推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

奇异值分解在微弱信号检测中的应用

更新时间:2020-01-04 00:00:20 大小:4M 上传用户:xuzhen1查看TA发布的资源 标签:微弱信号检测 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

机械设备的状态监测及早期故障的预报诊断是保证设备安全可靠运行的重要手段。在设备故障的早期阶段,故障损伤并不明显,由损伤引起的故障特征信号相对设备运行时的背景噪声以及其他干扰信号较弱,导致传感器获取到的信号信噪比极低而难以检测出微弱故障特征信号。如何从低信噪比的强噪声信号中提取出有用的弱故障特征信号,是当下机械设备状态监测和故障诊断领域的热门研究领域方向。

传统的信号检测方法以傅里叶变换为基础,通过变换得到的频谱寻找到信号频率从而实现信号检测。而实际设备监测数据的分析结果表明,当弱故障特征信号淹没在强噪声中时,基于傅里叶变换的检测方法不再能够从采样信号中提取到故障信息。1873年,Beltrami提出了奇异值分解(Singular Value Decomposition.

SVD)理论",SVD是一种非线性滤波方法,它通过矩阵的方式在高维空间中对数据进行处理,能够有效的对信号进行降噪处理和特征提取。因此,本课题研究在强噪声背景情形下,基于SVD的弱特征信号提取与检测方法。该方法将一维采样序列重构到高维空间后,在高维空间展开序列信息并提取序列中的隐含信息。由于不同类型的信号在空间中对应着不同的分布模式和分解特征,根据该性质可以将序列中的各个组成部分进行分离,从而提取弱特征信号.O1


部分文件列表

文件名 大小
奇异值分解在微弱信号检测中的应用.pdf 4M

【关注B站账户领20积分】

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载