CN108332971B - 一种列车轴承声波截取及拼接方法 - Google Patents
一种列车轴承声波截取及拼接方法 Download PDFInfo
- Publication number
- CN108332971B CN108332971B CN201810198999.3A CN201810198999A CN108332971B CN 108332971 B CN108332971 B CN 108332971B CN 201810198999 A CN201810198999 A CN 201810198999A CN 108332971 B CN108332971 B CN 108332971B
- Authority
- CN
- China
- Prior art keywords
- bearing
- acoustic
- sound
- microphone
- train
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种列车轴承声波截取及拼接方法,包括:步骤1,基于由多个指向性传声器组成的线形传声器阵列和声学车轮传感器,截取列车单个轴承经过每个传声器的轴承声信号波;步骤2,对截取的轴承声信号波进行自适应小波降噪;步骤3,对同一轴承经过每个传声器的轴承声信号波进行拼接,得到每个轴承完整周期的轴承声信号波。本发明能够为列车轴承诊断提供完整而干净的单个轴承波形数据,提高轴承故障诊断的识别率。
Description
技术领域
本发明属于列车轴承故障诊断技术领域,尤其涉及一种列车轴承声波截取及拼接方法。
背景技术
通过轨边声学诊断系统进行轴承故障诊断,需要输入经过预处理的波形数据到故障诊断程序对轴承故障状态做出综合诊断,能否为列车轴承诊断提供完整而“干净”的单个轴承波形数据,是能否保证在线轴承故障诊断识别率的关键。因此,需要一种列车轴承声波截取及拼接方法,以提供完整而“干净”的单个轴承波形数据。
发明内容
为了解决上述技术问题,本发明的目的是提供一种列车轴承声波截取及拼接方法,以保证经过声学监测站的列车上的每一个轴承旋转一圈的声音数据的完整性和连贯性。
本发明提供了一种列车轴承声波截取及拼接方法,其特征在于,包括:
步骤1,基于由多个指向性传声器组成的线形传声器阵列和声学车轮传感器,截取列车单个轴承经过每个传声器的轴承声信号波;
步骤2,对截取的轴承声信号波进行自适应小波降噪;
步骤3,对同一轴承经过每个传声器的轴承声信号波进行拼接,得到每个轴承完整周期的轴承声信号波。
进一步地,步骤1中,线形传声器阵列对位布置于铁轨的近端和远端两侧,用于采集经过列车两侧的轴承声信号;两个声学车轮传感器分别靠近传声器阵列两端的传声器布置,用于辅助采集轴承声信号。
进一步地,该步骤1包括:
根据声学车轮传感器采集到的轴承声信号波形图得到所有轴承经过声学车轮传感器的时刻;
基于所有轴承经过声学车轮传感器的时刻,对轴承经过每个传声器中心线时的信号波进行分离,截取轴承声信号波。
进一步地,声学车轮传感器采用磁车轮传感器,并基于状态机的车轮检测方法检测车轮信号,以完成轴承声信号的辅助采集。
进一步地,基于状态机的车轮检测方法包括:
对每个车轮信号的检测采用如下状态:空闲、找到极小值、找到过零点、找到极大值及找到车轮信号。
进一步地,该步骤2包括:
根据设定的前提条件对各传声器通道分解后的数据进行互相关计算;
将互相关系数的门限设为0.3,当该层各通道的互相关系数小于0.3时,将该层确定为噪声层;
提取所有噪声层并进行数据重构,得到噪声数据;
将噪声数据输入自适应滤波器进行噪声抑制。
进一步地,前提条件为:各通道的环境噪声不相关或无限接近于不相关,小波分解后噪声数据所在的层各通道不相关或无限接近于不相关。
进一步地,步骤1中,线形传声器阵列每个传声器的声信号采集界限在边缘部分具有重叠。
进一步地,该步骤3包括:
采用时域平滑法对拼接波形进行处理。
与现有技术相比本发明的有益效果是:能够为列车轴承诊断提供完整而干净的单个轴承波形数据,提高轴承故障诊断的识别率。
附图说明
图1是本发明一种列车轴承声波截取及拼接方法的流程图;
图2是声学监测站的结构框图;
图3是本发明轨边传感器分布及传声器采集范围示意图;
图4是图3中传声器采集范围的侧面视图;
图5是本发明车轮磁信号波形图;
图6是本发明车轮信号检测流程;
图7是本发明一列64个车轮的客车经过4号传声器中心线时刻图;
图8是本发明基于小波分解的自适应噪声抑制算法流程图;
图9是6通道传声器直接拼接后轴承信号波形图;
图10是直接拼接后3阶小波包分解时频图;
图11是本发明波形时域平滑拼接流程图;
图12是本发明时域平滑拼接后的完整周期轴承信号波形图;
图13是本发明时域平滑拼接后小波包分解时频图上波形图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
