边际谱
边际谱的相关文献在2004年到2022年内共计110篇,主要集中在机械、仪表工业、自动化技术、计算机技术、无线电电子学、电信技术
等领域,其中期刊论文95篇、会议论文3篇、专利文献16479篇;相关期刊79种,包括长春理工大学学报(自然科学版)、河北联合大学学报(自然科学版)、地震等;
相关会议3种,包括第十七届中国科协年会、2009中国西部第六届青年通信学术会议、全国高校机械工程测试技术研究会华北分会、中国振动工程学会动态测试专业委员会华北分会2009年学术年会等;边际谱的相关文献由361位作者贡献,包括印嘉、安张辉、蔡剑华等。
边际谱—发文量
专利文献>
论文:16479篇
占比:99.41%
总计:16577篇
边际谱
-研究学者
- 印嘉
- 安张辉
- 蔡剑华
- 谭大诚
- 陈军营
- 严珊
- 侯言旭
- 元丽华
- 公茂盛
- 刘阳
- 吕明
- 吴平平
- 孙春华
- 宁智
- 张娟
- 张建经
- 徐通模
- 曹礼聪
- 朱宣明
- 李晓康
- 杜学彬
- 栾军英
- 玄兆燕
- 王先春
- 王勇
- 王建昌
- 王醇涛
- 秦立龙
- 胡保华
- 胡红利
- 范刚
- 许允之
- 谢礼立
- 赵月南
- 郑凌蔚
- 郑海起
- 阎凯
- 陆金铭
- 颜文华
- 高享想
- PENG Wei
- SHI Wei
- SONG Kun
- ZHU Pingyu
- 丁建明
- 习岗
- 于霄
- 付晓
- 任学平
- 任建辉
-
-
秦榛;
王睿;
王金鑫;
彭浩城
-
-
摘要:
针对局放信号中单一的去噪方法去噪效果差以及经验模态分解(empirical mode decomposition,EMD)存在的模态混叠和其他缺陷,文章提出一种基于改进的希尔伯特黄变换(Hilbert-Huang transform,HHT)的去噪方法;针对神经网络所需样本多和计算量大的特点,提出对有高信息维度的边际谱进行方向梯度直方图(histogram of gradient,HOG)和灰度共生矩阵(gray level co-occurrence matrix,GLCM)特征提取后通过支持向量机(SVM)辨别的方法。局放信号中主要有窄带周期干扰和白噪声2种噪声干扰难以去除,窄带噪声能量集中在频域上,可以通过快速傅里叶变换(FFT)将其先去除,然后采用添加互补自适应白噪声的完整集合经验模态分解(complete ensemble empirical mode decomposition with complementary adaptive white noise,CEEMDCAN)和自适应阈值法结合的方法,不仅有效抑制了白噪声,而且消除了模态混叠,重构误差和计算量都更小。仿真结果表明,该去噪方法去噪效果明显,在少样本情况下,通过SVM快速辨别可以获得92.5%的高识别率。
-
-
魏小玲;
冯永保;
刘珂;
何祯鑫
-
-
摘要:
针对圆弧齿轮泵由空化造成的振动问题,提出一种基于经验模态分解(ensemble empirical mode decomposition,EEMD)的圆弧齿轮泵空化流动及振动特性试验方法。以圆弧齿轮泵空化试验平台为基础,引入EEMD分解及希尔伯特边际谱分析技术,得到了不同转速及不同出口压力下的监测点的频域结果,实现了对圆弧齿轮泵振动特性的研究。试验表明:EEMD分解及希尔伯特边际谱分析技术,可以有效地识别圆弧齿轮泵出口振动特征;在额定出口压力下,随着工作转速的增大,泵出口处振动加速度信号的振动主要引起低频段能级上的增加,其中以1000~1500 Hz尤为剧烈,形成能级最大的谱峰;在额定转速下,随着出口压力的增大,振动加速度信号的边际谱峰值、中心频率位置及频率变化范围呈现出先增大后减小再增大的趋势;进一步可提取圆弧齿轮泵振动加速度信号的边际谱峰值、中心频率以及带宽作为泵空化特征参数进行分析。
