基于欠采样随机共振的单频微弱信号检测新方法

由于随机共振具有在特定条件下增强微弱信号信噪比的特性,近年来成为一种全新的微弱信号检测手段。为了克服随机共振绝热近似理论小参数条件的限制,提出一种基于欠采样随机共振的微弱信号检测方法。通过欠采样尺度变换与还原技术,实现了大参数信号的随机共振处理,突破了二次采样变尺度随机共振算法要求采样频率必须大于信号频率的50倍的限制。构建了基于欠采样随机共振的微弱信号检测模型,从理论上证明了方法的可行性。最后利用该方法对信噪比为-27 dB条件下的微弱单频信号检测进行了仿真,结果进一步验证了所提微弱信号检测方案的正确性。所提方法大大降低了信号的采样速率,为将随机共振应用于科斯塔斯(Costas)环的改进奠定了基础。     

双模非高斯噪声背景下级联双稳态随机共振信号检测

针对随机共振(SR)以高斯噪声为研究背景的局限性,为了分析非高斯噪声对级联随机共振的影响且验证在双模非高斯噪声中级联随机共振的降噪及波形整形特性的可靠性,提出了级联双稳随机共振系统在双模非高斯情况下的微弱信号检测方法。输入信号在进行信号检测过程中,首先把概率密度函数作为随机共振现象的衡量指标,然后当系统处于最佳随机共振状态时,分析了非高斯参数、相关时间及噪声强度之间的关系。最后通过仿真证实,与一级SR相比,二级SR的噪声强度和相关时间的可用范围随着非高斯参数的减少不仅会得到增大,而且滤波特性、信号检测效果得到明显提高。     

利用随机共振解调微弱MFSK信号

采用随机共振解调微弱MFSK信号解决了传统解调方法误码率高的问题。 根据大噪声环境下信号能借助噪声能量发生随机共振这一理论,先将微弱MFSK信号通过双稳 态随机共振系统以提高其信噪比,对随机共振系统的输出信号用FFT来区分每段信号的载波 频率,最后依据判决准则解调MFSK信号。当信噪比较高时,可向信号中人为添加白噪 声来使之适用于该解调方法。MATLAB仿真结果表明,该方法能成功解调信噪比最低为 -23 dB的2FSK信号和-25 dB的8FSK信号,而这是传统相干解调方法所无法达到的。     

基于小波分析的股指波动性预测模型研究

本文通过小波理论将股指进行降噪处理,并用最大熵谱估计(burg)法构建AR模型对股指进行了实证研究,并对预测结果进行了评估,说明了经过降噪处理后的序列信号在波动性预测方面具有一定的有效性和可行性。     

基于小波变换和时间序列模型的Brent原油期货价格预测

本文将小波分析与时间序列模型结合应用于布伦特国际原油价格预测,通过对小波分解与重构方法将油价时间序列分解为趋势(高频)部分和细节(趋势)部分,然后采用ARMA模型对分解后的油价进行样本内预测。实证研究表明,基于小波的组合模型具有较高的预测性能,同时验证了该方法的可行性和有效性。     

小波分析在信号奇异性检测中的应用

研究了信号的奇异性检测问题。给出小波变换和信号奇异性的关系，实现小波分析对信号各类奇异间断点的有效检测，利用小波分析构造故障诊断所需的特征因子（或直接提取对诊断有用的信息），从而将该方法推广到各类冲击响应信号的奇异性检测中。最后给出一个实例进行验证。     

小波ARMA模型和ARIMA模型对上证指数的预测效果探究

利用小波分析的局部化性质,以非平稳的时间序列上证指数收盘价为实验目标,首先建立传统的时间序列模型ARIMA模型,并做出预测;然后用小波分析与自回归移动平均模型相结合的方法建立小波ARMA模型,做出预测;最后,通过相对误差和平均绝对误差和对二者的预测效果做比较,结果表明:在上证综指序列预测分析中,小波ARMA模型相比单纯的ARIMA模型,其拟合和预测精度都比较高。     

最小二乘支持向量机的电气设备磨损识别方法研究

电气设备发生故障或者老化的时候,运行声音首先发生变化,为了准确的识别电气设备的磨损状态,提出了基于电气设备磨损声发射信号的小波包多尺度信息熵（频域）特征和AR模型系数（时域）特征相触合的特征提取方法。然后采用核主成分分析方提取触合特征的主元,降低特征向量维数组成新的特征向量,送入最小二乘支持向量机训练、识别。     

以马尔可夫链为基础的股市分析

1.以马尔可夫链为基础的股价运动模型的建立马尔可夫链是一种离散型的随机时间序列,其特点是无后效性,即若已知系统现在的状态,则系统未来状态的     

一种3GPP LTE伪随机序列生成优化算法

伪随机序列(Pseudo-random Sequence)被广泛应用在通信系统中信道估计、信号加扰和频率跳转等方面.3GPP LTE标准采用Gold序列作为伪随机序列,针对Gold序列生成公式中存在较大状态偏移量以及常规算法生成序列耗时较多等问题,提出了利用状态转移矩阵快速生成序列的优化算法.实验表明,基于TI公司TMS3206455开发测试平台,在生成相同长度序列时,优化算法比常规算法能减少大约17 000多个系统时钟周期,至少节省49%系统资源,对提高系统整体性能有重要意义.     

