CN110596458A - Demon谱谐波线谱和基频自动估计方法 - Google Patents

Demon谱谐波线谱和基频自动估计方法 Download PDF

Info

Publication number
CN110596458A
CN110596458A CN201910642058.9A CN201910642058A CN110596458A CN 110596458 A CN110596458 A CN 110596458A CN 201910642058 A CN201910642058 A CN 201910642058A CN 110596458 A CN110596458 A CN 110596458A
Authority
CN
China
Prior art keywords
frequency
spectrum
line spectrum
line
harmonic
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.)
Granted
Application number
CN201910642058.9A
Other languages
English (en)
Other versions
CN110596458B (zh
Inventor
曾向阳
陆晨翔
黄擎
周治宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Northwest University of Technology
Original Assignee
Northwest University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwest University of Technology filed Critical Northwest University of Technology
Priority to CN201910642058.9A priority Critical patent/CN110596458B/zh
Publication of CN110596458A publication Critical patent/CN110596458A/zh
Application granted granted Critical
Publication of CN110596458B publication Critical patent/CN110596458B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/165—Spectrum analysis; Fourier analysis using filters

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种DEMON谱谐波线谱和基频自动估计方法，属于水下人造目标辐射信号分析领域。该方法先根据用户设置好的线谱能量阈值从极大值中选出满足条件的线谱，然后进行线谱过滤。按照线谱频率大小进行排序，从最低频率的线谱开始，是否存在具有整数倍频率关系的谐波，如果存在，并且包含3根或以上的线谱，则将它们作为一组谐波线谱保存下来。接着再对低频率线谱的1/2，1/3，1/5，寻找具有整数倍频率关系的谐波。最后在得到的谐波组中，判断最低频率或者最低频率的1/2，1/3，是否都与该组谐波频率值具有整数倍关系，若满足整数倍关系，则估计最低频率或者其1/2，1/3为基频频率。该方法提高线谱判别正确率，同时实现程序自动化处理。

