导读:本文包含了信号检测与识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:信号,分解,向量,光纤,可编程,门阵列,小波。
信号检测与识别论文文献综述
岳辉[1]（2019）在《基于STM32地震动信号检测识别传感器系统设计》一文中研究指出地震动传感器是无人值守系统非常重要的组成部分之一,在地面目标侦查工作中,地震动传感器有着非常重要的预警功能。针对传统传感器采用单一时域或频域分析法中出现的问题,研究创新性地选用时频域联合分析法,解决了传感器分析非平稳信号时准确率较低的问题。采用改进的BP算法,在系统中避免了频率特征匹配时出现网络功能函数中出现局部最小点的问题。研究设计的地震动信号识别传感器系统实现了3s、10s内对25m距离内的人和车以及100m范围内的各种车辆震动信号的识别,正确识别率分别达到96%和90%。(本文来源于《粘接》期刊2019年09期）
梁洪卫[2]（2019）在《油气管道泄漏声波信号检测与识别技术研究》一文中研究指出伴随着天然气管道数量的增加及运行年限的增长,天然气管道泄漏现象时有发生,极易造成严重事故,因此,对管道的运行状态进行实时监测具有非常重要的意义。本文以气体管道声波信号的采集、去噪、特征提取以及气体管道的运行状态识别为研究对象,通过实验分析确定了气体管道泄漏声波信号在不同状态下的频率范围;研究了小波阈值去噪算法并改进了阈值函数,研究了VMD算法,提出了VMD-Wavelet去噪算法;研究了气体管道声波信号的各种特征参数,搭建了基于VMD-Wavelet的云模型特征熵提取方法;研究了BP神经网络,提出了VMD-En-BP神经网络模型。本文所作主要工作如下:首先,研究声波法泄漏检测基本原理,设计了气体管道泄漏检测实验系统。分析了不同状态下泄漏信号的时域、频域特性,得出泄漏声波信号能量主要集中在低频段。其次,研究了硬阈值、软阈值以及Garrote阈值等经典小波阈值函数,提出一种改进小波阈值函数,利用改进的小波阈值函数对典型信号进行去噪处理,并与经典小波阈值函数作对比,结果表明改进小波阈值函数在信噪比、均方误差方面均能取得更好的去噪效果。再次,研究了VMD算法、Hausdorff距离、峭度以及小波变换等方法,提出了一种VMD-Wavelet去噪算法。该算法首先对含噪声信号进行VMD分解,利用Hausdorff距离来选取有效模态分量;计算未选择模态分量的峭度值,筛选峭度值大于选定阈值的分量,用改进的小波阈值函数滤除该分量的高频噪声;最后利用处理后的各个IMF分量重构信号。理论分析和仿真结果表明该方法不仅对典型信号具有良好的去噪效果,而且对实际气体管道泄漏信号、敲击信号以及正常运行信号均能取得较好的去噪效果。然后,通过仿真分析验证了EMD分解提取的各种运行状态下声波信号的模态分量频谱图中无法准确提取状态特征,而VMD分解后的IMF1、IMF2能体现各种运行状态下声波信号中心频率的差异。因此本文提出了基于VMD-Wavelet的云模型特征熵提取方法,该方法利用VMD-Wavelet算法对气体管道正常运行、敲击、泄漏叁种状态下采集的声波信号进行去噪、选取有效模态进行重构、计算重构信号的En值;仿真分析发现利用该方法计算出的叁种状态下重构信号的云模型特征熵有较好的区分度,可作为状态识别的特征参数。最后,研究了BP神经网络,搭建了VMD-BP和En-BP两种神经网络模型,根据各自的优缺点,提出了VMD-En-BP神经网络模型,利用该模型对气体管道运行状态进行识别,实验结果表明该模型能够准确识别气体管道正常运行、敲击、渗漏、小泄漏和大泄漏五种运行状态。(本文来源于《东北石油大学》期刊2019-05-25）