频谱分析在判定设备缺陷中的应用

如今，频谱分析已经广泛应用于设备缺陷的判断中，应用频谱分析技术能够对设备的的振动信号进行分析，实现对机辅．设备的动态监测与故降诊断，进而有效的保障机械设备正常的运转，大大提高了检修效率，降低检修成本。文章将结合某热电厂风机的振动故障诊断实践，进一步的介绍频谱分析在判定设备缺陷中的应用，对设备故障诊断技术发展具有一定的价值意义。     

船用往复式空压机的状态监测与健康管理

船用往复式空压机是船舶机舱的重要设备之一,其零部件数量多、故障类型多、结构复杂,对往复式空压机进行状态监测和健康管理,有利于确保设备的运行可靠性和船舶的航行安全.总结了国内外对往复式空压机典型故障诊断的研究成果,确定了振动信号、压缩空气排出压力、运行噪声、电机电流和滑油成分等信号作为空压机状态监测的主要参数,以综合运用...     

电网废旧物资价格评估机制及估值模型

废旧物资价格评估对国家电网公司电子商务平台集中竞价处置至关重要.在分析废旧物资估值特点的基础上,基于相关性分析、回归预测法、主成分分析法和时间序列分析,提出废旧物资评估价格机制和三种估值模型,并通过真实交易数据的案例来检验模型的应用效果,实验表明三种模型的评估效果优于传统方法,具有较高的应用价值.     

小波包与混沌理论相结合的人民币汇率预测方法研究

基于小波包变换和混沌理论提出了一种人民币汇率建模及其预测的方法。首先,应用小波包变换对人民币兑美元日汇率收益序列进行三层分解,得到从低频到高频八个频率成分的时序,并在此基础上作进一步分析,以确认它们都存在混沌特性;然后,应用混沌理论分别建立从低频到高频八个时序的预测模型,进行预测;最后,基于小波包理论对混沌模型预测的结果予以重构,实现对人民币兑美元日汇率收益序列的预测。与现有方法比较,结果表明该方法具有较高的精度,有极大的应用范围。     

改进小波阈值去噪法在地震资料处理中的应用

在地震勘探中,随机噪音是一种频带较宽,严重影响有效波信噪比的干扰波,一般的一维去噪方法效果都不理想。小波变换是一个时间和频率的局域变换,通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,它结合相关阀值,能有效地在地震勘探剖面中消除随机干扰。本文基于小波变换的基本原理上,提出平移不变量与自适应改进阀值结合的方法,实现对地震资料去噪处理,分析该方法的小波基的选取,最后通过模型与实例进行对比与分析说明了该方法去噪优于其它去噪方法．且该方法计算速度较快,简便可行。     

基于高压输电线路分布参数特征值分析法的运行状态在线监测系统及其装置研究

本课题针对输电线路的状态监测和故障诊断与预报提出一种基于高压输电线路分布参数特征值分析法的输电线故障在线监测新方法,运用频率响应函数研究输电线路的分布参数特征值,通过研究分布参数特征值与运行状态之间的内在联系,实现输电线路故障在线监测。     

基于保护的电气设备故障诊断分析

电气设备在线监测与故障诊断可以即时连续记录各种影响断路器寿命的相关数据,以及早发现故障隐患,实现基本的状态维护。在分析了微机继电保护装置和电气设备故障诊断的发展和现状,提出了把故障诊断这一功能嵌入到微机保护装置中,并以高压断路器为研究对象,实现监测,诊断,保护的集成化。     

基于TWSTFT进行钟差预报方法分析

用多项式拟合、频谱分析、改进的AR模型3种方法对由TWSTFT（卫星双向时间频率传递）得出的钟差时间序列进行了拟合和预报分析。为了抵制钟差时间序列中异常值的影响，引入了“抗差等价权”。利用TWSTFT得到的一天的钟差，按不同采样率、不同时间跨度进行计算分析，结果表明：抗差估计的预报精度明显高于最小二乘估计；平滑值的预报精度高于采样值；由于钟差时闻序列中有明显的周期变化，多项式进行钟差预报的精度不可靠；用谱分析进行钟差预报的精度不高，但可以发现钟差时间序列中的主要周期变化；改进的AR模型预报精度最高，预报RMS在1ns左右。     

基于ARIMA模型对我国进出口总值进行分析及短期预测

本文基于时间序列中ARIMA模型的方法对我国进出口总值进行了分析、预测。以2000年1月到2014年1月我国进出口总值的169个月度数据（名义值）为基础,建立了AR模型,根据与实际数据比较,确定模型准确性,并给出了2014年2月到2015年1月的我国进出口总值的预测数值,对于分析实际中我国进出口总值的经济意义具有借鉴价值。     

小波分析理论下高炉炉温预测模型探析

在对高炉冶炼全程控制过程中,其中炉温的控制显得格外重要,炉温控制是高炉控制的核心技术。小波分析理论是近些年兴起的一个应用数学分支,是一个新兴学科,小波分析可以将原始时间序列通过不同尺度进行分解而形成不同的层次,并且在每个层次中的信号比分解前的信号要稳定得多,从而促使分析和预测变得更加便利。通过对小波分析理论进行介绍,分析了小波神经网络高炉炉温预测模型,最后进行了仿真研究而探讨小波分析理论下高炉炉温预测模型的实用性。