本实施例提供了一种列车轴承声波截取及拼接方法,首先通过声学监测站的声学传感器阵列多个传声器被动接收列车行驶时滚动轴承发出的声音,并将每个运动轴承经过每个传声器时发出的声音截取下来,然后利用多个通道的传声器数据对截取波形进行自适应小波降噪,最后将每个传声器上采集的每个轴承降噪后的波形进行完整拼接,以保证经过声学监测站的列车上的每一个轴承旋转一圈的声音数据的完整性和连贯性。
参图1所示,该列车轴承声波截取及拼接方法包括:
步骤S1,基于由多个指向性传声器组成的线形传声器阵列和声学车轮传感器,截取列车单个轴承经过每个传声器的轴承声信号波;
步骤S2,对截取的轴承声信号波进行自适应小波降噪;
步骤S3,对同一轴承经过每个传声器的轴承声信号波进行拼接,得到每个轴承完整周期的轴承声信号波。
该列车轴承声波截取及拼接方法,能够为列车轴承诊断提供完整而干净的单个轴承波形数据,提高轴承故障诊断的识别率。
下面对本发明作进一步详细说明:
1、轴承声信号波形截取
由于列车行驶时发出声音的干扰声源较多,在多种声源声场叠加的基础上要求对轴承声源信号进行有效提取并抑制其它声源信号,因此线阵列的传声器单元需要加指向性声学腔的方式实现对轴承声信号的指向性采集,即指向性传声器正面70°(左右各35°)声场角内的信号衰减小,而声场角外的信号大大衰减,从而保证车轮上的轴承经过指向性传声器时发出的声音能够被采集,而分布在其他部分的干扰噪音会被抑制。
参图2所示,声学监测站系统一般由以下部分组成:主控系统1、车号识别系统2、数据采集故障诊断系统3、近端传声器阵列4、远端传声器阵列5、车轮传感器组6、4G通信模块7。
其中,主控系统1统一调配系统工作流程;车轮传感器组6包含6个磁车轮传感器,其中两个作为声学车轮传感器用于辅助轴承声信号的采集,分别距离传声器线阵列两端传声器1.5米,两个用于双向接车的开机车轮传感器,分别距离两个声学车轮传感器60米,两个用于车号识别;两组传声器阵列每组由6个传声器组成线阵,两个线阵分别对位布设在铁轨的近端和远端两侧,完成对轴承声信号的采集;车号识别系统采用AEI设备完成对货车和客车的车号识别,采用双平面摄像头完成动车车号的识别;4G通信设备完成融合报文的上传。
参图3及图4所示,图3中,301为列车轨道;302为AEI车轮传感器;303为第一开机车轮传感器;304为第二开机车轮传感器;305为第一声学车轮传感器;306为第二声学车轮传感器。图中尺寸单位为mm。
每个声学监测站采用两个线形传声器阵列分别布置在铁轨的两侧,对经过列车两侧的滚动轴承发出的声音同时进行拾取,每个传声器阵列由6支指向性传声器组成,单个传声器的“声界”值大约为1.57m,即在铁轨上传声器中心线左右各0.784m的范围轴承声音信号能够被拾取。轴承波形截取就是将运动轴承经过每个传声器中心线时的信号波形分离出来,截取的时间窗长度跟“声界”值有关。具体来说是由传声器距铁轨外侧的距离,传声器指向性范围以及轴承运动速度决定。
根据图3传感器分布图,截取的时间窗长度为:
1.12×tan(35°)×2/v;
其中,v为轴承运动速度,可由轴承通过前后两个磁车轮传感器的时刻计算得出。
轴承通过传声器中心线的时刻,可由该轴承通过前后两个磁车轮传感器的时刻以及传声器与车轮传感器的位置关系得到,并同步叠加在声数据波形图上。
因此波形截取的技术关键是根据车轮传感器采集的波形图检测出所有轴承经过该车轮传感器的时刻,为了减少杂波干扰的影响,降低虚警率和漏警率,本实施例采用基于状态机的方法进行车轮检测。
采用磁传感器作为车轮检测传感器,当列车车轮经过磁传感器时会产生磁信号,利用该磁信号可以对列车是否到来进行检测。图5中所示为1个车轮传感器拾取到的4个车轮信号,为了有效的检测到车轮信号,本实施例采用了基于状态机的车轮检测方法,对每个车轮信号的检测采用5个状态:①空闲、②找到极小值、③找到过零点、④找到极大值、⑤找到车轮信号。
基于状态机的车轮检测算法流程如图6,自空闲状态①开始,逐点检测,当某点信号满足条件1时找到极小值点进入状态②,tpos(-1)表示上一个车轮的位置,f表示本次极小值点与上一个车轮位置的采样点数差值,如果是检测列车的第一个车轮没有f>5000;自状态②开始逐点检测,当某点信号满足条件2时找到过零点,进入状态③,d1表示检测点与极小值点之间采样间隔,当d1>4000时还没有找到满足条件2的点,返回状态①;自状态③开始逐点检测,当某点信号满足条件3时找到极大值点,进入状态④,d2表示检测点与过零点之间的采样间隔,当d2>4000时时还没有找到满足条件3的点,返回状态①;当状态④有效时,记录状态③过零点的位置作为车轮到来的时刻,返回状态①继续检测下一个车轮的到来。检测出一列火车的所有车轮的位置后,根据每个传声器与车轮传感器的距离,可以得到每个车轮(轴承)经过单个传声器中心线的位置,并叠加在声波形数据图上,如图7所示。最后可在轴承经过传声器中心线位置左右各取半声界值长度分离出单个轴承的波形数据。
2、自适应小波降噪