胡雷[3]（2019）在《电能质量扰动信号检测与识别方法研究》一文中研究指出随着现代电网的规模日益扩大,智能化发展日渐明显,电力企业、用户更加重视电能质量问题。电能质量问题表现为电力系统中产生电能质量扰动信号,以往电能质量扰动分析主要为稳态电能质量扰动信号检测,近年来随着冲击性负荷接入电网,出现暂态振荡、瞬时脉冲和电压暂降等暂态电能质量扰动问题。电力系统中电能质量扰动信号识别是电能质量分析的基础,只有准确识别出电能质量扰动信号类型,才能选择更精准、高效的检测方法分析扰动信号,获取扰动信号特征参数,从而有效地采取改善措施来提高电力系统中电能质量。但电能质量扰动信号识别理论方法的发展还不太成熟,没有统一公认的识别模型;各种检测方法的特点不同,对扰动信号检测的效果也有所不同。本文主要研究支持向量机(SVM)应用于电能质量扰动信号识别,在此基础上,采用希尔伯特黄变换(HHT)检测扰动信号,并对存在的不足提出相应改进,同时仿真验证其分类、检测效果。本文主要研究内容如下:首先,研究电能质量扰动信号检测方法,重点论述HHT算法的基本理论,包括经验模态分解(EMD)和Hilbert变换两个核心内容。采用HHT从时域和频域两个方面对扰动信号进行分析,准确检测出扰动信号的起止时刻、幅值变化等特定参数。其次,深入研究基于SVM的电能质量扰动信号识别方法,针对扰动表现出的信号特征,采用小波包分解方法提取扰动信号特征量,将这些特征量作为SVM的输入信号,供SVM自动识别扰动类型。针对SVM的惩罚参数C和核函数参数g的选取问题,采用改进粒子群算法(IPSO)来优化。仿真研究IPSO-SVM分类器识别扰动信号,并与SVM、PSO-SVM分类器的分类效果进行对比。最后,在扰动信号识别的基础上,研究HHT在稳态、暂态及复合电能质量扰动信号检测中的具体应用。针对暂态振荡、电压暂降等扰动信号,仿真验证其检测效果。(本文来源于《合肥工业大学》期刊2019-05-01）
吴俊[4]（2019）在《Φ-OTDR分布式光纤振动传感系统的信号检测识别关键技术研究》一文中研究指出相位敏感光时域反射(Phase-sensitive Optical Time Domain Reflectometer,Φ-OTDR)分布式光纤振动传感作为一种新型传感技术,相较于传统的传感技术具有环境耐受性好、能耗低、灵敏度高以及监控距离长等优势,一直是研究的重点和热点。在ΦD-OTDR分布式光纤振动传感系统的众多应用领域中,周界安防是其中最受关注和最具优势的应用之一。周界安防的主要任务就是对系统中出现的振动信号进行有效的检测和识别。而在长距离监控时,环境复杂且多变,对于光纤传感信号中振动信号的有效检测和识别难度增加,由于监控实时性的要求,进一步加大了检测和识别的难度。因此,本文主要针对Φ-OTDR分布式光纤振动传感系统在长距离监控中振动信号的高效准确的检测和识别展开研究。论文首先阐述了 Φ-OTDR分布式光纤振动传感系统的工作原理,对系统中光纤传感信号的特征和谱减法降噪的性能进行了分析和比较。针对Φ-OTDR分布式光纤振动传感系统长距离监控的振动信号检测问题,论文提出了一种基于双更新参数时空域检测及多层加权极限学习机(Hierarchical Weighted Extreme Learning Machine,H-WELM)的二级检测算法。在第一级双更新参数时空域检测阶段利用双更新参数使其在有持续干扰的时候相对于单更新参数仍保持检测的有效性,并结合空域检测降低了空间检测点上的虚警。在基于H-WELM的第二级检测算法中,提取第一级检测到的当前帧和后一帧信号的五种特征,利用振动信号与虚警信号的能量分布控制的H-WELM的权重,对该信号进行最终的判别。通过比较可知,基于H-WELM的第二级检测算法训练以及判别速度较快,并且达到了较好的振动信号和虚警信号的区分效果,能在一级检测的共同作用下实现检测率和虚警率的均衡。针对周界监控中振动信号类型的高效准确识别问题,本文提出了一种多尺度一维卷积神经网络(Multi-Scale one-Dimensional Convolutional Neural Network,MS 1-D CNN)的振动信号识别方法。