导读:本文包含了能量谱分析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:能量,希尔伯特,脑干,分解,小波,言语,频率。
能量谱分析论文文献综述
蒋佳炜,胡以怀,柯赟,陈彦臻[1](2018)在《基于小波能量谱分析与SVM的柴油机气阀间隙异常故障诊断》一文中研究指出船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机气阀间隙异常的故障诊断,由于柴油机气阀间隙振动信号噪声多,利用SVM对柴油机气阀间隙进行预测时需要进行特征提取。鉴于此,研究了基于小波能量谱分析的SVM柴油机气阀间隙的故障诊断方法,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备当前状态。(本文来源于《机电设备》期刊2018年04期)
刘宁,徐华电,苏建徽[2](2017)在《基于能量谱分析的被动式孤岛检测方法》一文中研究指出提出了一种新的基于信号能量谱分析ESA(energy spectrum analysis)的孤岛检测方法,并对所提出的检测特征量在孤岛发生前后的变化进行了深入分析,对ESA方法的孤岛检测有效性及抗扰动性进行了仿真及实验验证。实验结果表明,ESA方法在分布式发电单元与本地并联谐振负载间存在功率匹配,传统过/欠电压、过/欠频率方法落入盲区内时仍可有效识别孤岛,检测需时远小于IEEE 1547-2003标准所规定的时间,且不易受系统暂态过程影响;同时,由于没有向系统中加入扰动信号,不会对电能质量产生影响。(本文来源于《电源学报》期刊2017年06期)
于译翔[3](2017)在《垂直眼球运动脑电图的主成分能量谱分析的研究》一文中研究指出大脑作为人类中枢神经系统中的核心,在整个人体器官中起到领导作用,大脑也是人类所认知的器官中最为复杂的,当今社会从未停止对大脑的研究。大脑的重要特性之一就是可产生脑电波。人脑神经元的各种活动,导致了脑电信号EEG的产生,它综合表现了神经元的活动规律,包含了极为丰富的信息。在大脑的研究领域,研究人们最不能忽视的主要研究工具即是脑电信号,随着对脑电信号分析与认识的不断加深,相关的重要研究成果也不断涌现。脑电波EEG蕴含的丰富的情感信息,称为近年来研究工作者关注的热点,作为大脑研究最直观手段的脑电波,在研究中需要对人脑产生的脑电波进行收集分析,为了能够得到需求的脑电波类型,需要将收集的脑电波进行去伪迹研究,其中眼电信号是其中较为难以识别的信号之一。眼电信号(Electrooculogram,EOG),是一种十分微弱的生物电信号,通常由眼睛角膜与视网膜之间不同的电势导致的电势差所引起。我们捕捉到的眼电信号的变化,是因为眼球有各种运动状态,不同状态下的眼球运动会产生不同状态的眼电信号波形。本课题的主要研究内容是:采集普通人在睁眼与垂直眼球运动两种状态下的脑电图数据,根据收集的数据进行人脑部位的主成分能量谱分析的研究。垂直眼球运动是普通人的经常性行为,但垂直眼球运动能够产生强烈的信号,这种信号甚至比脑电图信号还要强。因此,垂直眼球运动会对脑电图信号产生较强的干扰。本次课题研究目的是经过对垂直眼球运动状态下脑电波的数据分析,分离出垂直运动下脑电图中眼电信号的伪迹信息,使用的数据是由完全独立的脑电图实验所采集的真实数据。数据采集对象为大连交通大学本科生,使用MATLAB软件,在EAST系统下分析不同状态下的脑电图数据,找出规律,归纳出结论,完成垂直眼球运动脑电图主成分能量谱分析的研究。本次课题研究使用的研究方法是主成分能量谱分析方法。经过此次的实验研究、数据的采集,通过对眼球垂直运动状态下脑电图的数据分析将眼电信号分离出来,进而可以将伪迹信号进行归类,为以后脑电图的去伪迹提供数据支持,以便更好的对脑电图做去伪迹研究。本次课题,随机选择了20位同学进行脑电图信号数据的采集。总结规律如下:按在额头部位的脑电极Fp1,垂直眼球运动状态下的PSD值大于睁眼状态的PSD值,脑电极Fp2睁眼状态的PSD值大于垂直眼球运动状态下的PSD值。根据总结出来的结论就可以推断出,对给定的两种状态值的比较,可以逆向判断睁眼和垂直眼球运动下眼电信号的具体信息。(本文来源于《大连交通大学》期刊2017-04-10)
