蚕蛹随机振动信号及噪声信号的预处理研究
振动信号的采集与预处理
振动信号的采集与预处理几乎所有的物理现象都可看作是信号，但这里我们特指动态振动信号。
振动信号采集与一般性模拟信号采集虽有共同之处，但存在的差异更多，因此，在采集振动信号时应注意以下几点：1. 振动信号采集模式取决于机组当时的工作状态，如稳态、瞬态等；2. 变转速运行设备的振动信号采集在有条件时应采取同步整周期采集；3. 所有工作状态下振动信号采集均应符合采样定理。
对信号预处理具有特定要求是振动信号本身的特性所致。
信号预处理的功能在一定程度上说是影响后续信号分析的重要因素。
预处理方法的选择也要注意以下条件：1. 在涉及相位计算或显示时尽量不采用抗混滤波；2. 在计算频谱时采用低通抗混滤波；3. 在处理瞬态过程中1X矢量、2X矢量的快速处理时采用矢量滤波。
上述第3条是保障瞬态过程符合采样定理的基本条件。
在瞬态振动信号采集时，机组转速变化率较高，若依靠采集动态信号（一般需要若干周期）通过后处理获得1X和2X矢量数据，除了效率低下以外，计算机（服务器）资源利用率也不高，且无法做到高分辨分析数据。
机组瞬态特征（以波德图、极坐标图和三维频谱图等型式表示）是固有的，当组成这些图谱的数据间隔过大（分辨率过低）时，除许多微小的变化无法表达出来，也会得出误差很大的分析结论，影响故障诊断的准确度。
一般来说，三维频谱图要求数据的组数（△rpm分辨率）较少，太多了反而影响对图形的正确识别；但对前面两种分析图谱，则要求较高的分辨率。
目前公认的方式是每采集10组静态数据采集1组动态数据，可很好地解决不同图谱对数据分辨率的要求差异。
影响振动信号采集精度的因素包括采集方式、采样频率、量化精度三个因素，采样方式不同，采集信号的精度不同，其中以同步整周期采集为最佳方式；采样频率受制于信号最高频率；量化精度取决于A/D转换的位数，一般采用12位，部分系统采用16位甚至24位。
振动信号的采样过程，严格来说应包含几个方面：1. 信号适调由于目前采用的数据采集系统是一种数字化系统，所采用的A/D芯片对信号输入量程有严格限制，为了保证信号转换具有较高的信噪比，信号进入A/D以前，均需进行信号适调。
蚕蛹异味物质及脱除方法
广 西 农 学 报Journal of Guangxi Agriculture第38卷 第6期Vol.38，No.6422023年12月December，2023收稿时间：2023-08-18 修回日期：2023-09-20基金项目：河池市重点研发计划项目（河科AB210303）。
第一作者简介：漆爱荣（1985—），女，兽医师，主要从事畜禽养殖技术开发研究工作。
*通信作者：蒙健宗（1972—），男，研究员，主要从事生物工程技术开发研究工作。
蚕蛹异味物质及脱除方法漆爱荣1 黄春梅2 韦宏干3 唐希4 蒙健宗5*（1. 广西壮族自治区畜禽品种改良站，广西 南宁 530024；2. 南宁市蛭澳生物科技有限公司，广西 南宁 530006；3.广西农业工程职业技术学院，广西 崇左 532199；4.广西壮族自治区畜牧站，广西 南宁 530012；5. 广西农业职业技术大学，广西 南宁 530007）摘要：蚕蛹是桑蚕产业的主要副产品，含有丰富的蛋白质、脂肪、维生素、微量元素等营养成分，是一种高蛋白饲料资源，产量非常可观。
然而，由于蚕蛹自身腺体分泌的物质和贮藏加工过程的分解、转化作用使其带有特殊的异味，作为饲料时其异味在禽畜体内的残留限制了蚕蛹的饲料化利用。
本文综述了利用气相色谱-质谱联用技术分析鉴定蚕蛹异味物质成分，以及脱除蚕蛹异味的技术方法包括蒸馏法、吸附法、氧化法、微生物发酵法等研究进展，为蚕蛹饲料化的深入研究提供参考。
