针对齿轮故障特征信号具有强噪声背景、非线性、非平稳性特点，提出采用形态梯度小波对齿轮振动信号进行降噪。首先使用形态梯度小波把齿轮振动信号分解到多个尺度上，然后对各层的细节系数进行软阈值方法降噪处理，对经过处理后的小波系数进行重构。对降噪后的齿轮振动信号采用S变换多分辨率时频分析，能够从具有良好的时频分辨率的S变换谱图提取齿轮故障特征。通过仿真试验和故障轴承的信号分析证明，该方法具有短时傅里叶变换和小波变换的优点，不存在Wigner-Ville分布的交叉干扰和负频率，能有效地提取隐含在噪声中的齿轮故障特征，适合齿轮故障的在线监测和诊断。
上传时间： 2013-11-01
上传用户：AISINI005
提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法，这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系，同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征，基于这种统计模型，文中先推导出了一种各向异性双变量收缩函数的近似形式，然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域，实验结果表明文中提出的方法同小波域 BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比，能够有效地去除图像的高斯噪声，提高了图像的峰值信噪比；并较完整地保持了图像的纹理和边缘等细节信息，从而明显改善了图像的视觉效果。
上传时间： 2013-10-23
上传用户：thuyenvinh
为了提高图像去噪效果，提出了基于Contourlet域HMT模型的Cycle Spinning去噪方法。首先将待去噪图像进行循环平移，使用Contourlet域HMT模型对平移后的图像进行降噪处理，然后将降噪后的图像进行循环反平移，最后将不同循环平移量下的降噪图像进行平均处理，以减少去噪后图像的失真。实验结果表明，该方法不仅可以提高降噪后图像峰值信噪比，而且可以提高降噪后图像的视觉效果。
标签： Contourlet Spinning Cycle HMT
上传时间： 2014-12-23
上传用户：ddddddos
利用锁相环(PLL)和YTO相结合,设计出一种频率合成器。实现了3～7 GHz的频率覆盖和低于0.2 Hz的频率分辨率。全频段相噪均在-108 dBc/Hz@10 kHz以下,具有较高的实用价值。
上传时间： 2013-10-31
上传用户：258彼岸
结合直接数字频率合成（DDS）和锁相环（PLL）技术完成了X波段低相噪本振跳频源的设计。文章通过软件仿真重点分析了本振跳频源的低相噪设计方法，同时给出了主要的硬件选择和详细电路设计过程。最后对样机的测试结果表明，本方案具有相位噪声低、频率控制灵活等优点，满足了实际工程应用。
上传时间： 2013-11-12
上传用户：jiwy
基于对信号的周期平稳统计量的分析，提出了一种高斯白噪声信道下的盲信噪比估计方法。对信号的调制方式没有要求，也不需要发送端发送己知数据。
上传时间： 2013-11-07
上传用户：hakim
介绍一种简便的方法, 只用软件就可以将转换器位数提高, 并且还能同时提高采样系统的信噪比。通过实际验证, 证明该方法是成功的。
上传时间： 2013-11-11
上传用户：zhenyushaw
以双音多频信号为例，通过运用快速傅里叶变换和Hanning窗等数学方法，分析了信号频率，电平和相位之间的关系，推导出了计算非整周期正弦波形信噪比的算法，解决了数字信号处理中非整周期正弦波形信噪比计算精度低下的问题。以C编程语言进行实验，证明了算法的正确性和可重用性，并可极大的提高工作效率。
上传时间： 2014-01-18
上传用户：laomv123
本指南包含有关移除和安装Secure Access 6000机柜中的现场置换单元的信息。 有关Secure Access 6000的安全信息，请参阅Juniper Networks支持站点上的Juniper Networks Security Products Safety Guide。以下各部分将介绍有关组件的移除和安装的详细过程。
上传时间： 2014-01-25
上传用户：shenlan
设计了一种由直接数字频率合成(DDS)、倍频链构成的三次变频直接频率合成方案，实现了低相噪捷变频高分辨率毫米波雷达频率合成器设计。利用直接频率合成器的倍频输出取代传统三次变频毫米波频率源的锁相环(PLL),同时提供线性调频(LFM)信号，优化DDS和变频方案的频率配置关系。利用FPGA电路进行高速控制，较好地解决了毫米波频率合成器各技术指标之间的矛盾。实测结果表明，采用该方案的毫米波频率合成器在本振跳频带宽为160 MHz时，线性调频频率分辨率可达0.931 Hz，最大频率转换时间小于2 ?滋s，最大杂散低于-60 dBc，相位噪声优于-90 dBc/Hz。
上传时间： 2014-01-06
上传用户：brain kung
