信号重构

摘要： 针对爆炸冲击波信号重构问题,引入深度卷积神经网络(DCNN)捕捉冲击波信号的局部信息和高阶特征,引入双向长短期记忆网络(Bi-LSTM)捕捉冲击波超压数据时序依赖关系,进而构建了基于深度学习的爆炸冲击波信号重构模型。相关实验研究表明,本文构建的爆炸冲击波信号重构模型,综合考量了信号的时序关系、频谱特征、数据变化规律等特征信息;在基于有限测点数据的冲击波场压力分布重构实验中,模拟和实测超压峰值平均误差分别为3.53%和13.71%,正压作用时间平均误差分别为7.35%和14.26%,比冲量平均误差分别为4.02%和11.92%;在基于残缺数据的冲击波压力曲线重构实验中,模拟和实测信号重构的缺失值与原始值基本吻合,且偏差均在0附近;均满足爆炸冲击波压力重构指标要求。研究结果对爆炸冲击波信号重构有重要指导意义。

摘要： 严重的谐波电流会影响驱动电机系统的性能,如增加损耗、产生转矩波动,甚至导致控制不稳定等。针对此问题,提出了一种改进的重复控制方法。该方法通过利用傅里叶分析对指定次数的谐波电流进行提取、信号重构与角度补偿而产生d、q轴电压的补偿分量,叠加在原有d、q轴电压给定值上,共同作用于永磁同步电机,实现谐波电流抑制。为了验证该方法,对45 kW的永磁同步电机控制系统进行了试验。结果表明:该方法在较高电流频率内都能有效地抑制d、q轴的电流脉动,相比传统的重复控制,扩大了适用范围。

摘要： 针对滚动轴承故障原始信号复杂,以致故障冲击信号被强背景噪声“淹没”的问题,提出一种基于CEEMDAN分解和时域特征分析的故障诊断方法。首先对原始信号进行CEEMDAN分解,得到一系列固有模态分量(IMFs),分析各IMF,选择具有明显故障冲击信号的5个分量进行重构,以剔除噪声等干扰信息,再提取重构信号的时域特征输入支持向量机(SVM)进行分类。实验结果表明:通过CEEMDAN分解后的信号相较于原始信号具有更强的故障冲击信号表现,使得提取的时域特征包含了较多的故障分类信息,运用SVM分解可使分类准确率达到100%。

摘要： 蒸发波导作为一种随机出现在近海平面大气环境中的电磁波传输介质,是海战场复杂电磁环境的重要组成部分。目前蒸发波导特征参数通常是由多种传感器采集到的大气温度、湿度、风速、海表温度等海洋监测数据在特定计算模型下解算获得的。要想获取大范围、长时间内的蒸发波导态势分布情况,需要对多种海洋监测数据进行长时间、不间断地观测。针对传统压缩感知方法处理时变海洋监测数据重构性能不高的问题,提出一种基于低秩正则化序贯压缩感知的海洋监测数据在线重构方法。该方法首先对真实的海洋监测数据进行分析,揭露了数据在空间结构上的低秩性;然后利用滑动窗口机制,结合已有历史数据构建低秩正则项,并根据前后时刻重叠区域数据相等的条件建立数据保真项;最后基于交替方向乘子法对重构优化算法进行求解。在理论上通过收敛性分析和复杂度分析证明了算法的有效性。仿真实验结果验证了算法能够实现重构性能的提升。

摘要： 为了解决非合作通信情况下,具有特定帧结构的复杂信号难以重构问题,设计了一种利用深度无悔分析生成对抗网络(deep regret analytic generative adversarial networks,DRAGAN)重构信号的方法。首先利用无悔算法(no-regret algorithms)对判别器损失函数进行约束,判别器的梯度被迫向更加稳定的方向变化;其次通过生成器与判别器的对抗学习,生成器的分布逐步拟合到目标数据的潜在分布;最后构建具有特定帧的复杂信号模型,并据此进行DRAGAN方法的实验验证。仿真实验结果表明,在信噪比为9 dB及以上的条件下,生成信号不仅学习到了样本信号的调制样式、符号速率和频率带宽等特性,还能较准确还原出特定帧部分的符号信息。相较于传统方法,利用DRAGAN生成信号具有相关性高、重构流程简易和泛化能力强等特点,所设计的网络模型在电磁环境构建等场景中具有实用价值。

