强激光与粒子束
2024, 36(4): 043019
1 电子科技大学中山学院 电子信息学院，广东 中山 528402
2 吉林大学 仪器科学与电气工程学院，吉林 长春 130012
3 福州大学 物理与信息工程学院，福建 福州 350108
实际应用中，分布式光纤振动传感系统所测信号多为非平稳随机信号，对其进行模式识别的关键是准确获取信号的幅值-时间-频率瞬时特征。现有的相关研究表明，经验模态分解EMD方法结合希尔伯特变换可获得所测信号中固有模态分量的瞬时能量和瞬时频率，但存在模态混叠问题，后续改进的总体经验模态分解EEMD方法存在伪分量，重构误差大，互补经验模态分解CEEMD方法减小了重构误差的同时增加了运算量，无法保证特征提取与分类的效率与准确性。文中基于改进型经验模态分解方法结合希尔伯特变换MEEMD-HHT方法实现分布式光纤振动传感系统的特征提取，引入的排列熵的评价机制优化了分解过程中随机噪声迭代次数，通过仿真分析与实验对比，验证了该方法可有效解决上述方法中存在的问题，使系统在处理时间、特征准确度等性能皆有提高。实验结果表明，所提出的方法对于单频振动信号平均特征提取准确率达99.2%；对于混频振动信号平均特征提取准确率达98.1%，相对于EMD和CEEMD分别提高15.6%和7%，算法平均耗时最短，为3.8259 s，为分布式光纤振动传感系统的信号特征提取提供了一种可靠、高效的方法。
分布式光纤振动传感 MEEMD Hilbert变换 振动信号特征提取 distributed fiber vibration sensing MEEMD Hilbert transform feature extraction of vibration signal 红外与激光工程
2021, 50(7): 20210223
1 钢铁研究总院, 北京 100081
2 钢研纳克检测技术股份有限公司, 北京 100094
拉曼光谱信号是一种基于分子振动的散射信号, 拉曼光谱仪的激光源波长一般为纳米级, 考虑到散射频移, 拉曼光谱有效信息主要集中在较高频段。 拉曼信号是典型的非平稳信号, 并且由于拉曼散射比较弱, 信号很容易被高频噪声和荧光背景干扰, 想获取较为全面的拉曼信息, 需要对信号进行处理, 小波变换对拉曼信号的分析结果取决于小波基的选择, 不同小波基处理结果有差异； 经验模态分解（EMD）方法可以自适应的分析信号, 不需要设置参数, 但存在模态混叠的问题； 集合平均经验模态分解（EEMD）, 有效的解决了EMD方法中存在的模态混叠问题, 能更加清晰的将信号中的不同频率成分划分开来, 因此更加适合频率成分丰富的拉曼信号的特征分析和处理。 采集了市面上常见的大豆油、 花生油、 玉米油和葵花籽油样本, 通过拉曼光谱仪获得了各自的拉曼光谱信号。 使用集合经验模态分解对食用油拉曼光谱信号进行自适应分解和处理, 一共获得了10阶固有模态函数（IMF）, 根据信号的能量分布以及幅值特性, IMF1和IMF2表征为信号中的噪声部分, IMF3-IMF7表征为拉曼特征信号部分, 最后一阶IMF10表征为荧光背景成分, IMF8和IMF9为其他物理意义的频率成分。 通过对有效信号段的特征增强并重构拉曼信号, 使拉曼信号的信噪比获得了2～5倍的提升, 其中, 难以探测的酯键羰基伸缩振动位于1 745 cm-1的谱峰得到了显著的增强。 最后, 将原始信号和经过特征增强的信号通过基于连续小波变换的惩罚最小二乘法进行了二次处理, 并将获得的信号进行主成分分析后, 可知： 没有增强的不同类数据样本相互有重叠, 不存在明显的类间距, 很难完整的区分类型； 基于特征增强的数据样本各自聚集, 每种类型都可以相互鉴别, 可为拉曼光谱信号处理提供一种新的途径。
信号特征增强 EEMD方法 拉曼光谱 食用油分析 Signal characteristics enhancement EEMD method Raman spectroscopy Edible oil analysis
西安工业大学 光电工程学院, 陕西 西安 710021
现今纺织业中机器纺织速度越来越快, 传统的人眼识别速度已经不能满足纱线缺陷在线检测的需求, 因而在纺织业中推进自动化检测变得尤为重要。针对纱线自动化在线检测中纱线疵点信号判别的需要, 利用反射式光电检测原理通过搭建检测结构对纱线表面疵点进行采样并对采样样本特征进行分析。通过分析采样样本中疵点不同轴向尺寸、径向尺寸及灰度差异特征对输出产生的影响, 为纱线疵点在线检测信号判断提供依据。经分析发现疵点轴向尺寸与采样样本响应时间呈线性关系, 疵点径向尺寸及灰度差异与采样样本响应电压峰值呈线性关系。