列车经过传声器阵列时,各种结构和机械的摩擦、振动以及列车刹车时会产生较大干扰,信号信噪比将大幅度降低,严重影响车轮轴承的故障诊断,为了对干扰噪声进行有效抑制,本实施例采用了基于小波分解的自适应噪声抑制技术。
小波基采用db6小波。首先对传声器阵列各阵元采集到的目标声信号进行6层小波分解,对各层数据进行单独重构。前提条件为:各通道的环境噪声不相关或是相关性很小,小波分解后噪声数据所在的层各通道也不相关或是相关性很小。根据此前提条件对各通道分解后的数据进行互相关计算,互相关系数的门限为0.3,当该层各通道的互相关系数小于0.3时,认为该层为噪声层,提取所有噪声层并进行数据重构,得到噪声数据,将噪声数据输入通用的自适应滤波器进行噪声抑制,算法流程如图8所示。
3、滚动轴承波形拼接
利用每个线形声阵列采集到列车轴承声信号依次包含了6个通道的信号,每个通道都采集了这次列车所有轴承声信号,由于采用了指向性声学腔,对于每个轴承,经过波形截取后,单个通道只采集到了其转动周期的片段。即本实施例将单个轴承经过每个传声器的波形截取下来,但是由于列车运动速度较快,使得轴承在经过单个指向性传声器的“声界”范围内,并不能完整地转动一圈,也就是说单个通道只采集到了其转动周期的片段。由于轴承的转速与车轮的直径和列车运动速度有关,有如下公式:
r=v/(π×D);
r为车轮或轴承的转速,v为列车行驶速度,D为车轮直径,取v=16.66m/s(即60km/h),D取0.9m,则轴承内圈转速约为每秒5.9圈,图3中,传声器的“声界”值约为1.568m,则指向性传声器实际只采集到轴承内圈运转1.568/16.66*5.9=0.55圈的声音数据,此外轴承内圈运转2圈,滚子公转1圈,单个传声器只采集到轴承滚子公转0.23圈的数据。故单个指向性传声器采集的轴承声音信号不完整,需要利用拼接算法对同一个轴承声信号各个片段进行拼接,得到每个轴承完整周期的声信号。
要得到1个轴承完整转动周期的声信号首先需要通过上述方法将每个通道的采集的片段分离出来,然后按照一定的规则对这些片段进行拼接成1个轴承完整周期的声信号。
在设计整个传声器阵列时,为了最终信号拼接的完整性,每个传声器的“声界”在边缘部分有重叠,重叠的长度为传声器声界值减去两个传声器横向之间距离,在图3上重叠部分长度为0.368m。
将每个波形片段按顺序拼接起来组成完整周期波形进行输出,如果把它们直接拼接起来而不做任何处理,在拼接边界处由于数据的不连续会产生一些噪声,如图9所示。同时在频域上也会有突变,如图10的3阶小波包分解的时频图上,会在多个子频带拼接接缝处产生信号突变。此外连接处波形重叠会产生冗余,也不利于最终的轴承诊断。
因此,多通道波形片段在拼接时要进行平滑,以有效地消除边界处的不连续,这对改善多通道合成波形的自然度有很重要的作用,同时避免引入虚假的频率成分。
为了减少拼接点处的失真和突变,本实施例采用时域平滑法对拼接波形进行处理,具体算法如下:
S(n)=λS1(n)+(1-λ)S2(n)n=0,1...R-1
算法流程图如图11所示:
同一轴承的6个通道波形片段经过时域平滑后变得连贯、流畅,并且消除了拼接接缝处的失真和突变,平滑拼接后的效果如图12、图13所示。
本实施例提供的列车轴承声波截取及拼接方法,可为轴承声学故障诊断提供干净和完整的波形数据,提高在线轴承故障诊断的识别率,是声学诊断系统轴承故障诊断前必不可少的一种预处理手段。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (5)
1.一种列车轴承声波截取及拼接方法,其特征在于,包括:
步骤1,基于由多个指向性传声器组成的线形传声器阵列和声学车轮传感器,截取列车单个轴承经过每个传声器的轴承声信号波,包括:
根据所述声学车轮传感器采集到的轴承声信号波形图得到所有轴承经过所述声学车轮传感器的时刻;
基于所有轴承经过所述声学车轮传感器的时刻,对轴承经过每个传声器中心线时的信号波进行分离,截取轴承声信号波;
步骤2,对截取的轴承声信号波进行自适应小波降噪,包括:
根据设定的前提条件对各传声器通道分解后的数据进行互相关计算;所述前提条件为:各通道的环境噪声不相关或无限接近于不相关,小波分解后噪声数据所在的层各通道不相关或无限接近于不相关;
将互相关系数的门限设为0.3,当该层各通道的互相关系数小于0.3时,将该层确定为噪声层;
提取所有噪声层并进行数据重构,得到噪声数据;
将噪声数据输入自适应滤波器进行噪声抑制;步骤3,对同一轴承经过每个传声器的轴承声信号波进行拼接,得到每个轴承完整周期的轴承声信号波;包括:采用时域平滑法对拼接波形进行处理,具体步骤如下:
依据“声界”和轴承运动速度对每个轴承片段进行截取,获得经过每个指向性声学腔的轴承的通道声信号波形片段S(i,j);其中,所述“声界”为铁轨上的指向性传声器的中心线左右两侧能够拾取轴承声音信号的范围;所述指向性声学腔为指向性传声器所形成的腔体,采用所述指向性声学腔,对于每个轴承,经过波形截取后,单个通道只采集到了轴承转动周期的通道声信号波形片段;
