基于ARMA模型滤波的微弱信号辨识-四川理工学院学报.PDF

第２５卷第２期 四川理工学院学报（自然科学版） Ｖｏｌ２５　Ｎｏ２ ２０１２年４月 ＪｏｕｒｎａｌｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ａｐｒ２０１２  文章编号：１６７３１５４９（２０１２）０２００５１０４ 基于ＡＲＭＡ模型滤波的微弱信号辨识 １ ２ 高丽丽 ，何松柏 （１．四川理工学院理学院，四川 自贡 ６４３０００；２．电子科技大学电子工程学院，成都 ６１００５４） 　　摘　要：双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征，但双线性时频变换固 有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的 应用，提出采用ＡＲＭＡ模型滤波的方法来抑制双线性Ｗｉｇｎｅｒ－Ｖｉｌｌｅ时频变换的交叉项干扰，并给出算法 推导。结合实验数据，对比平滑伪Ｗｉｇｎｅｒ－Ｖｉｌｌｅ算法的信号辨识结果，表明基于ＡＲＭＡ模型预滤波的双 线性时频分析能更好的抑制交叉项干扰，具备更高的时频分辨能力和瞬态微弱信号辨识能力。 关键词：ＡＲＭＡ模型滤波；双线性时频分布；微弱信号辨识 中图分类号：ＴＭ９３７ 文献标识码：Ａ 模型数字滤波的Ｗｉｇｎｅｒ－Ｖｉｌｌｅ时频分布辨识算法，并结 引 言 合试验数据，通过与成熟的抑制算法对比分析，验证了 机械故障信号是在机械运行状态下的瞬态异常信 本算法在微弱瞬态信号辨识方面的良好性能。 号，通常是宽频带、持续时间短且完全掩盖在背景干扰 下的微弱信号。这种瞬态的故障信号蕴含机械运行状 １ Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布及改进算法 态的重要信息，对这类微弱信号进行辨识具有重要意 双线性时频变换是具有二维和变换的Ｃｏｈｅｎ类时 ［１］ 义 。 频分布，其表达式为 近年来，国内外在微弱信号辨识技术方面进行了大 ∞ ∞ ∞  Ｐ（ｔ，ｆ）＝ ｚ（ｕ＋／２）ｚ（ｕ－／２） ∫∫∫ τ τ － － － 量的研究，如对电流模式的数字滤波器研究、ＳＤＨ中泊 ∞ ∞ ∞ －ｊ２（ｔｖ＋ｆ－ｕｖ） （，ｖ）ｅπ τ ｄｕｄｖｄ （１） 松分布误码块及误码率的有关研究、相位噪声对ＩＭ／ＤＤ φτ τ 通信系统特性影响的研究、新型相关接收技术的研究、 （，ｖ）是核函数，即Ｃｏｈｅｎ类分布是以核函数加权模糊