关键词：蚕蛹；异味；微生物发酵法中图分类号：S886.9 文献标识号：A 文章编号：1003-4374（2023）06-0042-05The Odor Substances and Removal Methods for Silkworm Pupae Qi Ai-rong 1, Huang Chun-mei 2, Wei Hong-gan 3, Tang Xi 4, Meng Jian-zong 5 *（1. Livestock and Poultry Variety Improvement Station of Guangxi Zhuang Autonomous Region, Nanning, Guangxi 530024, China; 2. Nanning Zhi ’ao Biotechnology Co., Ltd., Nanning, Guangxi 530006, China;3. Guangxi Agricultural Engineering Vocational College, Chongzuo, Guangxi 532199, China;4. Livestock Station of Guangxi Zhuang Autonomous Region, Nanning, Guangxi 530012, China;5. Guangxi Vocational University of Agriculture , Nanning, Guangxi 530007, China）Abstract: Silkworm pupae is the main by-product of the silkworm industry. It is rich in protein, fat, vitamins,trace elements and other nutrients. It is a high protein feed resource and the yield is very considerable. However, silkworm pupae has a special peculiar smell due to the substances secreted by its own glands and the decomposition and transformation during storage and processing. The residue of its peculiar smell in livestock as feed limits the feed utilization of silkworm pupae. This paper reviews the research progress of applying gas chromatography-mass spectrometry to analyze and identify the odor components of silkwormpupae, and the technical methods to remove the odor of silkworm pupae, including distillation, adsorption, oxidation, microbial fermentation, etc., so as to provide reference for the in-depth study of silkworm pupae feed.Key words: silkworm pupae, odor, microbial fermentation method动物科学43漆爱荣等：蚕蛹异味物质及脱除方法第6期蚕蛹是蚕蛾科昆虫家蚕蛾的蛹，也是蚕茧缫丝后的主要副产物。
基于振动的蚕茧质量智能无损检测
取与蚕蛹质量有关的特征值， 并利用模糊聚类的方法优选特征值， 然后将优选的特征值作为Ｂ 神经网络的输入参数， Ｐ 以蚕蛹质量作
为输 出参数训 练该网络 ， 训练后 的神经网络可利 用所采 集的蚕茧振 动信 号确 定蚕蛹的质量 ， 而间接得 到茧壳的质量． 从 试验结果表 明 该 方法有效 可行 ． ４ 表 ２ 参 ９ 图 ， ， ． 关键词 ： 茧 ； 蚕 无损检测 ： 动； 振 神经 网络 ： 小波 包； 特征提取 中图分类号 ： Ｂ ２￥ ８ ． Ｔ ５ ，８６３ 文献标识码 ： Ａ 文章编号 ：６ ２ ９ ０ ２ ０ （ － ０ ７ ０ １７ － １２（ ０ ６） １ ０ １－ ４ ）
模型 ， 而根据该模 型来判别 蚕蛹的质量 ， 而间接 继 从
推出蚕茧的干壳量．
基于振动信号的蚕茧质量无损检ｉ 的方法 ，已经申请 贝 ０ 国家发明专利 （ 发明名称 ： 蚕茧质量无损智能检测方
法 ， 开号 ：Ｎ １５ ｌ９ ． 公 Ｃ ５３ ７Ａ）
１ 检 测 方 法