摘要： 针对电力信息系统的单体架构处理信息量较小,无法全面监测电网链路信息的问题,提出基于微服务架构的电力信息系统的全链路监控技术.利用压缩感知算法建立测量与感知矩阵,完成信号重构;采集全链路信息,使用连续小波变换方法对监控信号降噪处理.构建微服务架构,通过纵向与横向两个维度实现全链路监控.实验结果表明,该方法监控到结果和人工注入的异常数据包数量完全一致,能够实时、准确地监控电力信息系统线路中的电流及电压数据.

摘要： 压缩频谱感知可以远低于奈奎斯特采样的速率来获取宽带跳频通信信号,但欠采样信号重构作为压缩频谱感知的关键组成环节,将更加直接地决定跳频通信接收性能。针对跳频通信信号压缩感知存在的欠采样重构精度低、计算复杂度高、迭代重构时间长等问题,提出欠采样跳频通信信号深度学习重构方法,将深度学习引入到宽带稀疏欠采样信号重构过程中,设计欠采样样本输入层网络适应结构,再利用变分自编码器构造生成式重构网络替代稀疏优化求解,实现免迭代欠采样跳频通信信号重构输出。仿真并分析了欠采样结构配置、网络模型设置以及信噪比等参数对信号重构性能的影响。仿真表明,相对于稀疏度自适应匹配追踪、正交匹配追踪等经典欠采样信号重构算法以及卷积神经网络欠采样信号重构方法,所提方法在重构误差和重构时间等方面均具有性能优势。该方法可准确、高效、实时地完成欠采样跳频通信信号重构,可成为解决宽带跳频通信信号接收和处理瓶颈的有效途径之一。

摘要： 为了实现对舰船磁场信号的准确重构及换算,在缩比模型试验数据分析的基础上,对磁性处理后的船模磁场时频特性进行分析,建立起截止频率与最大能谱的关系,得到采样间隔与船长间的数学模型,提出适用于磁场的最大采样间隔计算方法,结合磁体模拟法进行磁场深度换算完成对该文方法的验证。结果表明,该方法对目标形状鲁棒性好,水面舰艇和水下潜艇目标皆适用,在较大采样间隔条件下能完成较高精度的信号重构,当由浅向深进行换算时,换算误差皆小于7%,当换算的基准深度不小于3倍船宽时,能完成由浅向深和由深向浅双向的磁场换算,换算误差均小于10%。

摘要： 针对滚动轴承振动信号故障特征不易提取的问题,提出了基于双树复小波与完全集合经验模态分解的滚动轴承故障诊断方法。首先,对信号进行双树复小波分解与重构,达到初步降噪的目的;然后,通过完全集合经验模态分解与互相关系数分析获得典型模态分量并进行信号重构;最后,分析重构信号的时、频域信息并与轴承故障特征频率对比完成轴承故障类型识别。仿真及试验结果表明,与小波降噪和集合经验模态分解相比,该方法有更好的降噪效果,能更准确地判断滚动轴承的故障状态。

摘要： 为了提升有载分接开关振动信号降噪效果及故障识别准确率,研究了一种基于经验模态分解的有载分接开关振动信号识别方法。该方法对有载分接开关振动信号进行采用掩膜的经验模态分解,降低模态混叠;采用阈值滤波方法对各个固有模态函数进行处理,降低噪声影响;再采用相关系数法选取特定固有模态函数并进行信号重构,采用时频分析和卷积神经网络方法进行特征提取和故障识别,得到故障识别结果。实验结果表明,利用所提出的方法进行降噪处理后的识别准确率得到有效提高。

摘要： 切削中发生颤振会降低加工表面质量和生产率.本文针对经验模态分解(Empirical Mode Decomposition,EMD)后的模态特征函数(Intrinsic Mode Functions,IMFs)易出现模态混叠现象,采用EMD和小波包(Wavelet Packets Decomposition,WPD)结合的方法来消除模态混叠的影响.为充分提取信号主成分,选择和幅频曲线的变化一致的IMFs进行信号重构,而重构信号在WPD分解后,选择能量密度大的节点进行信号的二次重构.重构信号充分包含颤振特征,为颤振特征提取和颤振在线监测奠定了基础.

