导读:本文包含了频谱提取论文开题报告文献综述及选题提纲参考文献，主要关键词:吸收衰减,品质因子,RCS法,泰勒近似法
频谱提取论文文献综述
江小根,熊章强,张大洲,曾江波[1]（2019）在《基于频谱的两种品质因子提取方法对比分析》一文中研究指出作为常用的表征介质固有吸收性质的参数,品质因子不仅能够用于预测岩性、指示油气藏位置和范围,同时也是地震资料处理过程中,估算和补偿地下介质对地震波能量吸收的重要依据。经典的品质因子提取方法有谱比法、质心频率法、峰值频率法及Q补偿法等,这些方法皆基于频谱,在某些方面存在优势及不足。这里结合几种传统频域方法的优点,提出两种新的品质因子反演方法—雷克子波结合Q扫描法(RCS)及泰勒近似法。在模型试算及理论分析中发现RCS方法需要计算的参数更少、精度较高且具有良好的鲁棒性;泰勒近似法通过引入虚拟层,将衰减因子进行泰勒展开,并用拟合直线斜率的方法拾取Q值,其抗噪能力及对薄层的分辨能力比谱比法更高。(本文来源于《物探化探计算技术》期刊2019年05期）
李鹏,袁文婷,蒋威,马味敏[2]（2019）在《基于循环频谱特征提取的路面裂缝分类方法》一文中研究指出提出基于循环频谱特征提取的路面裂缝分类方法.首先从图像像素获得2个1维信号,然后通过累积傅里叶变换计算每个信号的频谱相关函数,最后根据不同区域频谱相关函数的能量和标准差对路面图像进行分类.实验结果表明:与基于Gabor小波、离散小波、双树复小波及双树旋转复小波变换的特征提取分类方法相比,所提方法得到了较高的分类正确率.(本文来源于《安徽大学学报(自然科学版)》期刊2019年04期）
顾煜炯,杨楠,孙树民,刘璐,徐教辉[3]（2019）在《基于提取振源方向的频谱类型识别》一文中研究指出振动频谱类型的识别决定汽轮机振动故障的诊断方向。为了提高在线识别精度,创新性地将核独立元分析(KICA)和故障重构思想引入振动频谱识别,提出一种基于振源方向的频谱类型识别方法。首先,基于核独立元分析方法,从频谱数据中提取激振力信息。然后,借鉴故障重构的思想,在样本独立元空间中提取故障振源特征方向,建立频谱类型识别库。最后,通过实时对振动频谱在各类故障特征方向上的重构识别,判断频谱类型。采用该方法对试验台数据和某机组实际振动频谱数据的识别进行了验证,并与基于欧氏距离的相似性识别方法进行了对比,证明了该方法的优越性。基于提取振源方向的频谱类型识别的研究,可为汽轮机振动故障智能诊断提供更加准确、可靠的频谱征兆信息,也为同类机械振动频谱智能识别提供了新的解决方案。(本文来源于《自动化仪表》期刊2019年02期）
夏均忠,汪治安,陈成法,吕麒鹏,刘鲲鹏[4]（2018）在《基于集成阶频谱相关的滚动轴承故障特征提取》一文中研究指出变转速工况下,传统的循环平稳方法不能有效提取滚动轴承故障特征,提出基于集成阶频谱相关的滚动轴承故障特征提取方法。通过研究角度/时间循环平稳理论,指出阶频谱相关可以有效提取变转速下滚动轴承故障特征,应用循环调制谱实现离散信号的阶频谱相关估计,在此基础上计算信号的集成阶频谱相关,提取轴承故障特征阶次。对仿真和实验数据分析表明:集成阶频谱相关不仅可以有效提取变转速工况下滚动轴承故障特征,且较之阶频谱相关,具有更加清晰直观的表达效果。(本文来源于《振动与冲击》期刊2018年23期）