蚕茧无损检ｉ 的试验装 置如图 ｌ 贝 ０ 所示 ， 试验装置
１ ７
维普资讯
批蚕茧中随机地抽取 ２ — ６ ３ ２ 粒蚕茧 ， 并将其 随机地放 在夹具 中进行试验 ， 全部测试结束后进行 系统的数据 处理和分析 ． 采集到的原始振动信号如图 ２ 所示． 通过
３１ 时域中的特征参数的提取 ． 时域 中与蚕蛹质量有关 的时域特征参数 有 ： 平均
维普资讯
第 ２ 卷第 ｌ ｌ 期 ２０ ０６年 ３月
湖南科技大学学报 （ 自然科学版 ） Ｊｕｎｌ ｆＨ ｎｎＵ ｉ ｒｉ ｆ ｃ ｎｅ＆Ｔ ｃｎｌ ｙＮ ｔｒｌ ｃ ｎｅＥｉ ｎ ｏｒ ｕａ ｎ ｅｓｙｏ ｉ ｃ ａｏ ｖ ｔ Ｓｅ ｅｈｏ ｇ（ａｕ ｉ ｃ ｄｉ ） ｏ ａＳ ｅ ｔ ｏ
改进字典学习的振动信号检测方法
来稿日期：2017-10-24 基金项目：国家自然科学基金（51275426） 作者简介：何 翔，（1991-），男，浙江湖州人，硕士研究生，主要研究方向：机电一体化，故障诊断；
高宏力，（1971-），男，河南洛阳人，博士研究生，博士生导师，教授，主要研究方向：复杂机电系统可靠性分析，机器人
202
1 引言
轴承、齿轮、丝杠等旋转机械在机械系统中应用极其广泛， 其运行状态和故障与否直接影响整个机械系统的工作精度和寿 命。而机械系统运行状态信息的获取是对系统状态评估和故障检 测的前提。由于振动信号自身实时性、周期性以及加速度传感器 体积小，频带宽，易安装，高频响应稳定等特性，振动信号已经成 为当前机械系统故障检测中应用最广泛的信息载体。尤其针对旋 转机械关键零部件，通过其振动信号实现故障检测的方法极为普 遍。所涉及的方法大致分为以下两类：基于机器学习智能识别的 方法和基于信号处理频谱检测的方法。
第3期
机械设计与制造
圆园18 年 3 月
酝葬糟澡蚤灶藻则赠 阅藻泽蚤早灶 驭 酝葬灶怎枣葬糟贼怎则藻
201
改进字典学习的振动信号检测方法
何 翔，高宏力，黄海凤，文 刚
（西南交大通大学 机械工程学院，四川 成都 610031）
摘 要：机械零部件振动信号包含了大量机械系统运行状态信息，针对传统检测方法依赖于经验知识和人工定参，提出 了一种改非负条件下基于 K 奇异值分解的改进算法 训练超完备字典，结合基追踪算法稀疏编码，重构实现振动信号预处理。根据重构信号的包络谱，对比先验计算频率。仿 真和实验结果表明，改进字典学习的振动信号检测方法能够有效提取故障频率，适用于故障检测，为基于振动信号实现 机械系统智能化维护提供了参考。 关键词：振动信号；字典学习；重构去噪；包络检测 中图分类号：TH16；TH17；TP274 文献标识码：A 文章编号：员园园员-3997（圆园18）03-0201-04
一种用于叶蝉鸣声信号的采集与分离方法研究
蚕茧质量无损检测方法的探讨
蚕茧质量无损检测方法的探讨作者：金君邢秋明来源：《中国纤检》2012年第09期摘要：对蚕茧质量无损检测方法进行了探讨，但要达到实用化程度还有待进一步研究。
关键词：蚕茧；质量；无损检测目前，蚕茧质量评级通常是取50g鲜样茧剥去茧衣、削剖、倒出蛹和蜕皮，清除死笼污物，称鲜壳重，烘干至无水恒重时称其干壳重量，以干壳重量进行分级[1]。
由于整个过程的烘壳时间较长，茧站面对千家万户售茧，来不及逐个检测，于是很多茧站采用手摸、目测、口喊价。
而根据手感湿度和蚕茧表面疵病来判断蚕茧的好坏，只能评定蚕茧的外观质量，测试精度低，易受评定者的主观因素和实际经验影响，不能达到“优质优价”，极大地损伤了蚕农提高蚕茧质量的积极性。
而且，剖茧称重破坏试样，造成极大的浪费。
据统计，我国每年为检测蚕茧质量而浪费鲜蚕茧930t，直接经济损失1300万元，既浪费生产丝140t，又减少创汇392万美元。
为了实现按质论价及不浪费收购蚕茧的原则，蚕业界内外人士一直在不懈地努力，寻求一种质量无损的检测方法，中国测试研究院、四川省农业科学院蚕业研究所、成都电子科技大学、浙江大学和浙江省农业科学院等单位先后对此进行过研究；研究的方法有荧光数模评茧法、动量分离原理的超声波检测、悬浮两次称重法、弹力测定法和分析扣减水分法等，但这些方法均由于精度不高，最终没能实用化。
近年来，湖北省农业科学院经济作物研究所和湖北工业大学设计了利用数字图像处理技术、光电技术及振动原理对桑蚕鲜（干）茧质量开展无损智能检测技术的研究并取得了一定进展。