摘要： 传统的振动信号分析方法都是基于香农采样定理实现信号的采集,这种信号采样方式,使设备状态监测过程中产生了海量的冗余数据,增加了数据处理的难度以及数据存储与传输的成本.压缩感知理论的提出为解决海量的状态监测数据的存储与传输问题提供了新契机,而振动信号不稀疏的特性又成为压缩感知在故障诊断领域应用的障碍.为此,提出了一种基于块稀疏贝叶斯学习的振动信号重构的方法,该方法利用解的块内相关性,通过解的后验概率知识,在不需要估计信号稀疏度的情况下,准确重构出原始信号,解决了振动信号稀疏度不足的问题,通过轴承振动信号的重构验证了方法的有效性.

摘要： 非负稀疏信号在欠定线性观测条件下的重构效果不理想,仍有进一步提高的余地.文中将非负稀疏信号重构建模为线性规划问题,在交替方向乘子法的框架下得到了具有闭合解形式的优化算法,且算法复杂度较低.为了进一步增强重构信号的稀疏性,提出了迭代加权线性规划算法,通过对权值向量和重构信号交替优化提高了重构准确率.实验仿真验证了算法的有效性,针对随机生成信号和实际语音能量谱这两类非负稀疏信号均取得了较好的重构效果,重构性能优于目前一些流行的稀疏信号重构算法.

摘要： 为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了一种基于在线贯序极端学习机(OS-ELM)的故障诊断算法.其核心思想是,在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,有效解决了多故障混叠问题.在线信号重构算法中以泛化能力指标为判定条件,利用选择策略对OS-ELM网络权值进行选择性更新,提高了故障诊断系统的实时性.最后,以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性.

摘要： 本文提出基于频域最短路径分解的欠定盲信号分离法.该方法分为3步:首先对各路观测做傅立叶变换;其次,构造势函数来估计源信号个数及混合矩阵;最后,利用最短路径法确定各频点上的源信号组成,进而借助傅立叶反变换实现源信号恢复.对于旋转机械振动信号而言,其傅立叶域具备明显的稀疏分布特点,故本文方法尤其适合机械故障诊断.实验表明,本文算法既可获得很精确的混合矩阵估计,又能实现高质量的源信号重构。

摘要： 为了进一步提高勘査的分辨率和详细程度,解决煤矿地质工作所面临的安全生产问题,近年来大力发展了槽波勘探方法.槽波勘探方法将物理场源及接收器直接安放在煤层内,由于煤层相对于顶板和底板速度更低而形成了低速层中地震能量的制导现象.利用这种导波可以探测煤层的不连续性,具有探测距离远、抗电干扰能力强的特点.由于槽波本身的频散特性,以及井下复杂的激发接收条件,多种类型的纵波和横波及噪声叠加在一起,致使槽波信号震相难以识别.

摘要： 为了进一步提高勘査的分辨率和详细程度,解决煤矿地质工作所面临的安全生产问题,近年来大力发展了槽波勘探方法.槽波勘探方法将物理场源及接收器直接安放在煤层内,由于煤层相对于顶板和底板速度更低而形成了低速层中地震能量的制导现象.利用这种导波可以探测煤层的不连续性,具有探测距离远、抗电干扰能力强的特点.由于槽波本身的频散特性,以及井下复杂的激发接收条件,多种类型的纵波和横波及噪声叠加在一起,致使槽波信号震相难以识别.

摘要： 为了进一步提高勘査的分辨率和详细程度,解决煤矿地质工作所面临的安全生产问题,近年来大力发展了槽波勘探方法.槽波勘探方法将物理场源及接收器直接安放在煤层内,由于煤层相对于顶板和底板速度更低而形成了低速层中地震能量的制导现象.利用这种导波可以探测煤层的不连续性,具有探测距离远、抗电干扰能力强的特点.由于槽波本身的频散特性,以及井下复杂的激发接收条件,多种类型的纵波和横波及噪声叠加在一起,致使槽波信号震相难以识别.