为第j个完整轴承的波形的声数据数组分配空间;
对经过每个指向性声学腔的轴承的通道声信号波形片段S(i,j)进行加窗处理;
判断i是否大于1,若i不大于1,则第j个轴承的完整声数据数组为每个指向性声学腔的轴承的通道声信号波形片段;若i大于1,则利用拼接算子对每个指向性声学腔的轴承的通道声信号波形片段进行拼接以获得第j个轴承的完整声数据数组;
判断声通道的数量是否等于线形传声器阵列的声通道数量,若声通道的数量等于线形传声器阵列的声通道数量,则继续判断当前第j个轴承的数值是否等于轴承的数量值,若是,则输出所有轴承的完整波形;若否,则继续从第一个声通道开始,依据“声界”和轴承运动速度对下一个轴承的每个轴承片段进行截取;
若声通道的数量不等于线形传声器阵列的声通道数量,则继续对下一个通道声信号波形片段进行加窗处理。
2.根据权利要求1所述的一种列车轴承声波截取及拼接方法,其特征在于,步骤1中,所述线形传声器阵列对位布置于铁轨的近端和远端两侧,用于采集经过列车两侧的轴承声信号;两个所述声学车轮传感器分别靠近所述传声器阵列两端的传声器布置,用于辅助采集所述轴承声信号。
3.根据权利要求1所述的一种列车轴承声波截取及拼接方法,其特征在于,所述声学车轮传感器采用磁车轮传感器,并基于状态机的车轮检测方法检测车轮信号,以完成所述轴承声信号的辅助采集。
4.根据权利要求3所述的一种列车轴承声波截取及拼接方法,其特征在于,所述基于状态机的车轮检测方法包括:
对每个车轮信号的检测采用如下状态:空闲、找到极小值、找到过零点、找到极大值及找到车轮信号。
5.根据权利要求1所述的一种列车轴承声波截取及拼接方法,其特征在于,步骤1中,所述线形传声器阵列每个传声器的声信号采集界限在边缘部分具有重叠。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810198999.3A CN108332971B (zh) | 2018-03-12 | 2018-03-12 | 一种列车轴承声波截取及拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810198999.3A CN108332971B (zh) | 2018-03-12 | 2018-03-12 | 一种列车轴承声波截取及拼接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108332971A CN108332971A (zh) | 2018-07-27 |
CN108332971B true CN108332971B (zh) | 2021-01-22 |
Family
ID=62929092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810198999.3A Active CN108332971B (zh) | 2018-03-12 | 2018-03-12 | 一种列车轴承声波截取及拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108332971B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110196166B (zh) * | 2019-05-28 | 2020-09-29 | 重庆邮电大学 | 一种滚动轴承高速运动滚动体的定位方法 |
CN111044288B (zh) * | 2019-12-31 | 2021-05-25 | 神州高铁技术股份有限公司 | 信号的获取方法、系统及存储介质、诊断系统、检测系统 |
CN111044140B (zh) * | 2019-12-31 | 2021-05-25 | 神州高铁技术股份有限公司 | 信号的获取方法、系统及存储介质、诊断方法、检测系统 |
CN111024219B (zh) * | 2019-12-31 | 2021-04-23 | 神州高铁技术股份有限公司 | 信号的获取方法、系统及存储介质、诊断方法、检测系统 |
CN111426478A (zh) * | 2020-04-09 | 2020-07-17 | 南京拓控信息科技股份有限公司 | 一种用于轨边声学诊断的声学传感器轨道布置方法 |
JP7442390B2 (ja) * | 2020-06-01 | 2024-03-04 | 株式会社日立ビルシステム | 軸受検査装置及び軸受検査方法 |
CN113727245A (zh) * | 2021-07-14 | 2021-11-30 | 国网江苏省电力有限公司电力科学研究院 | 一种基于传声器阵列的gis声学信号提取方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105258785B (zh) * | 2015-10-20 | 2018-02-16 | 中国电子科技集团公司第三研究所 | 声学监测站、车轮检测方法和列车轴承故障被动声学诊断系统 |