Description

DEMON谱谐波线谱和基频自动估计方法
技术领域
该方法可用于水下人造目标辐射信号分析领域，用于从目标辐射噪声的DEMON 谱中自动提取包含谐波关系的线谱，并估计基频，进而辅助判断目标类别。
背景技术
水下人造目标在运动时其螺旋桨旋转运动会被调制到中高频，在人造目标辐射噪声分析中，这部分调制信号可通过包络谱解调的方法进行提取和分析，由此产生了 DEMON谱分析技术。典型的DEMON谱中包含具有谐波关系的线谱，可以从线谱的谐波关系中可以分析出水下人造目标的轴频和叶频的关键技术参数，这对于水下装备的自动化和智能化信号处理都有重要的价值。目前DEMON谱线谱和基频估计主要由声纳兵结合DEMON谱进行人工经验判断，随着装备朝着自动化，智能化和人机交互结合的方向发展，DEMON谱线谱和基频自动估计成为实际工程应用中需要解决的问题。基于最大公约数方法的谐波基频估计方法容易受到线谱所在频率位置微小位移的影响而导致误判，本方法在线谱估计时考虑其中包含的谐波关系，在自动估计线谱幅值阈值的同时，在线谱频率误差范围内寻找可能的倍频谐波，然后提取线谱进行计基频估计，提高线谱谐波与基频参数估计的正确率，并具有较高的实时性。
发明内容
本DEMON谱谐波线谱和基频自动估计方法先根据用户设置好的线谱能量阈值从极大值中选出满足条件的线谱，然后根据线谱谱线周围一定距离内的其他谱线幅值与谱线峰值间的差值阈值进行线谱过滤，线谱能量阈值和距离阈值设置可由用户自行设置。然后按照线谱频率大小进行排序，从最低频率的线谱开始，确定满足上述条件的线谱中，在误差满足0.2Hz的范围内，是否存在具有整数倍频率关系的2次，3次，4 次，5次，6次，7次谐波，如果存在，并且包含3根或以上的线谱，则将它们作为一组谐波线谱保存下来。接着再对低频率线谱的1/2，1/3，1/5，寻找具有整数倍频率关系的谐波。最后在得到的谐波组中，判断最低频率或者最低频率的1/2，1/3，是否都与该组谐波频率值具有整数倍关系，若满足整数倍关系，则估计最低频率或者其1/2， 1/3为基频频率。
本DEMON谱谐波线谱和基频自动估计方法的具体技术方案如下：
步骤1：选定合适频段(一般取600-4000Hz内的子频段)对采集到的人造目标辐射信号进行带通滤波。假设采集到的原始时域信号为x(n)，带通滤波器为fv1，经过带通滤波器滤波后得到信号x1(n)：
x1(n)＝filter(x2(n),fv1) (1)
上式中，filter为卷积滤波运算。
步骤2：通过希尔伯特变换或者绝对值运算求取信号x1(n)包络，得到信号包络 x2(n)。下式中，abs为取模运算，hilbert为希尔伯特变换。
x2(n)＝abs(hilbert(x1(n))) (2)
步骤3：采用低通滤波器对上一步得到的信号包络x2(n)进行低通滤波，得到低通滤波后信号x3(n)。下式中fv2为低通滤波器。
x3(n)＝filter(x2(n),fv2) (3)
步骤4：对上一步低通滤波后的信号x3(n)求取功率谱，得到DEMON谱结果x4(n)。具体的流程包括，首先对信号分帧加窗，每一帧信号时长至少取10秒或更多，若采样频率为fs，则帧长点数至少为10*fs，这样得到的谱分辨率至少达到0.1Hz。窗函数可取hamming窗或hanning窗等经典窗函数，相邻帧之间取一定的重叠，帧重叠率一般取50％。然后对各帧信号进行傅立叶变换，取其幅度谱，最后取平均得到DEMON谱结果x4(n)。取x4(n)中小于200Hz的频段部分，得到x5(n)。
步骤5：采用预白化(prewhiten)上一步得到的谱结果x5(n)进行去趋势处理，用于消除连续谱趋势对于线谱提取的影响。对x5(n)进行预白化趋势处理得到x6(n)，
x6(n)=detrend(x5(n)) (4)
步骤6：从DEMON谱中的所有极大值中，根据用户设置好的线谱能量阈值过滤出信噪比超过阈值的线谱，然后滤除超过带宽超过6dB/3Hz带宽阈值的线谱，并将这些线谱的频率进行排序，记线谱频率从低到高为f0,f1,f2,…,fN。
步骤7：从最低频率f0的线谱开始，依次找出f0频率的2倍次，3倍次，4倍次，5倍次，6倍次，7倍次的谐波频率，如果线谱中有距离这些倍次频率小于0.2Hz的线谱，则认为该线谱和频率为f0的线谱为一组谐波。若x6(n)中的线谱不包含这些倍次的频率，则再次计算各次频率处的能量，若这些倍次频率位置处也存在线谱，且能量阈值超出能量阈值限度的一半，则认为该线谱和频率为f0的线谱构成谐波关系。