摘要： 为了进一步提高勘査的分辨率和详细程度,解决煤矿地质工作所面临的安全生产问题,近年来大力发展了槽波勘探方法.槽波勘探方法将物理场源及接收器直接安放在煤层内,由于煤层相对于顶板和底板速度更低而形成了低速层中地震能量的制导现象.利用这种导波可以探测煤层的不连续性,具有探测距离远、抗电干扰能力强的特点.由于槽波本身的频散特性,以及井下复杂的激发接收条件,多种类型的纵波和横波及噪声叠加在一起,致使槽波信号震相难以识别.

摘要： 针对地震信号非线性,非平稳性等特征,引入HHT方法对地震信号进行预处理,通过经验模态分解得到IMF分量,采用过零尺度阈值算法实现IMF分量的自适应选择,重构阈值范围内的IMF分量达到降噪效果.对有效信号的IMF分量作Hilbert变换得到瞬时频率和瞬时幅值,基于时频分析构建识别P波STA/LTA法的新特征函数.为提高震相识别精度,对STA/LTA法长短时窗内的幅值信号求标准差进一步放大地震到达后的特征函数比值,通过联合AIC准则,开展了P波震相自动识别.为了验证所建议P波震相自动识别算法,以人工捡拾为基准,应用KIK—NET数据,评价了本文提出方法的精度.结果表明,在处理信噪比较高的地震记录时,三种P博震相识别方法的捡拾精度基本一致;对于信噪比较低的地震信号,与传统STA/LTA—AIC算法相比,基于HHT的P波震相自动识别加权算法有更高的识别精度,同时具有较强抗噪性.

摘要： 一种解码器将第一组数据解码并利用第一组已解码数据以根据第一质量水平来重构信号。该解码器还将第二组数据解码并识别由第二组已解码数据指定的向上采样操作。该解码器将在第二组已解码数据中识别的向上采样操作应用于以第一质量水平重构的信号，以便以第二、较高质量水平重构信号。为了增强重构的信号，该解码器从第二组已解码数据检索残余数据。该残余数据指示如何在如上文所讨论的向上采样操作的应用之后修改以第二质量水平重构的信号。该解码器然后如残余数据所指定的那样修改以第二质量水平重构的信号。

摘要： 本发明提出一种通信信号重构方法，该方法如下：对移动终端和基站之间的通信质量进行监测，如果通信质量不符合预设条件，对可重构智能表面进行功能区域划分，根据移动终端的业务类型确定对应的重构方式，根据所述重构方式利用所述功能重构区域对基站发射的波束进行调整后发送移动终端上；所述可重构智能表面包括多个子阵，每一个子阵作为一个单独的功能区域划分单元，所述子阵包括N×M个信息电磁超构单元，N≥2且M≥2。上述方法可实现基站区域内无线通信信道的重构和分配，优化移动终端的覆盖效能，提升该区域内的总通信容量，并有效降低移动通信，尤其是5G/6G通信覆盖与接入的成本。

摘要： 本发明提供了一种基于单路传感器信号的压气机失速先兆信号重构与识别方法。首先通过安装在压气机前级机匣周向上的单路传感器获得压力信号；然后根据压气机失速先兆信号的旋转特性,采用信号平移法模拟沿周向的多路传感器输出，实现压气机多路失速先兆信号重构。对重构的多路失速先兆信号以向量形式表示为环面平均值与周向压力扰动的叠加，对其中的周向压力扰动向量进行空间傅立叶变换，分解为多阶模态波的叠加；其中将第一阶模态幅值与设定的阀值比较，超过该阀值时认为即将发生失速，实现失速先兆信号的识别。本发明可实现用单个传感器代替多个传感器，避免了安装多个传感器的不足，具有较大的工程应用价值。

摘要： 本发明公开了一种非均匀欠采样条件下谐波组合信号的重构方法，其中方法包括以下步骤：步骤1、获取N个大于Nyquist采样周期的欠采样周期内j个信号数值的时间序列。步骤2、根据采样数据对应的时间构造测量矩阵。步骤3、构造含测量向量、测量矩阵、傅里叶基矩阵、重构一维稀疏向量的稀疏重构方程。步骤4、对重构表达式进行正交化预操作，构造等效表达式。步骤5、计算重构方程的观测矩阵互相关系数，调整采样时间间隔，重新构造观测矩阵，使观测矩阵互相关系数最小。步骤6、利用凸优化方法、贪婪算法等典型重构算法，求解稀疏向量，获得谐波组合信号的所有频率成分，实现信号重构。本发明提供的方法重构概率大、精度高，可以在无先验信息条件下实现谐波组合信号的盲重构。