郝国成,龚婷,董浩斌,V.G.SIBGATULIN,陈忠昌[4](2015)在《基于聚类经验模态分解的地球天然脉冲电磁场时频与能量谱分析:以芦山M_S7.0地震为例》一文中研究指出针对地球天然脉冲电磁场信号的非平稳、非线性特点,本文采用基于聚类经验模态分解(EEMD)提取信号时频特性的方法,有效获得了芦山MS7.0地震前地球天然脉冲电磁场信号的时频分布特性、瞬时能量谱、能量集中分布的频段、最大振幅对应的时频分布等特性。对比经验模态分解(EMD)的希尔伯特-黄变换(HHT)方法,EEMD有效抑制了以往EMD分解过程中所出现的模态混迭问题。文章还将EEMD和傅里叶变换、小波变换进行了对比研究。结果表明,对于非平稳的地球天然脉冲电磁场数据,采用EEMD分解的HHT方法更能反映出原始数据的多种固有特性,便于进一步了解地震前地球天然脉冲电磁场的特点。(本文来源于《地学前缘》期刊2015年05期)
任韦波,许金余,朱宗金,刘远飞,苗华东[5](2013)在《陶瓷纤维混凝土高温损伤的小波包能量谱分析》一文中研究指出制备了陶瓷纤维混凝土(ceramic fiber reinforced concrete,CFRC),通过超声波检测及小波包变换,在频域内对不同温度、不同冷却方式下CFRC的声波测试信号进行了分解分析。结果表明:声波测试信号的小波包能量谱同试件内部的损伤演化具有较好的相关性,随着温度的升高以及损伤程度的增大,高频分量所占能量密度不断减小,能量谱中心逐渐向低频端移动;同自然冷却情况相比,喷水冷却对能量谱分布造成的影响更为显着;基于小波包能量谱定义的损伤特征向量对CFRC高温损伤的敏感性较好,可用以判别CFRC的工况类型及损伤程度。(本文来源于《混凝土》期刊2013年06期)
关晓磊,颜景龙[6](2012)在《爆破振动信号的HHT时频能量谱分析》一文中研究指出采用希尔伯特-黄变换对爆破振动信号进行时频能量谱分析。经验模态分解中采用了极值点对称延拓消除端点效应,采用分段叁次Hemite保形插值算法插值拟合消除欠包络现象以及筛分终止局部准则;对于传统HHT计算瞬时频率的负峰问题采用了标准化和直接正交法解决。采用了LabView平台实现,提高了计算效率和实用性。(本文来源于《爆炸与冲击》期刊2012年05期)
彭贤,符秋养,詹长安,梁勇,王涛[7](2012)在《言语诱发脑干反应中频率跟随反应部分的瞬时能量谱分析》一文中研究指出言语诱发脑干反应(s-ABR),为言语(speech,或语音)刺激诱导出的脑干诱发电位,包含四个部分:起始反应(OR)、过渡反应、频率跟随反应(FFR)及终止反应。其中FFR部分是准周期波,为周期性事件引出。目前研究FFR一般是采取对s-ABR进行基于快速傅立叶变换的频谱分析,并直接在原始时域中观察其准周期特性。由于噪声因素的影响,单个个体s-ABR的这些特性通常十分模糊,不易在原始时域中直接观察。本文提出了一种观察FFR的新方法,将s-ABR经验模态分解为有限层本征模态函数(IMF),分析各层IMF的瞬时能量(IE)谱,发现FFR部分主要突显在第二层IMF的IE谱中。本研究表明此方法能够更好地表征FFR,有利于s-ABR基础和临床的进一步研究。(本文来源于《生物医学工程学杂志》期刊2012年02期)