步骤8：对频率f0，f1，f2的1/2，1/3，1/5按照步骤7寻找具有谐波关系的线谱。
步骤9：依次对频率f1到fN处按照步骤7和步骤8描述的谐波关系寻找线谱。将各个频率和其具有谐波关系的各高阶频次线谱组保存下来，每一个谐波线谱组应至少包含3组具有谐波关系的线谱。
步骤10：对于各组谐波线谱，先判断最低次频率是否与该组谐波线谱组的其他线谱频率值具有整数倍关系，如果满足该关系，则判断基频为此最低次频率。如果不满足，则依次判断最低频率的1/2，1/3，1/5是否与该组线谱的其他频率都具有整数倍关系。如果满足整数倍关系，则将相应频率作为基频估计结果。
有益效果
本发明可以根据谐波关系，自动估计线谱幅阈值，并在频率误差限内寻找倍频谐波，自动从DEMON谱中估计线谱和基频结果，提高线谱判别正确率，同时实现程序自动化处理。图3中展示了采用得到的DEMON谱线谱估计结果，其中蓝线为DEMON 谱谱线，红线为估计出的DEMON谱谐波线谱位置，其频率值分别为3.9Hz、7.9Hz、 11.8Hz、15.7Hz、19.7Hz和23.6Hz，进而估计出基频为3.9Hz。采用最大公约数方法估计的结果图如图4所示，由于频点误差导致无法正确估计以上正确频点位置，而估计出2.95Hz，11.8Hz，23.6Hz三组倍频成分，进而估计出错误的基频2.95Hz。
附图说明
图1是实施例中DEMON谱谐波线谱和基频自动估计过程流程图。
图2DEMON谱谐波线谱和基频自动估计过程具体实现过程流程图。
图3是实施例中DEMON谱谐波线谱位置标记图。
图4是采用最大公约数方法估计的错误结果图。
图5是实施例步骤1中原始船信号波形图。
图6是实施例步骤3中滤波和包络提取结果图。
图7是实施例DEMON谱图
具体实施方法
以下对本发明的技术方案做进一步描述，但本发明并不限于这些实例。
步骤1：读取一段民船辐射噪声数据x(n)，时长10min，采样频率8000Hz。其波形图如图5所示。采用通带为1000Hz～3000Hz的FIR带通滤波器对原始数据进行滤波，得到滤波后的数据x1(n)。
步骤2：对x1(n)进行希尔伯特变换，并取abs绝对值，得到x2(n)。
步骤3：采用截止频率为1000Hz的FIR低通滤波器，对x2(n)进行滤波，得到x3(n)。结果图如图6所示。
步骤4：对x3(n)进行功率谱分析。功率谱分析参数取帧长10s，即80000个数据点，相邻帧之间重叠50％，即40000个数据点。各帧采用hamming窗加窗处理，然后对各帧信号进行傅立叶变换，取其幅度谱，最后取平均得到DEMON谱结果x4(n)。取x4(n)的前1000个数据点(100Hz以下的频段)部分，得到x5(n)。其结果图如图7 所示，可以看到其中包含具有多组具有谐波关系的线谱。
步骤5：采用预白化处理去除连续谱趋势项，得到x6(n)。
步骤6：设置线谱阈值10dB，从极大值中选取达到阈值条件的线谱。滤除超过带宽超过6dB/3Hz带宽阈值的线谱，并将剩余的线谱从小到大排列。
步骤7：从最小频率的线谱开始，寻找2，3，4，5，6，7次谐波关系的线谱，如果有3根或更多的线谱满足条件，则组成一组谐波线谱。若没有包含这些倍次的频率，则再次计算各次频率处的能量，若这些倍次频率位置处也存在线谱，且能量阈值超出能量阈值限度的一半，则也认为组成一组谐波线谱。
步骤8：从低频率线谱的1/2，1/3，1/5开始，寻找2，3，4，5，6，7次谐波关系的线谱，如果有3根或更多的线谱满足条件，则组成一组谐波线谱。若没有包含这些倍次的频率，则再次计算各次频率处的能量，若这些倍次频率位置处也存在线谱，且能量阈值超出能量阈值限度的一半，则也认为组成一组谐波线谱。
步骤9：依次对频率f1到fN处按照步骤7和步骤8描述的谐波关系寻找线谱。将各个频率和其具有谐波关系的各高阶频次线谱组保存下来，每一个谐波线谱组应至少包含3组具有谐波关系的线谱。
步骤10：判断谐波组中最低频率及其1/2，1/3，1/5是否都和其他谐波具有整数倍关系。若满足整数倍关系，则取此最低频率或者其1/2，1/3，1/5为基频。根据这一原则，从DEMON谱中估计出频率值分别为3.9Hz、7.9Hz、11.8Hz、15.7Hz、19.7Hz 和23.6Hz的倍频谐波线谱，并估计出基频为3.9Hz。