摘要： 本发明提出一种通信信号重构方法，该方法如下：对移动终端和基站之间的通信质量进行监测，如果通信质量不符合预设条件，对可重构智能表面进行功能区域划分，根据移动终端的业务类型确定对应的重构方式，根据所述重构方式利用所述功能重构区域对基站发射的波束进行调整后发送移动终端上；所述可重构智能表面包括多个子阵，每一个子阵作为一个单独的功能区域划分单元，所述子阵包括N×M个信息电磁超构单元，N≥2且M≥2。上述方法可实现基站区域内无线通信信道的重构和分配，优化移动终端的覆盖效能，提升该区域内的总通信容量，并有效降低移动通信，尤其是5G/6G通信覆盖与接入的成本。

摘要： 本发明提出基于导波信号稀疏分解方法的信号降噪与缺陷检测方法及缺陷信号重构方法。所述方法包括求解最优近似解、提取时间延迟参数、获取候选模式对、依据各个有效模式对的时间延迟以及对应的群速度，估计得到结构内各个反射源的位置；排除边界反射对应的导波模式，便可得到缺陷的位置。本发明所述方法采用基于稀疏贝叶斯学习的稀疏优化求解算法，在处理信号稀疏表示这类病态问题方面具有独特的优势，对噪声的鲁棒性也更好。

摘要： 基于PSA‑EWT和DCGAN的心电信号重构方法及重构系统，本发明涉及心电信号重构方法及重构系统。本发明的目的是为了解决现有心电图信号采用接触式测量，操作不便的问题。过程为：一：对原始BCG信号进行分解，划分为m个区间，在每个区间内构建一个带通滤波器，m个滤波器组重构m个分量；二：对m个区间进行优化合并，得到的心跳分量；三：建立对抗网络；四：获取ECG信号和呼吸信号；合成BCG信号；将合成BCG信号作为生成器的输入，将ECG信号作为判别器的输入，进行训练，直至达到最大迭代次数，获得训练好的对抗网络；五：将二获得的心跳分量输入训练好的对抗网络，重构出ECG信号。本发明用于心电信号重构领域。

摘要： 本发明公开了一种检测信号重构系统，该检测信号重构系统包括有处理模块、综合节点、PID控制模块以及模型模块；外部传感器输出的原始信号接入到处理模块中，综合节点接收处理模块与模型模块的传值，综合节点的输出数据传送给PID控制模块，PID控制模块的输出数据传送给模型模块；PID控制模块的处理结果作为重构的原始信号输出。本发明还提供一种检测信号重构电路及信号重构方法。相比于现有技术，在本发明当中提供的检测信号重构系统、重构电路及重构方法，不使用高带宽的信号采样、调理器件，在保持传统低成本低带宽信号采样调理结构的基础上，尽量还原、重构出与原始信号贴近的信号，有效提升现有变频器控制高速电机或超高速电机的能力。

摘要： 本发明公开了一种基于自编码器信号重构的无线信号干扰检测与分离方法，包括步骤如下：S1：构建基于自编码器的信号重构模型；S2：将无干扰信号作为训练数据集，输入基于自编码器的信号重构模型进行训练，在损失函数小于0.1％的条件下，得到信号重构模型输出的第一重构信号和训练好的信号重构模型；S3：利用无干扰信号与第一重构信号的差值，作为正样本训练一个二分类器，该二分类器将用于后续干扰检测判决；S4：将有干扰信号输入训练好的信号重构模型，输出得到第二重构信号，将有干扰信号与第二重构信号的差值作为负样本，输入步骤S3得到的二分类器进行测试；S5：若测试达到预设的效果，则训练完成，利用训练好的信号重构模型、分类器进行干扰检测；否则返回步骤S2继续执行。

摘要： 本发明的实施例公开一种利用弱信号保持的振声检测信号重构方法和系统，所述方法包括：步骤101获取按时间顺序采集的信号序列S；步骤102求取信号差分序列；步骤103求取弱信号保持因子；步骤104求取弱信号先验特征函数；步骤105求取重构后的信号序列。