1 基于数字图像处理和光电技术的桑蚕茧无损智能检测根据GB/T 19113—2003《桑蚕鲜茧分级(干壳量法)》，干壳量是蚕茧评级项目中的主要检测项目，可根据“质量＝体积×密度”计算茧壳量，由于同一个地方、同一季节相同品种的桑蚕丝密度相对比较稳定，因而求茧壳量主要是求其体积。
其基本原理是通过光照蚕茧，用CCD 摄像器对被检茧进行图像采集，利用其表面积图像的像素点和透射图像的灰度值分别表示蚕茧的表面积和厚度，进而求出茧壳体积。
浅谈活蛹缫丝蚕品种优选装置信号采集器设计
- 36 -
高新技术
2020 NO.3（上） 中国新技术新产品
直径和颣节大小的比值很高，最大走丝速度可达到 15 m/min， 到该品种桑蚕的单丝平均直径数据，这一过程设计为标定功
为了能精确识别蚕丝在红外接收窗口中投影面积的变化，对采 能，并在今后同品种检测过程中随检测样本的数量累积而更
活蛹缫丝红外检测传感器根据单根蚕丝在红外平行光 线的照射下，在矩形接收窗口所形成的投影面积的变化对蚕 丝进行检测 [5]，红外线发射窗口及透镜将点光源转换为平行 光投射到接收窗口，活蛹缫丝过程中蚕丝投射在接收窗口上
导丝轮
红外接收窗口
正常走丝情况
纇结检测情况
断点检测情况
图 1 活蛹缫丝颣节、断点检测示意图
电压
时间
１ 一体化红外检测高精度传感器设计
红外平行光源
广西蚕品种体型相对较小，单根蚕丝平均直径在 13 μm 左右，蚕丝颣节的检测是传感器设计的核心和难点，一般纺 织行业采用的电容式检测方法因缫丝过程中的水汽太大而 不能使用 [2]，同时因为该类传感器灵敏度太低，响应速度慢， 无法满足检测需要。通过大量的实验，最终确定采用红外线 投影的检测方式，精选进口高灵敏红外线发射和接收管作为 基础器件，经过严格的筛选和配对，保证了检测的精度和一 致性。在防水密封结构设计方面，设计专门的模具并制作了 一体化的全铝合金外壳，处理器电路板安装在主壳体内，红 外线接收、发送管配对安装在带有“U”形凹槽的矩形窗口 的支架上，发射和接收窗口内安装有点光源与平行光转换透 镜，同时为了降低环境光线等对检测信号的影响，在红外发 射与接收窗口增加了 2 层定制波长的红外线滤光片，实现定 制波长红外线带通滤波，有效解决了环境光和其他波长无线 电信号的干扰问题，提高了检测精度和稳定性，性能达到了 设计要求。
基于图像处理技术的蚕蛹性别识别应用研究-
基于图像处理技术的蚕蛹性别识别应用研究*基于目前蚕蛹雌雄分类工作由人工进行，为了提高生产效率，减轻劳动强度，实现蚕蛹雌雄性别的自动识别，文章提出了一种应用图像处理的蚕蛹性别自动识别方法，利用CCD摄像机获取蚕蛹的样本图像，应用MATLAB软件编程实现了样本图像的灰度化、二值化、图像分割、图像滤波、图像形态学处理、边缘检测和特征量提取等处理，完成了蚕蛹自动识别。
通过对实验数据回归分析，实验表明采用图像处理方法得出蚕蛹的准确识别率为96%，为实现自动识别分拣处理提供重要依据，对实际应用具有重要意义。
标签：图像处理；蚕蛹性别；特征提取；MATLAB引言我国是蚕茧生产大国，据统计，我国蚕茧产量达到世界产量的八成左右，因此，蚕桑养殖业对我国的经济发展具有重要意义，在桑蚕养殖业中，蚕种的质量以及蚕丝的品质不仅与饲养桑叶的好坏、饲养环境以及饲养过程有很大的关系，蚕蛹的雌雄分选对蚕种质量同样有很直接的关系，因此，优良的蚕种是高质量蚕丝的第一步，为获得优良的蚕种，要对蚕蛹进行雌雄的识别。
目前的现状是雌雄蚕蛹的分选工作由人工完成，生产效率低，劳动强度大，受主观影响严重。
随着机器视觉技术的不断进步，它的应用范围也越来越广泛，包括工件的检测，机器人视觉等。
数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。
图像的数字处理是将连续的模拟图像变成离散的数字图像后，用建立在特定的物理模型和数学模型基础上编制的程序（软件）控制，运行并实现种种要求的处理。
近年来，数字图像处理技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域。
文章依据雌雄蚕蛹不同的形体特征以及纹理特征的差异，提出以机器视觉的方式进行识别。
利用MATLAB软件平台，通过对图像处理可以准确地进行识别，结果证明识别正确率较高，有效可行。