夏均忠,汪治安,陈成法,于明奇,吕麒鹏[5]（2018）在《基于阶频谱相关组合切片的滚动轴承故障特征提取》一文中研究指出变转速工况下,滚动轴承故障振动信号出现复杂的频率、幅值和相位调制等现象,基于角度/时间循环平稳(AT-CS)的阶频谱相关可以有效提取其故障特征,但是该方法存在计算量大的缺点,为此,应用组合切片思想,提出基于阶频谱相关组合切片的轴承故障特征提取方法。根据滚动轴承结构参数计算其理论故障特征阶次,并由此确定组合切片中心,再由设定的切片宽度得到组合切片区间并计算信号的阶频谱相关组合切片,通过切片之间的能量分布提取滚动轴承故障特征。通过仿真信号和实验数据验证了该方法的有效性,相比于阶频谱相关,阶频谱相关组合切片能更清晰准确地表征轴承故障特征,并具有较高的计算效率。(本文来源于《振动与冲击》期刊2018年20期）
刘卓,柴天佑,汤健[6]（2019）在《基于多尺度振动和振声频谱特征自适应提取与选择的磨机负荷参数软测量》一文中研究指出针对磨机筒体振动/振声多尺度频谱与磨机负荷参数间的模糊特性、多源多尺度频谱间的冗余性与互补性,以及现有文献中潜结构选择性集成模型难以模拟运行专家"听音"推理识别磨机负荷参数等问题,提出一种基于多尺度振动/振声频谱特征自适应提取与选择的磨机负荷参数软测量模型.该方法首先进行多尺度频谱获取,然后基于核潜结构映射和互信息进行多尺度振动和振声频谱特征的自适应提取和选择,最后采用同步聚类算法、Madani模糊模型以及基于分支定界和自适应加权融合算法的选择性集成学习策略构建磨机负荷参数软测量模型.通过实验球磨机验证了所构建的软测量模型能够模拟运行专家的模糊推理机制,具有较好的建模精度.(本文来源于《控制与决策》期刊2019年12期）
陈剑,汤杰[7]（2018）在《基于POVMD和频谱自相关分析的滚动轴承微弱故障特征提取》一文中研究指出针对滚动轴承早期微弱故障特征提取困难的问题,提出基于参数优化变分模态分解(POVMD)与频谱自相关分析相结合的微弱故障特征提取方法。该方法首先针对变分模态分解(VMD)过程中参数选取的问题,提出了基于频谱自相关特征因子(SACFF)最大化的VMD参数搜索策略。其次,采用遗传算法对VMD的参数进行优化搜索,从而得到最优参数组合,并依此参数对原始信号进行VMD处理,获得一系列有限带宽固有模态函数(BLIMFs)。最后,根据SACFF指标最大化原则选取最优BLIMF分量进行频谱自相关分析,以克服频谱自相关方法在滚动轴承微弱故障特征提取上的局限性。仿真和实验结果表明,该方法能够有效提取滚动轴承微弱故障特征,较EMD-频谱自相关方法和单一频谱自相关方法效果更好。(本文来源于《电子测量与仪器学报》期刊2018年04期）
苏维均,杨飞,于重重,程晓卿,崔世杰[8]（2018）在《基于局部频谱的滚动轴承故障特征提取方法》一文中研究指出滚动轴承振动信号是非线性、非平稳信号,如何对复杂的非周期滚动轴承数据进行准确特征提取十分具有挑战性.本文提出一种基于局部频谱的轴承数据特征提取方法.该方法将预处理得到的分割点与频谱分析结合起来,构建了数据的局部化特征,确定了局部频率的定义以及时频域的构造方法,并对局部频谱进行特征提取.实验表明,该方法克服了希尔伯特变换仅适合描述窄带信号的局限性,并弥补傅里叶全局频率只对无限波动周期信号才具有明显价值的缺陷.减少虚假频率产生的同时,兼容了时域和频域的分析能力,为非线性非平稳滚动轴承时域数据的特征提取提供了一种新方法,在滚动轴承故障诊断方面有很高的实用价值.(本文来源于《电子学报》期刊2018年01期）