胡童宜[8](2012)在《基于魏格纳分布的心杂音信号时频能量谱分析及分类研究》一文中研究指出心音信号是人体重要的生理信号之一,心音听诊不仅简单无创且能较早的发现异常。由于心杂音信号的复杂性和非平稳性,采用现代数字信号处理方法对心杂音信号进行分析和识别成为了解心血管状态不可或缺的手段。本文以临床辅助诊断需求为目的对心杂音信号进行分析研究,内容涉及心杂音形成机制分析、心杂音信号特征向量的提取、正常心音和4类病理性杂音信号(主动脉瓣狭窄、主动脉瓣反流、二尖瓣反流、肺动脉瓣狭窄)分类识别研究。本课题的研究工作主要包括以下几个方面:1)正常心音和杂音信号的特征分析,介绍了正常心音和杂音形成的生理机制和时域波形特点,并对心音和杂音信号进行AR模型功率谱估计,为特征向量的选取提供一定的理论依据和参考。2)心杂音信号多成分分离算法的实现。采用基于主成分分析的奇异谱方法,对心杂音信号进行奇异值分解和重构,达到正常心音成分和杂音成分分离的效果,结果表明该方法能有效的抑制信号魏格纳变换产生的交叉项干扰。3)心杂音信号时频能量谱方法研究。文中对比分析了常见的几种信号时频方法:快速傅里叶变换,小波变换和魏格纳变换。快速傅里叶变换得到的时频能量谱图,分辨率受窗函数宽度影响很大,小波变换可以得到尺度-能量谱,但基小波和尺度的选取不易。因此,本文最后采用魏格纳变换对正常心音和杂音信号进行时频分析,得到的二维时频能量谱分辨率高,能较好的反映正常心音和杂音信号时频域和能量方面的特征。4)心杂音信号特征向量提取。对3M Littmann Stethoscopes数据库中正常心音和四种类型的杂音信号进行魏格纳变换得到联合时频能量谱,从中分析时域,频域和能量叁方面的特征值,比如杂音持续时间,杂音峰值频率,杂音能量分数等。以此作为特征向量,为心音和杂音的分类识别提供依据。5)心杂音信号分类分析方法。由于病理心杂音样本数量有限,因此选择支持向量机。课题研究了支持向量机核函数,多分类支持向量机的选取方法,选用以分类精度最大为判断准则网格优化方法来确定核函数参数和松弛变量最优值的选取,建立了适合心杂音分类的支持向量机模型。实验中选取正常心音和四类常见的病理心杂音样本:主动脉瓣狭窄,主动脉瓣反流,二尖瓣反流和肺动脉瓣狭窄心杂音每种类型40例进行测试,按照训练集样本数和测试集样本数之比为3:1的模式进行学习和测试。实验结果表明分类精度较高,均达到了90%以上,验证了算法的有效性。(本文来源于《重庆大学》期刊2012-04-01)
彭贤[9](2012)在《言语诱发反应中频率跟随反应部分的瞬时能量谱分析》一文中研究指出听觉系统受到特定的声音刺激后中枢神经系统产生的与外界刺激相关的生物电变化称为听觉诱发电位(Auditory Evoked Potentials, AEP),目前最为人熟知的是听性脑干反应(Auditory Brainstem Response, ABR),其中最常用的是短声(click)刺激引出的ABR(click Evoked Brainstem Response, click-ABR),健康人的click-ABR一般包含7个特征波:Ⅰ~Ⅶ波,各波的潜伏期不同,因为它们都有各自的起源。简单声(比如短声、纯音)诱发的ABR广泛应用于临床听阈估计、检查听觉通路中的病变、估计听觉通路的完整性等。尽管如此,但由于这些简单声与我们日常生活所接触到得复杂声(如言语、环境噪声等)差别甚大,它们引出的ABR能用来表征听得见,但却不能用来表述是否能听懂。人类环境中的复杂声具有丰富的谐波、频率信息变化迅速等特点。这些特性的在脑干中的编码主要分为精确的时域编码和频谱编码,引出的ABR包含瞬态反应和持续反应两个部分。这些都是与刺激的声学特性密切相关的,瞬态反应与非周期特征有关,而持续反应则与刺激的周期性特征有关。尽管短声和纯音在各自引出的ABR中较好的表征了瞬态反应和持续反应模式,用它们却无法估计出同时包含瞬态和持续特征的复杂声引出的ABR。因此,相关学者开始研究复杂声刺激引出的ABR。其中目前较为成熟的是合成言语(speech)单音节/da/诱发的ABR相关研究。时间长度为40ms的合成言语/da/诱发出的speech-ABR(da-ABR)研究已较为成熟。