-
-
徐玉聪;
朱建;
董建辉;
周鲁
-
-
摘要:
为识别仙女山断裂周缘发生的构造地震、矿震、塌陷地震特征,基于集合经验模态分解时频分析方法(EEMD)对地震波形信号进行了分解,通过信号的IMF分量的时频谱和边际谱分析了其差异。结果表明:①构造地震的时频谱频率在0~40 Hz均有分布,频率成分复杂,边际谱集中在0~20 Hz;②矿震时频谱在0~30 Hz均有分布,频率成分相对简单,但在地震波幅值变化最大的区域存在20~30 Hz的频率成分空白区,边际谱存在一个0~5 Hz的主频带和2 Hz左右的主频;③塌陷地震时频谱频率成分分布在0~30 Hz,在Pg波到达前存在0~5 Hz左右低频区域,边际谱的主频带和主频集中在0~3 Hz和1 Hz。该研究成果可以作为识别构造、矿震、塌陷地震事件的判别依据。
-
-
唐贵基;
徐振丽;
庞彬;
白洁
-
-
摘要:
在噪声的影响下,齿轮的故障信息不易被识别。同步压缩小波包变换(synchrosqueezed wave packet transform,SSWPT)作为一种新的时频分析方法,具有良好的抗噪声能力。在其基础上提出基于SSWPT边际谱特征信息提取的齿轮故障诊断方法。首先,对故障齿轮的振动信号进行SSWPT得到信号的能量矩阵,并对能量矩阵进行积分变换求取齿轮振动信号的边际谱;然后,根据边际谱提取啮合频率及其倍频,并选择对应的啮合调制频带对能量矩阵运用同步压缩小波包逆变换(synchrosqueezed wave packet inverse transformation,ISSWPT)进行信号重构;最后,对重构信号进行解调分析,从而可以有效提取齿轮故障特征频率。仿真及试验分析结果表明,该方法可以准确地提取齿轮故障特征信息,且分析效果优于包络谱和基于快速谱峭度的共振解调方法,为齿轮的故障特征提取提供一种有效的方法。
-
-
闫转芳;
张会杰;
季元进
-
-
摘要:
针对有轨电车运行过程出现的异常振动现象,提出将希尔伯特-黄变换(HHT)应用于有轨电车的异常振动分析研究。针对经验模态分解中模态混叠难题,提出利用集合经验模态分解(EEMD)对原始车辆振动数据进行分解。针对振动信号可能包含虚假分量的问题,提出通过相关系数法剔除虚假本征模分量(即噪声分量或趋势项分量),最后进行希尔伯特-黄变换的优化处理流程。以某型有轨电车为研究对象,通过HHT得到轴箱垂向加速度的Hilbert谱,获取时间-瞬时频率-瞬时能量三维关系,结合边际谱分析振动特征,判断有轨电车的异常振动原因及故障模式。结果表明该方法对有轨电车异常振动的分析研究十分有效。
-
-
胡慧娴;
高春芳;
黄磊;
徐争元;
李田
-
-
摘要:
目的 运用希尔伯特-黄变换法(Hilbert-Huang transform,HHT)探究SD大鼠在清醒、浅麻醉、深麻醉状态下头皮脑电信号(EGG)边际谱特征量.方法 选取雄性SD大鼠16只.每只大鼠未注射乌拉坦时视为清醒状态,首次腹腔注射乌拉坦(500 mg/kg)视为浅麻醉状态,1 h后再次腹腔注射乌拉坦(800 mg/kg)视为深麻醉状态,分别记录大鼠清醒、浅麻醉、深麻醉时EGG.采用HHT法比较各波段SD大鼠EGG的平稳度、边际谱谱峰和能量比.结果 清醒状态下大鼠边际谱谱峰在α波波段,α波能量占比45%,而δ波能量占比仅5%;浅麻醉和深麻醉状态谱峰在δ波波段,但深麻醉时能量占比(40%)略高于浅麻醉时能量占比(38%).结论 HHT边际谱和能量比反映信号幅值和能量频域分布特性——按序向频率降低的方向移动.