范胜召,李子怿,肖启战,张景云,王尚平[9]（2018）在《基于最大保持频谱提取天线扫描周期的自相关方法》一文中研究指出针对电子战操作员通过观察最大保持频谱变化来发现重要频率信号的需要,提出了一种基于最大保持频谱提取天线扫描周期的自相关处理方法。针对实测频谱数据的四种典型形态,利用自相关函数的周期性完成了对固定频率机械扫描雷达的天线扫描周期提取,实验表明该算法可用于多目标和噪声信号混迭的场景,并在实际多组频谱样本数据测试中达到了平均80%的准确率,可以帮助操作员发现感兴趣频率信号。(本文来源于《电子信息对抗技术》期刊2018年01期）
伍柯霖,初宁,宋永兴,吴大转[10]（2017）在《基于倒频谱分析的旋转机械调制频率提取方法》一文中研究指出在简要分析旋转机械转子频率对叶片频率调制的振动机理的基础上,针对传统的倒频谱分析难以提取微弱故障特征频率、对于低信噪比实际信号提取识别能力不够、以及倒频谱分析结果不够简单直观等缺陷,本文提出用一种改进的倒频谱方法,基于工程应用型的倒频谱分析技术进行改进,对旋转机械的振动信号加以处理,主要针对于工业生产中各类大小风机进行调制频率的有效提取。对于仿真信号和实际风机数据的处理结果验证了该方法能够有效地识别调制频率,为旋转机械的状态监测和故障检测提供有用信息。(本文来源于《第十二届全国振动理论及应用学术会议论文集》期刊2017-10-20）
频谱提取论文开题报告
（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：
提出基于循环频谱特征提取的路面裂缝分类方法.首先从图像像素获得2个1维信号,然后通过累积傅里叶变换计算每个信号的频谱相关函数,最后根据不同区域频谱相关函数的能量和标准差对路面图像进行分类.实验结果表明:与基于Gabor小波、离散小波、双树复小波及双树旋转复小波变换的特征提取分类方法相比,所提方法得到了较高的分类正确率.
（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。
频谱提取论文参考文献
[1].江小根,熊章强,张大洲,曾江波.基于频谱的两种品质因子提取方法对比分析[J].物探化探计算技术.2019
[2].李鹏,袁文婷,蒋威,马味敏.基于循环频谱特征提取的路面裂缝分类方法[J].安徽大学学报(自然科学版).2019
[3].顾煜炯,杨楠,孙树民,刘璐,徐教辉.基于提取振源方向的频谱类型识别[J].自动化仪表.2019
[4].夏均忠,汪治安,陈成法,吕麒鹏,刘鲲鹏.基于集成阶频谱相关的滚动轴承故障特征提取[J].振动与冲击.2018
[5].夏均忠,汪治安,陈成法,于明奇,吕麒鹏.基于阶频谱相关组合切片的滚动轴承故障特征提取[J].振动与冲击.2018
[6].刘卓,柴天佑,汤健.基于多尺度振动和振声频谱特征自适应提取与选择的磨机负荷参数软测量[J].控制与决策.2019
[7].陈剑,汤杰.基于POVMD和频谱自相关分析的滚动轴承微弱故障特征提取[J].电子测量与仪器学报.2018
[8].苏维均,杨飞,于重重,程晓卿,崔世杰.基于局部频谱的滚动轴承故障特征提取方法[J].电子学报.2018
[9].范胜召,李子怿,肖启战,张景云,王尚平.基于最大保持频谱提取天线扫描周期的自相关方法[J].电子信息对抗技术.2018
[10].伍柯霖,初宁,宋永兴,吴大转.基于倒频谱分析的旋转机械调制频率提取方法[C].第十二届全国振动理论及应用学术会议论文集.2017