特征关联的鲁棒水下直扩信号检测算法,验证了该算法在参数匹配和失配条件下的稳健性。(本文来源于《国防科学技术大学》期刊2016-11-01）
孙彦龙[2]（2016）在《基于达芬振子的微弱机械故障信号检测及特征提取方法》一文中研究指出旋转机械是工业领域中的关键设备,在电力、石油、冶金、航空等部门中应用最为广泛。由于制造、装配不良或系统经常处于高速、高载状态,很容易发生各种故障,若不能及时维护,将会引发二次故障,进而引发多故障的相互耦合,这对机器的正常运转造成极大的影响。本文重点研究基于双耦合达芬振子的微弱信号检测方法,并提出了双耦合达芬振子与EMD分解相结合和双耦合达芬振子随机共振两种方法实现微弱机械故障信号的特征提取。本文阐述了混沌的定义,研究了达芬振子检测微弱信号的原理。针对传统达芬振子检测灵敏度较低的问题,本文提出了高维的非线性恢复力项取代传统达芬振子系统的低维的非线性恢复力项的方法,该方法检测灵敏度更高、工作稳定性更好。由于其在检测微弱信号时具有较高的灵敏度,更适用于检测微弱信号。针对达芬振子的抗噪性问题,采用基于双耦合达芬振子检测微弱信号的方法,双耦合达芬系统抗噪性能更好,能够更好的对强噪声背景下的信号进行检测。本文研究了双耦合达芬振子对待检测微弱信号的各个参数的检测方法,并通过仿真验证了此方法的可行性。针对在一些强噪声环境下检测微弱信号时出现的检测精度不高情况,本文提出了一种利用双耦合达芬振子与EMD相结合的微弱信号检测方法。首先利用EMD将待检测微弱信号分解为多个包含微弱信号特性的固有模态分量(IMF),然后利用双耦合达芬振子对各个IMF进行检测,实现微弱信号的检测,通过实例信号验证了方法的可行性。提出了一种双耦合达芬振子随机共振的信号特征提取方法,该方法将双耦合达芬系统作为双稳系统,通过待检测微弱信号与噪声信号的协同作用产生随机共振,从而可提取出微弱的机械故障信号。针对双耦合达芬振子随机共振方法的小参数限制,采用尺度变换的方法来实现大频率信号的检测,先将大频率经过二次采样频率压缩成满足随机共振的小频率,最后再经过尺度恢复实现对微弱机械故障信号的特征提取。通过仿真和实例信号验证了方法的有效性。(本文来源于《燕山大学》期刊2016-05-01）
胡伟文,刘永凯,苑秉成[3]（2013）在《能量聚点特征分析法及其在微弱目标信号检测中的应用》一文中研究指出为精细分析信号的能量聚集特性,提出了λ水平能量聚点的概念,其定义中的尺度因子d、水平因子λ分别具有调节信号分析的分辨率、灵敏度的作用。提出了一种基于能量聚点的信号特征分析方法,并应用于掩埋目标的信号检测。结果表明该方法有助于提高信号的检测率水平。(本文来源于《数据采集与处理》期刊2013年01期）
赖志慧,冷永刚,孙建桥,范胜波[4]（2012）在《基于Duffing振子的变尺度微弱特征信号检测方法研究》一文中研究指出研究了Holmes型Duffing方程的混沌特性用于信号检测的方法,针对该方法只适用检测特定频率成分信号、方程参数选择不便以及噪声影响检测结果等情况,提出基于Duffing振子的变尺度微弱特征信号检测方法.数值分析表明,该方法可以仅用一组确定的参数条件,检测任意频率、任意相位的特征信号.(本文来源于《物理学报》期刊2012年05期）
杨晓阔,王曙钊,王峻,刘鹏[5]（2008）在《基于特征向量盲分离的多频微弱信号检测方法》一文中研究指出研究了低信噪比条件下混合信号的盲分离,针对实际探测的微弱信号常常是多个频率微弱信号共存的情形,进行了利用特征向量盲分离检测多个频率周期性微弱信号的研究,以便把利用特征向量盲分离的微弱信号检测应用于信号处理中微弱信号的提取。该方法首先建立混合信号阵元接收模型,利用多路传感器信号盲分离提取有用信号,达到微弱信号检测的目的。仿真和实测数据试验结果表明,此方法可检测出湮没在强噪声环境中的微弱信号的幅度和频率,在-30dB极低信噪比下恢复出了多个弱信号,具有很高的可靠性。(本文来源于《传感技术学报》期刊2008年08期）