1 设计路线雌雄蚕蛹具有不同的特征，同一蚕蛹品种以及相同的饲养条件下，体型上，雌蛹体型较大，腹部末端呈圆形状，雄蛹体型瘦小，腹部末端呈尖状。
基于小波变换的昆虫刺吸电位(EPG)r信号去噪研究
基于小波变换的昆虫刺吸电位(EPG)r信号去噪研究吴莉莉;贾树恒;邢玉清;卢少华;潘建斌;闫凤鸣【摘要】昆虫刺吸电位(EPG)信号为研究刺吸式昆虫取食和传毒机理提供了有力的依据,然而EPG信号在采集过程中易受各种噪声的干扰,可利用小波变换将其去除.本文采用小波阈值去噪法,通过实验对比选择不同的小波基函数及阈值,以均方根误差和信噪比为评价指标,确定了coif4小波6层分解,在Stein无偏风险估计准则下,改进阈值量化为最佳去噪方案;实验结果表明,该小波阈值去噪方法可以有效地去除不同干扰.本文研究的基于小波变换的EPG信号去噪为后续分析识别提供了保证.%Electrical penetration graph( EPG) signal has provided a strong basis for the study of the piercing-sucking insects feeding and virus transmission mechanism. However,the EPG signal is susceptible to various noises during acquisition,which can be removed by wavelet transform. In this paper,the wavelet threshold denoising method was adopted. The different wavelet basis functions and thresholds of the denoising method were selected by experiments. Taking the root mean square error and signal-to-noise ratio as the evaluation index,the wavelet coif4,6 layer decom-position and the improved threshold quantization was determined as the best denoising scheme under the Stein unbi-ased risk estimator. The experimental results showed that the wavelet threshold denoising method can effectively re-move different interference. The EPG signal denoising based on wavelet transform in this paper provides a guarantee for subsequent analysis and recognition.【期刊名称】《传感技术学报》【年(卷),期】2017(030)012【总页数】5页(P1895-1899)【关键词】刺吸电位(EPG)信号;小波变换;阈值去噪【作者】吴莉莉;贾树恒;邢玉清;卢少华;潘建斌;闫凤鸣【作者单位】河南农业大学理学院,郑州450002;河南农业大学理学院,郑州450002;河南农业大学理学院,郑州450002;河南农业大学植物保护学院,郑州450002;河南农业大学理学院,郑州450002;河南农业大学植物保护学院,郑州450002【正文语种】中文【中图分类】TN911.72刺吸电位技术EPG(Electrical Penetration Graph)是研究刺吸式昆虫在寄主植物上刺探和取食行为的一种电生理学技术[1-3],是研究刺吸式昆虫取食和传播植物病毒的重要实验方法。
基于MATLAB的振动信号去噪研究