-
-
王建昌;
颜文华;
朱宣明;
严珊
-
-
摘要:
以西安地震台VP垂直摆倾斜仪2018年观测资料为研究对象,用HHT(Hilbert-Huang Transform)方法对VP垂直摆正常时段和干扰时段秒采样观测数据进行处理,获得HHT时频图和Hilbert边际谱图,总结VP垂直摆观测背景的频谱特征,有助于认识形变资料的正常观测背景和干扰特征,为识别地震异常信息提供客观的背景依据.
-
-
王建昌;
颜文华;
朱宣明;
严珊
-
-
摘要:
以西安地震台VP垂直摆倾斜仪2018年观测资料为研究对象,用HHT(Hilbert-Huang Transform)方法对VP垂直摆正常时段和干扰时段秒采样观测数据进行处理,获得HHT时频图和Hilbert边际谱图,总结VP垂直摆观测背景的频谱特征,有助于认识形变资料的正常观测背景和干扰特征,为识别地震异常信息提供客观的背景依据。
-
-
殷悦;
吕昊;
祁富贵;
于霄
-
-
摘要:
目的 提出一种基于希尔伯特-黄变换(Hilbert-Huang Transform,HHT)的生命体雷达微动信号辨识方法.方法 构建生命体微动特征频带,通过提取边际谱和计算能量占比这两类能反映微动信号频带特性的信息实现人与兔、犬的辨识.结果 根据人与两种动物的微动信号经HHT处理得到的边际谱和能量占比信息具有显著差异的特性(P<0.01),本方法区分人与动物的准确度达91.67%,精准识别人与兔、犬目标的准确度达83.33%.结论 本文提出的辨识方法为静止状态下障碍物后人与多种动物的辨识提供了一种通用的新方法,对于灾害救援、反恐维稳等多种应用场合下提高搜救效率,优化救援资源等具有重要的社会价值和实际意义.
-
-
胡频
-
-
摘要:
本文介绍了局部均值分解是一种自适应非平稳信号处理方法,对脉搏信号的处理可以有效地进行临床病理诊断。采用局部均值分解对实测脉搏信号进行降噪处理,同时将降噪处理后的脉搏信号进行边际谱分析,指出心血管疾病患者的边际谱能量值均方差离散程度比较大,可以作为有效区分健康人群和心血管疾病人群的依据。本论文的研究对医学脉搏信号的分析具有一定的参考价值。
-
-
ZHU Pingyu;
朱萍玉;
PENG Wei;
彭威;
SONG Kun;
宋坤;
SHI Wei;
施维
- 《第十七届中国科协年会》
| 2015年
-
摘要:
针对镗削颤振在孕育和形成时,其能量从小变大,主峰频率会逐渐向低频方向移动直至颤振频率附近的特点,提出一种基于经验模式分解与HHT边际谱相结合的镗削颤振识别和预测方法.对采用光纤布拉格光栅(FBG)传感器实测镗杆颤振应变信号进行经验模态分解(EMD),再对得到的本征模态函数(IMF)中能量较大的进行任意瞬时频率的时间积分,所得的边际谱对多模态振动信号中,能量集中的频率具有好的锁定效果,以频率的分布和幅值大小,能够很好的识别出颤振信号三个阶段的特征.实例分析结果表明,提出的方法能够有效地应用于镗削颤振的识别.
-
-
-
邹祥;
黄炜
- 《2009中国西部第六届青年通信学术会议》
| 2009年
-
摘要:
本文对HHT算法在信号分解和分析中的应用进行了研究。首先是对当今信号处理中主要算法以及HHT算法的由来、运算步骤进行了介绍,然后模拟了两个单一频率的叠加信号,通过对其做EMD分解和HHT时频图可以准确的分解出两个频率,并给出了边际谱。最后模拟了一个调频信号和一个单一频率信号的叠加信号,通过HHT时频图和HHT边际谱,可以分解并计算出各自的频率以及调制频率,并与传统的FFT做了比较。得出该方法克服了FFT不能反映信号的局部特征的缺点。