该方法将原始振动信号经过预加重、归一化和谱减法降噪预处理,将预处理后的一维信号通过MS 1-D CNN实现端到端的振动信号特征提取和识别。相比一维卷积神经网络(1-D CNN)和二维卷积神经网络(2-D CNN)减少了待定参数数量,兼顾了提取入侵振动信号特征的时间和频率尺度。对敲击、破坏和干扰叁类目标振动信号的识别结果表明MS 1-D CNN的识别正确率与2-D CNN相近,对噪声的鲁棒性较好,在保持识别性能的前提下,处理速度提升一倍,有利于提高目标识别的实时性。在前述系统和算法原理的基础上,本文搭建了Φ-OTDR分布式光纤振动信号监控交互式系统,具备系统控制、参数设定、报警定位、地图显示、监控信息记录、振动信号显示、数据保存以及数据回放等功能。给出了系统的整体框架、监控流程和和硬件模块的技术规格参数,最后通过实验展示和分析了系统监控性能。(本文来源于《安徽大学》期刊2019-03-01）
张文,赵云,马丽娜,刘继恒,陈雯[5]（2018）在《固定靶场枪声信号检测和识别》一文中研究指出0引言枪声探测计数一般用于靶场子弹管控。弹药安全管控一直是国家安全的一项重要任务,在军事靶场进行射击训练或民间靶场进行射击游戏时,防止射击人员私自截留子弹弹药是非常重要的。在射击现场,如何在复杂环境下准确统计已经发射的子弹数目,以判断是否所有子弹已经发射,还是存在没有发射被私自保留的子弹,是迫切需要解决的安全大问题。射击时子弹被击发过程中,子弹的火药爆炸,高温、高速、高压气流将弹头推出枪口时形成膛口激波。膛口激波携带的信息常用来进行枪声的检测(本文来源于《2018年全国声学大会论文集 L结构与建筑 M气动声学与大气声学 N机械振动与冲击》期刊2018-11-10）
范迪,王光彩,陈之坤,房佳月圆,吕常智[6]（2019）在《“脉搏信号检测、分析及识别”实验系统设计》一文中研究指出该文结合光电检测、信号处理、机器学习等技术,设计了一款"脉搏信号检测、分析及识别"实验系统,并给出了相关实验项目的要求和内容,以适应生物医学实验系统对专业特色和属性的要求。该实验系统由信号采集终端采集脉搏信号并传送给上位机处理、分析,提取特征后用神经网络进行识别。系统设计有GUI交互界面,友好方便。该实验系统真正实现了工程技术与医学应用的结合,不但巩固了学生的知识和技能,而且还促使学生以所学为基础递进式地向信号的高级处理、识别方向拓展,对强化学生的自学能力有很好的作用。(本文来源于《实验科学与技术》期刊2019年04期）
史文涛[7]（2018）在《药品不良反应信号检测中重复报告的识别及消除》一文中研究指出研究背景:自发呈报系统数据库是药品不良反应监测的重要依据,是实现有效药物警戒的基石,随着时间的推移、数据的积累以及国家对药品安全性问题的重视,上报至国家药品不良反应监测中心的不良反应报告日益增多,至2017年底我国自发呈报系统收集到的报告已超过1100万份。由于《药品不良反应报告和监测管理办法》要求药品生产企业、经营企业和医疗机构发现药品不良反应均应进行上报,以及录入跟踪报告时与之前的首次报告未进行关联等原因,故难以避免重复报告的问题。且近期国家食品药品监督管理总局颁布《关于药品上市许可持有人直接报告不良反应事宜的公告》,要求药品上市许可持有人必须报告药品不良反应,又会带来新的重复报告问题。重复报告的存在会引起假阳性或假阴性不良反应信号,从而影响药品不良反应信号检测的准确性。如何利用统计学方法从海量的不良反应数据中有效地识别并去除其中的重复报告,从而为之后的不良反应信号检测提供可靠的数据,是当前亟待解决的问题。研究目的:本研究以我国药品不良反应自发呈报系统数据库为依托,主要探索两部分内容。首先对我国不良反应数据库重复报告现状进行初步分析,构建适用于我国数据库结构的变量匹配模型、概率匹配模型和编辑距离法模型,经过比较筛选出去除重复报告的最优模型。