基于MATLAB的振动信号去噪研究吕晶晶;赵晶亮;刘国鹏【摘要】在信源定位或设备故障诊断中,通过数据采集器采样得到的振动信号数据中往往叠加有噪声,使得其中有用的特征信息也常常被淹没在噪声之中.为了将数据尽可能真实地还原成实际振动状况,提取真实信号的特征,须对干扰信号进行去噪.文中首先对实测振动信号消除了趋势项,并用切比雪夫带通滤波器和小波软阈值法对信号去噪.仿真结果表明:小波软阈值法去噪比切比雪夫滤波器去噪效果明显,且保留了原信号的细节特征,具有较高的使用价值.【期刊名称】《电子测试》【年(卷),期】2011(000)007【总页数】4页(P110-113)【关键词】噪声;趋势项;滤波器;小波;阈值法【作者】吕晶晶;赵晶亮;刘国鹏【作者单位】中北大学电子测试技术国家重点实验室,太原,030051;中北大学电子测试技术国家重点实验室,太原,030051;中北大学电子测试技术国家重点实验室,太原,030051【正文语种】中文【中图分类】TP391.90 引言在信源定位或设备故障诊断中，通常要对数据采集器采样得到的振动信号数据进行分析处理，尽可能真实地还原成实际振动状况，提取真实信号的特征。
然而这些信号往往容易受到噪声的干扰，使得信号中有用的特征信息也常常淹没在噪声中，从而给信号的特征提取带来很大的困难，因此必须去除信号中叠加的噪声或干扰成分[1]。
在振动信号分析中，用软件实现数字滤波仅依赖于算法结构，易于获得较理想的滤波性能，所以软件滤波在滤波器使用中起到了越来越重要的作用。
小波变换是信号的时-频分析方法，它具有多分辨率的特点，可以方便地从混有强噪声的信号中提取原始信号。
本文用切比雪夫滤波器和小波阈值法对实测振动信号去噪，结果表明小波去噪比滤波器去噪效果明显，且保留了原信号的细节特征，具有较高的使用价值[2-3]。
1 消除趋势项在振动测试中采集到的振动信号数据，由于放大器随温度变换产生的零点漂移、传感器频率范围外低频性能的不稳定以及传感器周围的环境干扰，往往会偏离基线，甚至偏离基线的大小还会随时间变化。
振动信号的预处理方法
振动信号的预处理方法@ 去趋势项@ 五点三次平滑法1，去趋势项(detrending)在振动测试中采集到的振动信号数据，由于放大器随温度变化产生的零点漂移、传感器频率范围外低频性能的不稳定以及传感器周围的环境干扰等，往往会偏离基线，甚至偏离基线的大小还会随时间变化。
偏离基线随时间变化的整个过程被称为信号的趋势项。
趋势项直接影响信号的正确性，应该将其去除。
常用的消除趋势项的方法是多项式最小二乘法。
在MATLAB中提供detrend()函数进行去趋势项操作，但只能去除均值和线性趋势项，所以如果使用该函数进行操作，即承认传感器所含趋势项是线性的。
如果认为趋势项是非线性的，则需要用polyfit()和ployval()组成的函数进行操作（如:Liu_detrend(t,y,m)）。
在实际振动信号数据处理中，通常取1~3次多项式来对采样数据进行多项式趋势项消除的处理。
-------------------------------------------------------------- function y2 = Liu_detrend(t,y,m)temp = polyfit(t,y,m); %t为时间序列，y为信号,m为拟合多项式的次y2 = y - polyval(temp,t);--------------------------------------------------------------2，五点三次平滑法(cubical smoothing algorithm with five-point approximation)五点三次平滑法可以用作时域和频域信号平滑处理。
该处理方法对于时域数据的作用主要是能减少混入振动信号中的高频随机噪声。
而对于频域数据的作用则是能使谱曲线变得光滑，以便在模态参数识别中得到较好的拟合效果。
需要注意的一点是频域数据经过五点三次平滑法会使得谱曲线中的峰值降低，体形变宽，可能造成识别参数的误差增大。
储粮害虫微弱声信号特征提取与分析
储粮害虫微弱声信号特征提取与分析
储粮害虫微弱声信号特征提取与分析
提取了5种主要储粮害虫微弱爬行声信息,采用现代数字信号处理新方法,建立特征模式识别.通过对声信号时域和频域2方面的分析,发现了不同储粮害虫声信号间差异,时域信号的差异表现为声脉冲的不同,频域信号的差异表现为功率谱幅值和主要频域范围的'不同,信号间差异与害虫爬行速度快慢有关,并与害虫体重有关,体重大的害虫具有较大的振动能量.5种害虫时域及频域信号的差异是害虫种类差异的表现,这一差异揭示出不同种类害虫声信号的本质特征.本研究内容为有针对性地采取灭虫措施提供了依据,有利于及早确定防治对策,降低储粮损失.
作者：郭敏尚志远白雅 GUO Min SHANG Zhi-yuan BAI Ya 作者单位：郭敏,GUO Min(陕西师范大学,计算机科学学院,陕西,西安,710062)
尚志远,白雅,SHANG Zhi-yuan,BAI Ya(陕西师范大学,应用声学研究所,陕西,西安,710062)
刊名：云南大学学报（自然科学版）ISTIC PKU 英文刊名：JOURNAL OF YUNNAN UNIVERSITY(NATURAL SCIENCES EDITION) 年，卷(期)：2006 28(6) 分类号：S5 关键词：声信号时域特征频域特征储粮害虫。
《随机信号分析基础》课程分层教学方法研究与探索
《随机信号分析基础》课程分层教学方法研究与探索摘要：《随机信号分析基础》课程分层教学方法能够激发学生学习兴趣，调动学生学习的主动性和积极性，提高学生分析问题、解决问题的综合能力。
本文从兴趣激发、基础知识趣讲与梳理及专业知识与案例穿插角度分析了分层教学方法的必要性。
关键词：随机信号分析、分层教学、教学改革0 引言《随机信号分析基础》课程是高等院校通信、电子信息类专业课程体系中的核心专业基础课程[1-2]。
随机信号分析是随机与信号分析的结合，随机性的分析运用概率论的理论，信号分析运用信号与系统理论。
《随机信号分析基础》课程概念多、公式多、理论性强、内容抽象，不易学习和理解，是课堂教学的难点[3]。
传统教学以课堂概念讲解与公式推导为主，难以激发学生学习的动力与创新思维能力，且在学习过程中，学生易产生畏难情绪，学习效果将大打折扣。
因此，必须探索新的教学方式、方法，激发学生的学习兴趣，培养学生迎难而上的科研精神，提高课程的教学效果。
1 课程的重要性随机信号分析与处理是一门研究随机信号的特点与规律的学科，它广泛应用于雷达、通信、自动控制、随机振动、地震信号处理、图像处理、气象预报、生物电子等领域。
近几年来，随着现代科学技术，特别是信息科学技术的发展，随机信号处理已是现代信号处理的重要理论基础和有效方法之一。
随着现代化发展的需要，掌握这套方法，已不仅仅是我们通信、信息类专业的要求，也已成为所有科技领域、金融、管理、生物医学等许多专业的需要。
随机信号是通信、信号与信息处理、自动控制等学科领域必须研究的信号形式。
比如通信电子信息类专业的后修课程中需要对随机信号进行处理的课程有：通信原理、雷达原理、现代数字信号处理、信息论、图像信号处理、语音信号处理、线性控制系统等课程。
图1 信息工程学院信号分析与处理课程体系结构2 教学方法探讨从知识授予意义上讲，教师是学生学习的引领者，教师既要带领学生尽快融入课程的学习中，也要鼓励学生表达自己对知识的不同理解，提出自己的看法与见解。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
视其 情况不 同分别对待 。
｛） 线性 同归（ ３ 即最小二 乘 １ ｘ 于上述方法 ， ｔ 时刻前的数据 。＿ ｌ ｊ 在
２ 非 时变数 据 中干扰数 据 的剔 】
由于对非时变 数据可 以实施 反复测量 ， 以及剔除粗差后 可以降低外 界干扰 因素对测试结果 的影响 。 因此 只考虑剔除干扰 值 ， 而不需用 预测
Ｉ
一 ：
＝
ｌ 一３
∑ ｈ （ ）
ｊ 一
∑ ＋ Ｉ ６ 一
（ ５
令ｔ： 簪 ０ 理 方 ０Ｕ：． 得 程 ， ，Ｕ 整 ｔ
｝ ＋ ∑Ｘｊ ｒ ：∑ 。 ｂ ｆ
ｉ
（） ６
３ 时变 数据 中干扰数 据 的剔 除与取 代
对时变数据 ， 不易采用反复测试 以检验测 试结果 的正确性 。 因此 ， 在 全部数据 复原时 ，不仅必 须把因受到干 扰而产生 的虚假 的数值检测 出 来， 还必须补上一个合 理的数 值 ， 这一数值是通过预测方法来得到的。 设
论 值为 （ ，矗一 。－ ，一 ， ） ３ ｋ ２ ｊ 琊么 目标 萌数为
一
值取代 异常值 ， 从而使数据处理过程 简化 。
在此情况下 ， 判别粗大误 差数 据 的准 则有 莱 以特 准则（ ８ 、 ３ ）罗曼诺 夫斯 基准则、 罗布斯 准则和狄克松准则等 ， 中 ３ 格 其 ８准则适用测量 次数 较多 的测量 列 ， 一般情况 的测量次数 皆较少 ， 因而这 种判 别准则 的可靠
性不 高 ， 但它使 用简便 、 不需查 表 ， 故在 要求测 量结果 不高 时经常应 用 它。 对测量次数较少 而要求较 高的测量列 ， 应采用罗曼诺夫斯基准则 、 格
罗布斯准则或狄克松准则等 ，而其 中以格罗布斯准则 的可靠性 最高 ， 通 常测量次数 ｎ ２ ～ ０ ， ＝ ０ １０ 其判别效果较好 。当测量 次数很小时 ， 可采 用罗 曼诺 夫斯基准则。若需要 从测量列 中迅速判别 含有粗大误差 的测得 值 ， 则可采用狄克松准则。
的干扰 值以及平滑处理 。 众所周知 ， 在实时数据采集过程 中由予现场的彳 种复杂情｝ 常 孚 兕常
使顶测疆差过大。这 伟方法满 足役多的测屠情 。 （） ２ 多项式 逼近。当采详频 率低于物 量最高频率 ｊ 倍时 ， ０ 用万法 （ ） 的精度变差了， ｉ琐测 此时可 以用 前三点构成二次ｊ 线来预测本点。 ｉ “ 没 测量序列前三点为ｌ ＃ ， ） （
： ａ２ｂ ｃ ＝ｔ ＋ 刚有 ：
）（ 、 ）满 足二次曲线方程 ， ， 瓤 ￡
（） ２
ｌ Ｉ ｆ ． １
、 － ： “ ＋ ｃ
ｔ） ３
采集 到的数据不是其真实值 。 例如各种干扰信号的叠加、 电源 的突变 、 嚣 据远程发送过程 中的改变等 ， 都会使 数据偏 离其真实值。 出于这些随机 干扰 的影响 ， 采集到 的数据 含有粗大误差 ， 大误差将会使后 续分析 使 粗 带来很 多麻烦甚至使数据处理无法 进行 下去。因此 ， 应设法将这些糕大 误 差检测 出来 ， 必要时还要 用合理值取代 它们 ， 而使数据 处理得 以正常 进行 。 根据测量 数据 的特点 ， 测量数据一般可分为非时变数据（ 即被诨 物 ４ 理量 是常数 的多次测量数据 ） 和时变数据 （ 态测 萤时的数 据 ） 动 两种 ， 将
都认为是 确测 精得 的 ， ｉ为足真值 。实际上 ， 即 凡 测量是存 在误 差的。 对 于测量误差很小 的情况 ， 采用方 法（ ） １ 及方法 （ ） 比较台适 鲋 ， 越 ２是 但
于测量 漫差较大 的数据 ， 采用 ＿述方法时的预测误差 常常较大 。 七 此时 ， 我
们可利用 阿儿点数熬来拟合直线或 ｝线 ， 艳 然后 预测 。…般 在壳分满足采 样定理的情况下 ， 曲线次数 ｎ ｌ２ ３ ＝ ， 或 即可 。拟合 的方 法一般 是最４ － ￣２ ７ － 乘（ 加权 。 法 例如划 嘲前一点数挺（ ）（￣ ￡ ，ｘ ｔ 柬拟合一 ， ￣ （ｋ ） Ｘ２ － 次曲线 ６ 以预 测 “时杰 敬掘 乱。设按公式 ｘ ａ ｂ ＝＋用 ＝ｔ 计算 得到的理 ＋
ｌ：＋ｔ ¨ ｂ ≈ ３ ¨＋
凼式（ ３ 可 得特定 系放 。 ６ 则 由式 （ ， ２ 可预测 “ 时刻值为
；ｎ ｃ ｔ ＋ ： ６
（） ４
癌验 明 ，这种 澳 方法 在采样颇率 物 理量最高 频摩 ６ 以上 ！ 匈 倍 时。 具有足够精度 研理 ， 对予采样频率更低的数摄 ， 采用更 高次曲线 可
维普资讯
科技情报开发与经济
文章编 号：０ ５ ６３ （０ ７）８ ０ ０ — ３ １０ — ０ ３２ ０ １— ２ １ ０
Ｓ１Ｔ Ｃ Ｆ Ｒ Ａ ＩＮＤ Ｖ Ｌ Ｐ Ｅ Ｔ＆Ｅ Ｏ Ｏ ＇ Ｃ－ Ｅ ＨＩ Ｏ Ｍ ＴＯ Ｅ Ｅ Ｏ Ｍ Ｎ Ｎ Ｃ Ｎ ＭＹ
２０ 年 ０７
第 ｌ卷 ７
第 １ 期 ８
收缡 日期：０ ７ ０ — ６ ２０－ ３２
蚕蛹随机振动信号及噪声信号的预处理研究
潘言全
（ 湖北师范学院物理系 ， 湖北黄石 ，３０ ０ ４５０ ）
摘
要 ： 出了一种 处理 蚕茧随机振动 以厦 噪声信号数据 的方法 ， 提 探讨 了如何 剔除蚕
蛹 随 机振 动 信 号 的 干扰 声信号 ； 蛹 蚕 中图分类号 ： Ｂ ３ Ｔ ５ 文献标识码 ： Ａ
验证明 ， 数据的采样频率 应是物理 量变化最高频率 的 ｌ 倍 以上 ． 鲺 ０ 才不
１ 数 据处 理简述
在生产 实践与科学实 验中 ，经常会 遇到将测量数 据进行处理 的情 形。 数据处理过程通常包括 ： 数据转换（ 复成原来 的物理量形式 ）消除 恢 ， 误差 （ 剔除奇异值 、 平滑 、 滤波等 ｊ变换加工（ ， 求均 值或傅立叶变换等 ） 。 “ 本 文主要讨论 在测 量数据处理 过程中如 何剔 除与取代数据采集 系统 甲