徐凯[6]（2008）在《基于混沌系统几何特征量的微弱信号检测》一文中研究指出混沌系统具有对小信号的敏感性及对噪声的免疫性等特点，也就是说混沌系统在临界混沌状态下，小信号的引入会使得系统状态发生改变，由临界混沌跃迁为大尺度周期态，而噪声的加入则不会改变系统的临界混沌状态，混沌的这些特性使得其在信号检测技术中具有一定的发展前景。目前，利用混沌振子检测微弱信号的两类重要方法分别是：基于相变的检测方案、基于特征指数的检测方案。两种方法均利用系统动力学行为从临界混沌到大尺度周期临界点处的特性，实现对强噪声背景下的信号检测。本文在研究传统微弱信号混沌检测的基础上，改进相变检测法，提出一种基于差分Duffing双振子的弱信号检测模型，该检测模型在系统的时域输出波形上可以实时观察系统解的情况及系统所处的状态，判别更加准确明了，物理意义明显，更易实际应用。通过仿真实验，该检测模型检测性能良好。针对相变检测法存在的问题，本文提出了基于混沌系统几何特征量的微弱信号检测模型，该方法的特点是使系统一直处于周期态，从而避免了系统临界混沌下内策力临界阈值的确定和选取，同时也避免了可能由于相图观测时间不足而导致系统状态误判的风险。提取周期态下的几何特征量，通过曲线拟合方法建立特征量和待测信号参量之间的关系，然后选取某一检测基点r_d，将幅值为r_1的微弱正弦信号输入系统得到此时的特征量，并将作为拟合曲线函数的输入，则曲线的输出即为r_0=r_d+ r_1，减去r_d即得到待测信号的幅度r_1，从而实现了对微弱正弦信号幅值的检测。该方法真正意义上实现了信号的定量检测，且检测精度良好，原理简单。(本文来源于《吉林大学》期刊2008-04-15）
段锦升[7]（2007）在《机械系统微弱故障信号检测及特征提取方法研究》一文中研究指出故障信号的特征提取是机械故障诊断中的关键问题，而噪声的干扰是影响故障信号特征正确识别的重要因素。机械系统早期故障引起的异常信号一般都很微弱，通常被淹没在很强的背景噪声中，对信号检测技术要求高。本文根据机械测试中振动信号的特点，研究了现代信号处理理论应用于机械故障信号检测和特征提取的方法，并做了大量的仿真和实验。论文首先叙述了该课题的意义、弱信号检测的方法，介绍了机械故障特征提取方法及研究现状。针对复杂机械故障产生的非平稳振动信号检测，研究了时间—频率分布在故障信号检测和特征提取中的应用。仿真分析和齿轮早期故障检测实验证明，通过核函数的合理设计，能够有效滤除噪声，实现对机械设备早期故障产生的微弱异常振动信号的检测。讨论了小波基函数选取对信号处理结果的影响。详细论述了基于小波变换的奇异性检测理论，提出了利用叁层以上细节信号的乘积作为检测信号求解多尺度模极大值的方法，以实现噪声中信号奇异点的检测和定位。研究了基于小波变换的弱信号检测方法，利用该方法把齿轮的异常振动信号从噪声信号中提取出来，实现齿轮故障信号特征的提取。最后利用高阶统计量可以抑制加性高斯噪声的特殊性质，将高阶统计量作为机械微弱故障信号检测的方法进行了研究。对双谱信号检测作了重点介绍，并利用双谱进行了齿轮故障诊断。(本文来源于《太原理工大学》期刊2007-05-01）
杨定新[8]（2004）在《微弱特征信号检测的随机共振方法与应用研究》一文中研究指出微弱特征信号检测是实现机电系统状态监测与故障早期检测的关键技术之一,对于保证大型机电设备及武器装备可靠运行,避免重大事故的发生具有重要作用。但是,机电设备特征信号往往非常微弱,加之机电系统工作环境比较恶劣,噪声干扰大,造成信号信噪比较低,同时对信号检测的实时性要求较高,使得机电系统的微弱特征信号检测成为难点。如何实现强噪声背景下微弱特征信号的快速检测一直是研究者们不懈努力的方向。 随机共振是一种利用噪声使得微弱信号得到增强传输的非线性现象,与线性方法相比能够检测更低信噪比的信号。随机共振模型算法快速、高效,并可通过硬件实现,具有实时检测能力。因此,随机共振在微弱特征信号检测中的应用具有重要意义。 本文来源于国家自然科学基金项目——“基于随机共振的机械故障早期检测”,以机电系统典型微弱特征信号检测为目标,研究基于随机共振原理微弱特征信号检测的方法及其应用。论文首先阐述了随机共振的理论基础,分析了随机共振数值模型的稳定性条件。然后针对微弱周期信号、微弱非周期冲击信号以及微弱数字脉冲信号等叁类特征信号的检测,通过数值仿真,系统研究了各参数对检测性能的影响规律,给出了基于双稳系统随机共振模型的检测算法,构建了随机共振实验模拟系统,并将检测算法与实验系统应用于机电系统微弱特征信号的检测与处理之中。论文主要内容包括: 1.在分析机电系统微弱特征信号检测的主要特点,对现有微弱特征信号检测方法进行综述的基础上,深入探讨了基于随机共振的微弱特征信号检测方法的特点、发展历程及研究现状,明确了采用随机共振方法检测机电系统典型微弱特征信号要解决的主要问题。 2.阐述了双稳系统随机共振的绝热近似理论和线性响应理论,对多项式势阱族的参数进行了优化选择,分析并证明了双稳系统随机共振离散模型的稳定性条件,给出了模型数值求解的算法,并对双稳系统的随机共振行为进行了验证。 3.针对强噪声背景中微弱周期信号的检测,分析了信号的检测策略,深入研究了基于随机共振的微弱周期信号检测模型,并与最佳线性滤波方法进行了比较,表明前者具有更好的信号检测性能。针对传统随机共振只适用于检测极低频信号的约束,提出归一化尺度变换,从理论上消除了对待检信号频率的限制。分析了各参数对检测性(本文来源于《国防科学技术大学》期刊2004-10-01）