其次使用最优模型识别并剔除我国不良反应数据库中的重复报告,重新检测不良反应信号,探索重复报告对信号检测的影响程度,为下一步药品不良反应信号检测提供高质量数据。研究方法:方法学研究:首先,按照报告日期随机抽取一个月的数据,使用变量匹配法找出疑似重复报告,然后通过双人分开对比报告中的其他变量,找出其中的重复报告,获得重复报告金标准数据库,为模型评判做准备;其次,以重复报告金标准数据库为依托,将叁种方法运用到该数据中,从姓名、性别、出生日期、药品名称、不良反应、不良反应发生日期六个变量中,选择不同变量组合,组成四种情境(情境1:姓名、性别、出生日期、药品名称、不良反应、不良反应发生日期;情境2:姓名、出生日期、药品名称、不良反应、不良反应发生日期;情境3:姓名、性别、药品名称、不良反应、不良反应发生日期;情境4:姓名、药品名称、不良反应、不良反应发生日期),以查全率与查准率组成的综合指标F1-Measure为评判指标,构建最优的变量匹配模型、概率匹配模型和编辑距离模型。为了提高运行效率,概率匹配模型和编辑距离模型使用多次查找技术。实例应用:将叁种模型应用到2014年国家药品不良反应数据中,识别其中的重复报告,将重复报告剔除后重新进行信号检测,并与未去除重复的信号检测结果进行比较,分析重复报告去除前后的新增信号和消失信号,将新增和消失信号与已知的不良反应数据库进行比对,对结果进行解释。研究结果:1.方法学研究:(1)重复报告金标准数据库本研究从2014年数据库中,按照报告日期,抽取3月份86882份报告,使用纳入不同变量的变量匹配法(出生日期、药品名称、不良反应、ADR日期;姓名、性别、出生日期、ADR日期;姓名、药品名称、不良反应),找到疑似重复报告1280组。经过双人分开对比民族、体重、电话、疾病史、病历号、报告人、就医单位等其他变量,确定重复报告359组。(2)模型结果经过4种情境的比较,变量匹配模型在情境4,纳入姓名、药品名称、不良反应、不良反应发生日期四个变量时,F1-Measure最高,为58.82%,查全率和查准率分别为57.10%和60.65%。概率匹配模型在情境2,纳入姓名、出生日期、药品名称、不良反应、不良反应发生日期五个变量,且阈值为38.5时,F1-Measure最高,为74.93%,查全率和查准率分别为71.59%和78.59%。而编辑距离模型在情境4,纳入姓名、药品名称、不良反应、不良反应发生日期四个变量,且阈值为3.85时,F1-Measure最高,为75.96%,查全率和查准率分别为74.37%和77.62%。变量匹配模型、概率匹配模型和编辑距离模型分别检测出205、257和267组真阳性重复组合。2.实例应用本研究基于国家药品不良反应自发呈报系统2014年1322641份数据,采用变量匹配模型、概率匹配模型和编辑距离模型分别筛选重复报告。变量匹配模型共发现4191组重复报告,重复报告发生率为0.35%,但对于姓名缺失的报告,其真实性令人怀疑。概率匹配模型共发现5230组重复报告,发生率为0.36%。但对于仅不良反应发生日期不同的高度重复报告中,该模型不能很好的进行识别,比如白细胞减少和骨髓抑制不良反应报告。编辑距离模型发现4309组重复报告中,发生率为0.32%,与变量匹配模型相比,编辑距离模型不仅将完全相同的两条报告筛选出来,同时也将存在微小差异的两条报告筛选出来;与概率匹配模型相比,编辑距离模型精确度更高,更值得信任。去除重复报告前ROR、PRR和IC叁种方法分别检测出29921、32428和21994个药品不良反应信号,使用变量匹配模型、概率匹配模型和编辑距离模型去除重复报告,ROR方法得到叁种模型结果分别为28803、28612、28739,PRR为31248、31086、31201,IC分别为21242、21050和21155,信号数量有一定的减少,但前后变化较小,说明现阶段重复报告对不良反应信号检测影响有限。