/da/包含瞬态和持续两个部分,前者为辅音/d/,持续时间为10ms,后者为元音/a/,持续时间为30ms。元音/a/包含3个准周期波:d、e、f波,周期约为10ms,这部分含有基频(Fo)以及五个共振峰(F1-F5)的信息,其频率分别:F0=103~121Hz,F1=220-720Hz,F2=1700~1240Hz,F3=2580-2500Hz,F4.5=3600-4500Hz。/da/引出的言语诱发脑干反应(Speech Evoked ABR, speech-ABR)可用来研究刺激的声学特征是如何在听觉系统中被编码的,并且其结构与/da/的声学结构非常相似,也可分为瞬态和持续两个部分。前者包括起始反应(onset reponse,OR),后者包括频率跟随反应(frequency following response, FFR)。其中OR(V、A波)为辅音/d/引出的反应,FFR部分(D、E、F波)被认为是刺激中的周期部分元音/a/引出的反应。FFR部分的D、E、F波为准周期波,分别为/a/中对应准周期波d、e、f引出,继承了/a/的周期特性,周期为10ms左右,与/a/的周期基本相同。有研究表明FFR部分中的叁个准周期波具有显着相关性,提示可将FFR部分视为一个整体性的生理指标并可能源自相同的神经处理机制。FFR部分时域波形的周期性表征了脑干是如何编码元音/a/的基频信息,而基频信息是辨识言语的最重要信息,因此,可根据在speech-ABR的时域波形D、E、F波的完整性来判断脑干对言语/a/编码的程度。而在实际应用中,虽然所有受试者的总体平均波形FFR都非常清晰,叁个准周期波容易分辨,但对单个受试者的speech-ABR进行分析时,FFR部分一般都很模糊,难以直观分辨出叁个准周期波,这就说明需要采用信号处理技术在时域中突出FFR部分的准周期波,有利于临床应用FFR部分来判断脑干是否对言语/a/进行了编码或者编码完整。由于听觉系统的非线性特点,speech-ABR是非线性、非平稳信号,而希尔伯特黄变换(Hilbert-Huang Transform, HHT)是现在发展较成熟的处理非线性、分平稳信号的方法。HHT分为两个步骤:经验模态分解(Empirical Mode Decomposition, EMD)和希尔伯特(Hilbert)变换。EMD是将非平稳数据分解为有限个本征模态函数(ntrinsic Mode Function, IMF),每一层IMF基本都是平稳信号,并且IMF在任意时间点的振动模式唯一,即瞬时频率唯一。EMD是按照信号本身时间局部特征分解的,是自适应的。speech-ABR原始时域波形中的任意时间点可能包含多个瞬时频率,因为FFR部分的叁个准周期波表征了元音/a/的基频信息,则它们的振动模式应该相似,经EMD后,它们应该会集中分布在同一层或相同几层IMF上。本文提出一种基于希尔伯特黄变换的瞬时能量谱方法来分析speech-ABR中的频率跟随反应部分,因为speech-ABR忠实的模拟了刺激信号的波形结构,再加上基于希尔伯特包络的瞬时能量能够突出极值,所以瞬时能量谱可能会比直接在原始时域波形中根据幅值绝对值最大来检测FFR部分跟有效。本文用实验证明此方法可以将FFR部分从speech-ABR中突显出来,有利于进一步的分析和临床应用。该方法的具体步骤如下:(1)将个体speech-ABR进行经验模态(empirical mode decomposition, EMD)分解,得到有限个本征模态函数(intrinsic mode function, IMF);(2)计算每一层IMF的瞬时能量谱;(3)观察个体speech-ABR分解后IMFs的瞬时能量谱,记录准周期波D、E、F出现的层数;(4)利用时窗为10ms,对该层瞬时能量谱17-47ms范围内寻找D、E、F波,记录下潜伏期和极性。实验记录了29例成人的speech-ABR。