周越,杨杰[9]（2002）在《复杂背景下微弱信号检测和特征分析系统的实现》一文中研究指出本文实现了一种适用于复杂背景情况下长期自动探测和记录海洋环境噪声以及行船噪声特性的装置 .预处理模块利用过零检测、幅度检测原理探测信号 ,它不仅采用无 A/ D且作到全数字化处理、系统低功耗极低 ,而且能估算出噪声强度 .信号处理模块分析噪声并记录频谱特性和时域统计特性 .实际运行结果表明 ,该系统具有体积小、检测能力强和寿命长等优点 .另外它还具有实用的接口 ,可以与打印机、计算机连接(本文来源于《小型微型计算机系统》期刊2002年05期）
吕志民,徐金梧,翟绪圣[10]（1998）在《基于混沌振子的微弱特征信号检测原理及应用》一文中研究指出介绍了利用混沌振子检测微弱特征信号的原理和实现方法．实验表明该方法能够在信噪比相当低的情况下检测出微弱的特征信号，并用滚动轴承上测取的振动信号验证了该方法的可行性(本文来源于《河北工业大学学报》期刊1998年04期）
微弱特征信号检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
旋转机械是工业领域中的关键设备,在电力、石油、冶金、航空等部门中应用最为广泛。由于制造、装配不良或系统经常处于高速、高载状态,很容易发生各种故障,若不能及时维护,将会引发二次故障,进而引发多故障的相互耦合,这对机器的正常运转造成极大的影响。本文重点研究基于双耦合达芬振子的微弱信号检测方法,并提出了双耦合达芬振子与EMD分解相结合和双耦合达芬振子随机共振两种方法实现微弱机械故障信号的特征提取。本文阐述了混沌的定义,研究了达芬振子检测微弱信号的原理。针对传统达芬振子检测灵敏度较低的问题,本文提出了高维的非线性恢复力项取代传统达芬振子系统的低维的非线性恢复力项的方法,该方法检测灵敏度更高、工作稳定性更好。由于其在检测微弱信号时具有较高的灵敏度,更适用于检测微弱信号。针对达芬振子的抗噪性问题,采用基于双耦合达芬振子检测微弱信号的方法,双耦合达芬系统抗噪性能更好,能够更好的对强噪声背景下的信号进行检测。本文研究了双耦合达芬振子对待检测微弱信号的各个参数的检测方法,并通过仿真验证了此方法的可行性。针对在一些强噪声环境下检测微弱信号时出现的检测精度不高情况,本文提出了一种利用双耦合达芬振子与EMD相结合的微弱信号检测方法。首先利用EMD将待检测微弱信号分解为多个包含微弱信号特性的固有模态分量(IMF),然后利用双耦合达芬振子对各个IMF进行检测,实现微弱信号的检测,通过实例信号验证了方法的可行性。提出了一种双耦合达芬振子随机共振的信号特征提取方法,该方法将双耦合达芬系统作为双稳系统,通过待检测微弱信号与噪声信号的协同作用产生随机共振,从而可提取出微弱的机械故障信号。针对双耦合达芬振子随机共振方法的小参数限制,采用尺度变换的方法来实现大频率信号的检测,先将大频率经过二次采样频率压缩成满足随机共振的小频率,最后再经过尺度恢复实现对微弱机械故障信号的特征提取。通过仿真和实例信号验证了方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
微弱特征信号检测论文参考文献
[1].骆俊杉.基于多特征关联的微弱水声信号检测[D].国防科学技术大学.2016
[2].孙彦龙.基于达芬振子的微弱机械故障信号检测及特征提取方法[D].燕山大学.2016
[3].胡伟文,刘永凯,苑秉成.能量聚点特征分析法及其在微弱目标信号检测中的应用[J].数据采集与处理.2013
[4].赖志慧,冷永刚,孙建桥,范胜波.基于Duffing振子的变尺度微弱特征信号检测方法研究[J].物理学报.2012
[5].杨晓阔,王曙钊,王峻,刘鹏.基于特征向量盲分离的多频微弱信号检测方法[J].传感技术学报.2008
[6].徐凯.基于混沌系统几何特征量的微弱信号检测[D].吉林大学.2008
[7].段锦升.机械系统微弱故障信号检测及特征提取方法研究[D].太原理工大学.2007
[8].杨定新.微弱特征信号检测的随机共振方法与应用研究[D].国防科学技术大学.2004
[9].周越,杨杰.复杂背景下微弱信号检测和特征分析系统的实现[J].小型微型计算机系统.2002
[10].吕志民,徐金梧,翟绪圣.基于混沌振子的微弱特征信号检测原理及应用[J].河北工业大学学报.1998
论文知识图