将去除重复之后得到的信号检测结果与去除重复之前进行比较,发现消失的信号中90%以上都是假阳性信号。研究结论:综上所述,本研究建议使用变量匹配模型(姓名、药品名称、不良反应及其发生日期)或者编辑距离模型(姓名、药品名称、不良反应及其发生日期,阈值为3.85)去除我国药品不良反应数据库中的重复报告,并且需要进一步通过人工来确定模型筛选出的重复报告。虽然现阶段我国药品不良反应重复报告发生率不足1%,但由于《关于药品上市许可持有人直接报告不良反应事宜的公告》的存在,重复报告的发生率必将上升,因此一定要重视数据库中的重复报告。(本文来源于《中国人民解放军海军军医大学》期刊2018-05-01）
笪欣慰[8]（2018）在《灰喜鹊声信号介导的亲属识别和信号检测研究》一文中研究指出本研究在2015至2017年间在甘肃省甘南藏族自治州碌曲县境内对灰喜鹊(Cyanopica cyana Pallas)育雏期成鸟和雏鸟间声信号交流进行了研究。第一部分我们通过交叉抚养实验和雏鸟鸣声特征比较实验研究了灰喜鹊中的亲子识别。亲缘选择理论认为,个体间的亲缘度是影响它们之间相互作用的主要因素,因此动物应该具有识别亲属的能力。发生在鸟类育雏期的亲本递食,为检验这一理论提供了很好的模板。大量的经验型研究表明,成鸟递食模式受到其亲属识别能力的影响。为了研究灰喜鹊中亲子识别的过程,我们设计了交叉抚养实验和声学比对实验来研究灰喜鹊的亲子识别建立时间和机制。对灰喜鹊不同巢之间的随机交叉抚养实验发现当义亲巢日龄在11天前,换入义亲巢的14巢雏鸟全部被成鸟接收,并且在被正常喂养至初飞。但在11日龄时,换入义亲巢的8巢雏鸟中有3巢被义亲排斥并弃巢,占总巢数的37.5%;在之后11-15日龄期间,13巢被换入义亲巢的雏鸟共有6巢被义亲排斥并导致义亲弃巢,占总数的46.1%。因此我们推测亲子之间建立识别机制的时间大约在11日龄。逻辑斯蒂广义线性模型(Logistic GLM)的分析结果显示义亲巢日龄和养子日龄升高都与义亲排斥陌生雏鸟显着正相关。根据先前的研究,许多物种中成鸟依靠雏鸟的鸣叫来识别雏鸟身份。我们猜测雏鸟乞食鸣叫可能是用于亲子识别的特征。我们通过录音收集了灰喜鹊雏鸟8-13日龄的乞食鸣叫并比对了这些声音的梅尔倒谱系数(MFCC)计算不同声音间的差异度。结果发现雏鸟乞食鸣叫具有个体特异性,但个体特异性产生的时间早于建立亲子识别的时间。我们推测亲子识别建立相比个体特征的建立存在一定延迟的原因是一方面是因为11日龄时雏鸟发育速度降低,个体特征逐渐稳定方便成鸟对雏鸟的鸣声特征进行学习和记忆。另一个重要原因是灰喜鹊雏鸟乞食鸣叫在同胞间差异度和在陌生个体间差异度没有显着差异,因此乞食鸣叫不能作为亲缘关系的判断标准,因此对乞食鸣叫的识别不受到婚外配现象的选择压力。同时因为学习雏鸟鸣叫需要付出额外的能量代价,成鸟不会倾向于在过早的时间建立亲子识别,而选择在雏鸟即将初飞的一段时间学习和记忆雏鸟鸣叫特征用来在雏鸟初飞后正确的找到雏鸟。第二部分我们研究了灰喜鹊雏鸟对成鸟递食鸣叫的检测机制。根据Hamilton法则和信号检测理论,动物交流系统进化受到信号衰减和噪音干扰现象的选择压力。鸟类经常通过声音进行远距离通信,但这种通信手段受到环境影响。为了获得可靠的通信系统,鸟类会通过改变信号特征和感知特征提高正确反应概率并降低错误反应概率。在育雏期,灰喜鹊亲鸟通过递食鸣叫刺激雏鸟乞食是最普遍的声音交流方式。我们通过回放实验研究了灰喜鹊雏鸟感知成鸟递食鸣叫的频率依赖机制。首先我们通过向灰喜鹊雏鸟回放成鸟鸣叫中的不同频率部分并观察雏鸟反应发现雏鸟在孵化早期对低频率部分的反应强度高于对高频率部分的反应强度。但随着雏鸟日龄增加,雏鸟对低频率的敏感度下降,对高频率的敏感度上升。接下来我们用叁个不同频率的人工声音进行了相同的回放实验。结果发现雏鸟同样表现出对低频率声音的敏感度随日龄下降,对高频率声音的敏感度随日龄上升。综合以上结果我们得出结论灰喜鹊雏鸟在发育过程中伴随着敏感频率的改变。随着日龄增大,灰喜鹊雏鸟检测成鸟递食鸣叫的敏感频率升高。我们认为这种现象是灰喜鹊雏鸟对筑巢区高密度的邻居巢噪音干扰的一种适应性特征,可以避免对邻居发出的鸣叫做出错误的回应,从而降低被捕食者发现的风险以及能量浪费。(本文来源于《兰州大学》期刊2018-04-01）
盛智勇,屈丹丹,张远,曲洪权[9]（2018）在《光纤入侵信号检测及识别算法的嵌入式实现》一文中研究指出提出了一种光纤入侵信号检测及识别算法,并根据算法的处理时间及运算特点分解映射在现场可编程逻辑门阵列(FPGA)和数字信号处理(DSP)组成的嵌入式处理器上进行实现。处理流程分为3部分:首先对原始信号进行3 Hz高通滤波,将经过高通滤波后的信号平均分成两部分分别由两块DSP板并行处理以节省时间开销,且后续所有操作均采用并行方式,将滤波后数据进行标准化并与检测阈值进行比较,大于阈值则判为振动并置1,否则置0,从而得到单路检测结果;然后根据上述检测结果提取用于识别的数据;最后将数据输入识别模块进行机械、走路和镐刨信号的特征提取并得出识别结果。实验结果表明,本文算法可以有效检测和识别光纤入侵信号,且提高了运算速度,满足了光纤预警系统(OFPS)对检测及识别信号类型的实时性要求。(本文来源于《光电子·激光》期刊2018年03期）
孟庆宇[10]（2018）在《典型转子振动信号检测及故障识别技术研究》一文中研究指出旋转机械是现代国民生产中最重要的一种机械,一旦发生事故将会造成巨大的损失。转子作为旋转机械的核心部件,也是发生故障的主要部位,它在发生故障时经常伴随着异常的振动。因此,开展针对转子振动信号的检测及故障识别技术的研究,对于保证旋转机械运转稳定可靠,避免出现巨大的经济损失和人员伤亡事故,提高经济效益而言意义重大。首先,本文提出一种基于EEMD-SVM的转子故障信号检测识别方法,并利用转子试验台模拟并采集了转子不平衡、不对中、松动、碰摩、油膜涡动等故障信号,分析了各种故障的机理及其特征表现形式。结合中值-小波消噪提出了一种改进型的滤波方法,成功抑制了信号中的脉冲噪声和随机噪声。其次,分析了经验模态分解(EMD)的方法和原理,针对EMD的模态混迭问题,提出了以集合经验模态分解(EEMD)的方法来抑制模态混迭现象,并通过仿真信号对比了EMD和EEMD在抑制模态混迭现象上的优劣。基于EEMD方法分析了转子故障信号,同时提出了以EEMD能量熵结合本征模态函数(IMF)能量特征来组成特征向量的方法以达到特征向量降维的目的,并提高分类效率。然后,基于支持向量机(SVM)使用有向无环图(DAG)多分类方法设计了SVM多故障分类器。使用各故障特征向量搭建训练样本和测试样本对该分类器进行模型训练和测试,得到了较好的分类识别效果。基于SVM对比了EEMD和EMD对分类结果的影响。建立了BP神经网络模型,并对比了SVM和BP神经网络的分类效果,结果表明了EEMD-SVM方法对于转子故障信号识别分类具有更佳的效果。最后,以LabVIEW为软件开发平台,结合传感器、数据采集卡等硬件,设计开发了“转子振动信号检测与识别系统”,能够实现对转子振动信号的数据采集、数据分析与处理、数据保存与回放等功能,此外,结合EEMD与SVM,通过LabVIEW与MATLAB的混合编程实现了对转子故障信号的识别。通过转子试验台对该系统的各项功能进行了验证,结果表示该系统能很好的应用在对旋转机械转子的信号检测与故障识别过程中。(本文来源于《武汉理工大学》期刊2018-03-01）
信号检测与识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