CN105865788A (zh) * | 2016-04-07 | 2016-08-17 | 成都铁安科技有限责任公司 | 一种用于列车轴承缺陷在线监测的阵列声学检测方法 |
CN106908241A (zh) * | 2017-02-23 | 2017-06-30 | 北京工业大学 | 一种基于lmd与小波去噪相结合的轴承故障判别方法 |
-
2018
- 2018-03-12 CN CN201810198999.3A patent/CN108332971B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108332971A (zh) | 2018-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108332971B (zh) | 一种列车轴承声波截取及拼接方法 | |
Zhang et al. | Adaptive fault feature extraction from wayside acoustic signals from train bearings | |
CN105258785B (zh) | 声学监测站、车轮检测方法和列车轴承故障被动声学诊断系统 | |
CN104908688B (zh) | 车辆主动降噪的方法及装置 | |
Wang et al. | Optimization of segmentation fragments in empirical wavelet transform and its applications to extracting industrial bearing fault features | |
EP1818909B1 (en) | Voice recognition system | |
CN107402131B (zh) | 一种基于轨边声学信号时频脊线的高速列车运动参数识别方法 | |
Zhang et al. | Multi-bearing weak defect detection for wayside acoustic diagnosis based on a time-varying spatial filtering rearrangement | |
CN107228282B (zh) | 一种天然气管道泄漏定位方法和装置 | |
CN111582160B (zh) | 基于分布式光纤传感系统的车辆轨迹提取方法及装置 | |
Yi et al. | Mechanical compound faults extraction based on improved frequency domain blind deconvolution algorithm | |
CN110703150B (zh) | 基于声振耦合信号的变压器内部故障检测与定位方法 | |
CN109805954B (zh) | 一种电子听诊器的摩擦音干扰自动消除方法 | |
CN113267286B (zh) | 铁路弓网接触力识别方法及装置 | |
CN110426569A (zh) | 一种变压器声信号降噪处理方法 | |
He et al. | Trackside acoustic detection of axle bearing fault using wavelet domain moving beamforming method | |
CN114492196B (zh) | 基于简正波能量比理论的故障快速检测方法及系统 | |
Reza Asadi Asad Abad et al. | Discrete wavelet transform and artificial neural network for gearbox fault detection based on acoustic signals | |
CN110909827A (zh) | 一种适用于风机叶片声音信号的降噪方法 | |
CN106933230B (zh) | 用于机器人跟踪与避障的超声波传感器系统的控制方法 | |
CN106054028A (zh) | 一种基于时域特征和小波分析的电缆故障自动测距方法 | |
CN208157054U (zh) | 一种降噪设备 | |
CN205406087U (zh) | 可用于汽车发动机故障识别的去噪系统 | |
CN116312635A (zh) | 一种融合机器识别和听觉脑机接口的声音目标探测方法 | |
CN107328870B (zh) | 超声波波形对应关系判别及叠加方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |