基于分数阶微分的多模式兰姆波分离研究

来源 :南京信息工程大学 | 被引量 : 0次 | 上传用户:walter1i
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在超声兰姆波的实际检测过程中,由于板件被长期使用形成的断裂、形变、裂缝等损伤改变板材特性参数,同时还有压电换能器的旁瓣效应产生谐波等影响,使得探测信号发生模式转变和谐波信号重叠,造成了兰姆波多模式信号混叠的现象,大大增加了相关应用分析的难度。所以为了获得更精准的探测信息,实现更高精度的探测结果,超声兰姆多模式信号分离的研究工作具有非常重要的研究意义。本文的研究工作主要围绕多模式超声兰姆波信号的分离算法展开,已取得进展如下:1、基于分数阶微分和相位重构的超声兰姆波多模式分离:提出了一种用分数阶微分理论实现时频重叠多模式兰姆波模式分离的方法。首先由信号幅值谱分数阶微分推导了幅值谱特征参数的计算式并根据信号模型重建幅值谱。然后结合兰姆波的频散特性曲线推导出对应的相位谱,并通过幅值谱和相位谱重构各模式的时域信号,实现了时频重叠多模式兰姆波信号的分离。本方法将分数阶微分应用到了多模式超声兰姆波的信号分析处理中,解决了由于时频混叠难以提取多模式混合信号的模式特征参数的问题,当混合信号的频域不完全重叠,仍存在独立成分时,即可应用于时频重叠多模式兰姆波信号的分离。2、基于频散补偿和分数阶微分的超声兰姆波多模式分离:本方法将频散补偿和分数阶微分相结合,通过时延函数建模,依靠不同模式频散的差异性,将复杂混叠信号的分离问题转化为部分混叠信号的分离问题。然后应用分数阶微分,对信号幅值谱分数阶微分极大值拟合多项式实现特征参数的提取,实现部分混叠信号中非频散模式的分离。再根据频散特性和探测距离,恢复时域波形,从而提取各模式信号,实现多模式分离。从仿真和实验的结果表明,本文方法不仅可以实现多模式,更能保证分离精度,有助于复杂多模式频散信号的分离与处理。现有多模式分离算法相比较,主要优点在于将频散补偿与分数阶微分相结合,解决了单模式频散补偿后仍与其他模式部分信号混叠的问题,提高了单模式非频散信号的提取精度。
其他文献
高校学生作为教学活动的参与者,他们对教学活动的评价能够客观地反映学校教学质量的好坏,对高校的发展和改革有重要的反馈作用,但是目前对教学评价进行文本挖掘的研究较少,导
产业结构的调整转型与优化升级是新时代我国加快转变经济发展方式,优化经济结构,实现国民经济高质量、内涵式、可持续发展的重要途径和主要内容。“一带一路”背景下,中国的
由于市场竞争愈来愈激烈,市场营销渠道管理及其创新成为企业发展战略的重要部分,尤其是在低压变频器领域,国内外知名公司都在对渠道管理进行完善。渠道是影响市场营销发展最重要的因素之一,也是企业最重要的资产之一。影响渠道管理与发展的内外部环境处在不断变化之中,只有根据环境的变化对营销渠道进行改革和创新才有可能保证营销渠道的活力。在信息收集与深度访谈的基础上,本文应用市场营销、渠道管理等学科的理论和方法对A
学位
电商的发展为制造商开通直销渠道提供了平台。线上直销渠道的开通,虽然提升了制造商的产品分销能力,但同时也造成了线上直销渠道与线下零售渠道之间的竞争,这种竞争主要体现
在复杂海洋环境条件下,海上目标的探测受海杂波的影响较大。海杂波影响因素众多,机理复杂,特征描述难度大,如何有效、准确地将海杂波中的微弱目标检测出来,成为雷达信号处理领域的热点之一。本文对海杂波背景下的微弱信号检测模型进行了深入的研究,为了解决传统预测模型精度不高、效率低下等问题,分别提出了基于改进教学优化算法的海杂波中检测微弱信号的贝叶斯回声状态网络方法和组合支持向量机方法,具体研究内容如下:为了
随着我国电网规模的扩大和相关技术的进步,对于电网智能化发展的需求日益增加。在众多电网数据中,电能质量数据作为监测电网运行状态重要指标项,关系着电网的安全运行和稳定
国内外的研究已经证实人巨细胞病毒(HCMV)的感染是启动动脉粥样硬化(AS)的主要危险因素,HCMV的感染还与冠心病、肥胖、2型糖尿病等糖脂代谢紊乱性的疾病有关。一些研究表明,HCMV感染通过激活甾醇调节元件结合蛋白1c(SRBP1c)的表达诱导脂质的生成。而SREBP1c在非酒精性脂肪性肝病(NAFLD)肝脏脂肪变性的发展中起着关键作用。最近的研究表明,人巨细胞病毒(HCMV)感染可能在包括NA
人脸识别因其良好的非侵入性与自然存在性,已成为一种重要的认证识别技术,并得到了广泛使用。自2012年深度学习在图像识别大赛上一举夺冠,利用深度神经网络解决人脸识别问题
互联网数据给用户带来更及时、更广泛信息的同时,也面临着信息过载、质量差异的问题,例如当某用户在“美团”上搜索某个场所时,会出现数十个地方,这样用户很难做出选择,这时基于位置的兴趣点(POI)推荐显得很重要,因为它可以帮助用户导航多个候选POI并根据用户最近的登记信息提供最佳POI。然而位置推荐不同于商品推荐,位置推荐对时间和位置有严格的要求,位置不合适和时间不合理,都很容易产生系统推荐的位置用户很