伴随着天然气管道数量的增加及运行年限的增长,天然气管道泄漏现象时有发生,极易造成严重事故,因此,对管道的运行状态进行实时监测具有非常重要的意义。本文以气体管道声波信号的采集、去噪、特征提取以及气体管道的运行状态识别为研究对象,通过实验分析确定了气体管道泄漏声波信号在不同状态下的频率范围;研究了小波阈值去噪算法并改进了阈值函数,研究了VMD算法,提出了VMD-Wavelet去噪算法;研究了气体管道声波信号的各种特征参数,搭建了基于VMD-Wavelet的云模型特征熵提取方法;研究了BP神经网络,提出了VMD-En-BP神经网络模型。本文所作主要工作如下:首先,研究声波法泄漏检测基本原理,设计了气体管道泄漏检测实验系统。分析了不同状态下泄漏信号的时域、频域特性,得出泄漏声波信号能量主要集中在低频段。其次,研究了硬阈值、软阈值以及Garrote阈值等经典小波阈值函数,提出一种改进小波阈值函数,利用改进的小波阈值函数对典型信号进行去噪处理,并与经典小波阈值函数作对比,结果表明改进小波阈值函数在信噪比、均方误差方面均能取得更好的去噪效果。再次,研究了VMD算法、Hausdorff距离、峭度以及小波变换等方法,提出了一种VMD-Wavelet去噪算法。该算法首先对含噪声信号进行VMD分解,利用Hausdorff距离来选取有效模态分量;计算未选择模态分量的峭度值,筛选峭度值大于选定阈值的分量,用改进的小波阈值函数滤除该分量的高频噪声;最后利用处理后的各个IMF分量重构信号。理论分析和仿真结果表明该方法不仅对典型信号具有良好的去噪效果,而且对实际气体管道泄漏信号、敲击信号以及正常运行信号均能取得较好的去噪效果。然后,通过仿真分析验证了EMD分解提取的各种运行状态下声波信号的模态分量频谱图中无法准确提取状态特征,而VMD分解后的IMF1、IMF2能体现各种运行状态下声波信号中心频率的差异。因此本文提出了基于VMD-Wavelet的云模型特征熵提取方法,该方法利用VMD-Wavelet算法对气体管道正常运行、敲击、泄漏叁种状态下采集的声波信号进行去噪、选取有效模态进行重构、计算重构信号的En值;仿真分析发现利用该方法计算出的叁种状态下重构信号的云模型特征熵有较好的区分度,可作为状态识别的特征参数。最后,研究了BP神经网络,搭建了VMD-BP和En-BP两种神经网络模型,根据各自的优缺点,提出了VMD-En-BP神经网络模型,利用该模型对气体管道运行状态进行识别,实验结果表明该模型能够准确识别气体管道正常运行、敲击、渗漏、小泄漏和大泄漏五种运行状态。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
信号检测与识别论文参考文献
[1].岳辉.基于STM32地震动信号检测识别传感器系统设计[J].粘接.2019
[2].梁洪卫.油气管道泄漏声波信号检测与识别技术研究[D].东北石油大学.2019
[3].胡雷.电能质量扰动信号检测与识别方法研究[D].合肥工业大学.2019
[4].吴俊.Φ-OTDR分布式光纤振动传感系统的信号检测识别关键技术研究[D].安徽大学.2019
[5].张文,赵云,马丽娜,刘继恒,陈雯.固定靶场枪声信号检测和识别[C].2018年全国声学大会论文集L结构与建筑M气动声学与大气声学N机械振动与冲击.2018
[6].范迪,王光彩,陈之坤,房佳月圆,吕常智.“脉搏信号检测、分析及识别”实验系统设计[J].实验科学与技术.2019
[7].史文涛.药品不良反应信号检测中重复报告的识别及消除[D].中国人民解放军海军军医大学.2018
[8].笪欣慰.灰喜鹊声信号介导的亲属识别和信号检测研究[D].兰州大学.2018
[9].盛智勇,屈丹丹,张远,曲洪权.光纤入侵信号检测及识别算法的嵌入式实现[J].光电子·激光.2018
[10].孟庆宇.典型转子振动信号检测及故障识别技术研究[D].武汉理工大学.2018
论文知识图
