基于随机共振和经验模态分解微弱信号检测研究

发布时间：2024-03-12 01:26

　　微弱信号检测技术利用物理学和信号处理方法从噪声中提取微弱量,涉及生命科学、图像处理、机械故障诊断等应用领域。在信号检测过程中,传统的降噪技术虽然能够提取出微弱信号特征,但削弱了信号能量。随机共振技术是一种特殊的非线性检测方法,利用信号、系统和噪声三者之间的协同作用增强微弱信号能量,使得弱信号的特征变得明显。因此,随机共振在微弱信号检测中具有重要的研究价值。本文详细阐述了随机共振基本理论,以及其在微弱信号检测领域取得的重要成果,并在其基础上分别从频域和时域角度研究了不同随机共振系统的弱信号检测方法。论文主要工作如下:(1)研究了Levy噪声下经验模态分解的随机共振微弱信号检测。针对经验模态分解在强噪声下分解信号得到的模态分量识别目标信号困难问题,将经验模态分解与随机共振结合。首先,采用Levy噪声作为复杂背景噪声;其次,对含噪信号进行经验模态分解,将分解后信噪比最大的两层模态分量进行叠加取平均;最后,对平均信号进行随机共振,实现目标信号的检测。(2)研究了基于欠阻尼指数双稳随机共振微弱信号检测。针对欠阻尼双稳随机共振势函数结构单一难以匹配复杂多样的机械振动信号,以及参数选择主观导致其性能...

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

图1.1随机共振模型的基本框图

图1.1随机共振模型的基本框图各种各样的随机共振系统模型。按照阶系统等。按照稳态类型分为：单稳

图4.9轴承试验台

构缺陷方位数据作为随机共振的输入信号。轴承在各用。有缺陷的轴承可能导致意外事故和故障损失，并且作业上的灾难。因此，基于轴承监测和故障诊断具有重的振动信号是从安装轴承上的加速度计算器获得的。机器和工作环境的噪声也包含在所获取的振动信号中，因此，如何从获取的非线性和非平稳信号中有效地....

本文编号：3926324