基于自适应变尺度频移带通随机共振降噪的EMD多频微弱信号检测

被引：88

作者：

韩东颖 ^{[1
]}

丁雪娟 ^{[2
]}

时培明 ^{[2
]}

机构：

[1] 燕山大学车辆与能源学院

[2] 燕山大学河北省测试计量技术及仪器重点实验室

来源：

机械工程学报 | 2013年 / 49卷 / 08期

基金：

高等学校博士学科点专项科研基金;

关键词：

经验模态分解; 随机共振; 自适应参数优化; 多频微弱信号检测;

D O I：

暂无

中图分类号：

TN911.4 [噪声与干扰]; TB535.2 [];

学科分类号：

080906 [电磁信息功能材料与结构];

摘要：

针对强噪声背景下多频微弱信号检测的难题,提出一种基于自适应变尺度频移带通随机共振(Adaptive re-scaling frequency-shifted band-pass stochastic resonance,ARFBSR)降噪的经验模态分解(Empirical mode decomposition,EMD)多频微弱信号检测方法。对不同频段的信号进行频率尺度变换处理,使其满足随机共振条件,根据噪声强度自适应地优化系统的参数,进而对每个频段信号分别进行随机共振处理,使得待检信号目标频段得到增强,对各个频段的共振输出进行带通滤波再合成,实现多频微弱信号的增强。对处理后的信号进行EMD分解,得到每个频率的信号分量,实现多频微弱信号的检测。仿真分析和滚动轴承内圈故障诊断实例表明,该方法不仅能够增强信号幅值,同时减少虚假分量,提高EMD算法的精度,有效检测出被噪声淹没的多频微弱信号。

引用

页码：10 / 18

页数：9

共 10 条

[1]

Source Separation of Diesel Engine Vibration Based on the Empirical Mode Decomposition and Independent Component Analysis.[J]..Chinese Journal of Mechanical Engineering.2012, 03

[2]

自适应随机共振新方法及其在故障诊断中的应用 [J].