纱线检测 光电技术 检测方法 信号特征 yarn detection photoelectric technology detection method signal characteristics
江南大学物联网技术应用教育部工程研究中心， 江苏 无锡 214122
为了保证智能手机的信息安全，提出一种多传感器信息融合的手机用户身份认证方法。首先从手机用户操作手势的姿态角变化、运动幅度以及旋转程度等方面提取信号特征，然后分别以三类单特征的动态时间规整识别结果作为独立证据构造基本概率分配函数，进而采用Dempster/Shafer 证据理论对其进行融合。为缓解证据间出现的冲突，避免其影响融合效果，引入加权证据方法。通过计算各证据之间的相似性来衡量证据间的冲突程度进而确定各证据的可信度，并且对各证据进行加权修正以降低可信度小的证据对融合结果的影响，最后根据融合结果做出决策。仿真结果表明，该算法性能优于对比算法，能有效对手机用户进行身份识别。
测量 传感器 信号特征 信息融合 证据理论 冲突 激光与光电子学进展
2017, 54(7): 071204
针对被动毫米波技术对高速运动目标探测能力不足的问题，采用 基于单片微波集成电路(Monolithic Microwave Integrated Circuit, MMIC)的直接检波式 毫米波辐射计构建了一种被动毫米波探测系统，并通过试验获得了不同条 件下对高速运动目标的实测数据。在对测试信号的特征进行分析的基础上，指出 第一脉冲的峰值和两个峰值脉冲的间距能够反映目标运动特性的有效特征，并提出了 一种用于计算目标运动速度的方法。结果表明，该方法具有一定的精度，可在被动毫米 波系统中用于确定运动目标的参数。
被动毫米波技术 毫米波辐射计 运动目标探测 测试信号特征分析 运动速度 passive millimeter wave technology radiometer moving target detection characteristics of test signal velocity
山东大学控制科学与工程学院， 山东 济南 250061
利用光纤布拉格光栅(FBG)构建传感器网络，结合小波变换、频谱分析和支持向量机分类算法，对碳纤维复合材料板低速冲击区域定位进行了研究。根据划分区域进行冲击试验，探索冲击区域与信号特征之间的关系。在对低速冲击信号进行小波变换去除基线干扰的基础上，采用傅里叶变换提出提取冲击信号幅频特性作为信号特征进行低速冲击区域定位识别的方法，将提取的信号幅频特性作输入、冲击区域类别作输出构建支持向量多分类机实现低速冲击区域定位识别。实验结果表明：在500 mm×500 mm×2 mm的碳纤维复合材料板上对36个测试样本进行低速冲击区域定位识别，实现33个低速冲击区域准确定位，正确率达90%以上，低速冲击定位系统的区域识别精度为40 mm×40 mm，且每个区域定位时间小于1011 ms。研究结果为碳纤维复合材料板的低速冲击区域定位检测提供了一种科学可靠的方法。
光栅 低速冲击区域定位 支持向量多分类机 碳纤维复合材料 小波变换 信号特征提取
1 海军大连舰艇学院 研究生管理大队，辽宁 大连 116018
2 海军大连舰艇学院 航海系，辽宁 大连 116018
现有舰船尾迹光学信号特征提取方法普遍存在运算复杂、处理速度不快等问题，研究基于直方图分析的舰船尾迹光学信号特征快速提取方法。根据舰船尾迹图像直方图具有明显的双峰特征，提出用峰值点分布密集程度Δkdd和尾迹区与海水背景区像素灰度值均值比Ci2个参数来表征舰船尾迹光学信号特征强度，通过专门研制的海上特征提取实验装置进行特征提取实验分析。分析结果表明：这2个参数能定量可靠地描述舰船尾迹光学信号特征强度的变化规律，并且在特征提取中具有简单快速的优势，从读进一张舰船尾迹图像到利用MATLAB软件计算出其特征参数值，电脑处理时间约为0.07 s。
舰船尾迹 光学信号特征 直方图分析 密集程度 灰度值均值比 ship wake optical signal feature histogram analysis peak point distribution density ratio of pixel gray