实验过程包括四个步骤。首先,临床专家根据V波是否明显找出有效数据,总共有25例(86%)。第二,临床专家在有效数据中根据FFR部分是否明显,将其分为两组:典型组和非典型组。其中典型组有7例(28%),非典型组有18例(72%),非典型组的个体speech-ABR中FFR部分不明显。第叁,对着25例有效数据采用基于HHT的瞬时能量谱方法进行处理。最后,临床专家在这25例有效数据的瞬时能量谱中观察FFR部分,发现有23例(92%)FFR明显,有2(8%)例无法判断。结果表明,本文提出的方法突出表征了个体speech-ABR中的FFR部分,对检测FFR部分确实有效。该方法与常规方法相比有如下两个突出优点:(1)个体speech-ABR中的FFR部分在瞬时能量谱中明显比在speech-ABR时域波形中清晰可辨;(2)个体speech-ABR中FFR部分的准周期波极性不尽相同,可为正波可为负波,但在瞬时能量谱中,均为正波。可见,此方法比常规方法更有效更准确,可用于临床上直接或辅助检测D、E、F波。(本文来源于《南方医科大学》期刊2012-04-01)
谢异同,葛兴云,曲高峰,邵辉成[10](2011)在《基于小波分解的能量谱分析方法及其在汶川地震中的应用》一文中研究指出利用小波分解将地震波分解成不同频带的小波分量,进而对地震波输入结构的总能量EI进行分解,得到能量在频域上的分布,这是一个有意义的结果。通过对各分量能量谱峰值的分析,可以从另一个方面得到地震波的频谱特性,能量谱峰值出现的结构固有周期与地震波傅里叶谱的卓越周期相同,也可以作为估算卓越周期的一种方法。(本文来源于《世界地震工程》期刊2011年03期)
能量谱分析论文开题报告
(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:
提出了一种新的基于信号能量谱分析ESA(energy spectrum analysis)的孤岛检测方法,并对所提出的检测特征量在孤岛发生前后的变化进行了深入分析,对ESA方法的孤岛检测有效性及抗扰动性进行了仿真及实验验证。实验结果表明,ESA方法在分布式发电单元与本地并联谐振负载间存在功率匹配,传统过/欠电压、过/欠频率方法落入盲区内时仍可有效识别孤岛,检测需时远小于IEEE 1547-2003标准所规定的时间,且不易受系统暂态过程影响;同时,由于没有向系统中加入扰动信号,不会对电能质量产生影响。
(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。
能量谱分析论文参考文献
[1].蒋佳炜,胡以怀,柯赟,陈彦臻.基于小波能量谱分析与SVM的柴油机气阀间隙异常故障诊断[J].机电设备.2018
[2].刘宁,徐华电,苏建徽.基于能量谱分析的被动式孤岛检测方法[J].电源学报.2017
[3].于译翔.垂直眼球运动脑电图的主成分能量谱分析的研究[D].大连交通大学.2017
[4].郝国成,龚婷,董浩斌,V.G.SIBGATULIN,陈忠昌.基于聚类经验模态分解的地球天然脉冲电磁场时频与能量谱分析:以芦山M_S7.0地震为例[J].地学前缘.2015
[5].任韦波,许金余,朱宗金,刘远飞,苗华东.陶瓷纤维混凝土高温损伤的小波包能量谱分析[J].混凝土.2013
[6].关晓磊,颜景龙.爆破振动信号的HHT时频能量谱分析[J].爆炸与冲击.2012
[7].彭贤,符秋养,詹长安,梁勇,王涛.言语诱发脑干反应中频率跟随反应部分的瞬时能量谱分析[J].生物医学工程学杂志.2012
[8].胡童宜.基于魏格纳分布的心杂音信号时频能量谱分析及分类研究[D].重庆大学.2012
[9].彭贤.言语诱发反应中频率跟随反应部分的瞬时能量谱分析[D].南方医科大学.2012
[10].谢异同,葛兴云,曲高峰,邵辉成.基于小波分解的能量谱分析方法及其在汶川地震中的应用[J].世界地震工程.2011