Claims (3)

1.DEMON谱谐波线谱和基频自动估计方法，其特征在于，包括如下步骤：
步骤1：选定合适频段对采集到的人造目标辐射信号进行带通滤波：假设采集到的原始时域信号为x(n)，带通滤波器为fv1，经过带通滤波器滤波后得到信号x1(n)：
x1(n)＝filter(x2(n),fv1) (1)
上式中，filter为卷积滤波运算。
步骤2：通过希尔伯特变换或者绝对值运算求取信号x1(n)包络，得到信号包络x2(n)：
x2(n)＝abs(hilbert(x1(n))) (2)
式中，abs为取模运算，hilbert为希尔伯特变换。
步骤3：采用低通滤波器对上一步得到的信号包络x2(n)进行低通滤波，得到低通滤波后信号x3(n)：
x3(n)＝filter(x2(n),fv2) (3)
下式中fv2为低通滤波器；
步骤4：对上一步低通滤波后的信号x3(n)求取功率谱，得到DEMON谱结果x4(n)；
步骤5：采用预白化(prewhiten)上一步得到的谱结果x5(n)进行去趋势处理，用于消除连续谱趋势对于线谱提取的影响。对x5(n)进行预白化趋势处理得到x6(n)：
x6(n)=detrend(x5(n)) (4)
步骤6：从DEMON谱中的所有极大值中，根据用户设置好的线谱能量阈值过滤出信噪比超过阈值的线谱，然后滤除超过带宽超过6dB/3Hz带宽阈值的线谱，并将这些线谱的频率进行排序，记线谱频率从低到高为f0,f1,f2,…,fN；
步骤7：从最低频率f0的线谱开始，依次找出f0频率的2倍次，3倍次，4倍次，5倍次，6倍次，7倍次的谐波频率，如果线谱中有距离这些倍次频率小于0.2Hz的线谱，则认为该线谱和频率为f0的线谱为一组谐波，若x6(n)中的线谱不包含这些倍次的频率，则再次计算各次频率处的能量，若这些倍次频率位置处也存在线谱，且能量阈值超出能量阈值限度的一半，则认为该线谱和频率为f0的线谱构成谐波关系；
步骤8：对频率f0，f1，f2的1/2，1/3，1/5按照步骤7寻找具有谐波关系的线谱；
步骤9：依次对频率f1到fN处按照步骤7和步骤8描述的谐波关系寻找线谱，将各个频率和其具有谐波关系的各高阶频次线谱组保存下来，每一个谐波线谱组应至少包含3组具有谐波关系的线谱；
步骤10：对于各组谐波线谱，先判断最低次频率是否与该组谐波线谱组的其他线谱频率值具有整数倍关系，如果满足该关系，则判断基频为此最低次频率，如果不满足，则依次判断最低频率的1/2，1/3，1/5是否与该组线谱的其他频率都具有整数倍关系，如果满足整数倍关系，则将相应频率作为基频估计结果。
2.如权利要求1所述的DEMON谱谐波线谱和基频自动估计方法，其特征在于，所述步骤1中的合适频段指的是600-4000Hz内的子频段。
3.如权利要求1所述的DEMON谱谐波线谱和基频自动估计方法，其特征在于，所述步骤4中得到DEMON谱结果x4(n)的具体的流程为：首先对信号分帧加窗，每一帧信号时长至少取10秒或更多，若采样频率为fs，则帧长点数至少为10*fs，这样得到的谱分辨率至少达到0.1Hz。窗函数可取hamming窗或hanning窗等经典窗函数，相邻帧之间取一定的重叠，帧重叠率一般取50％。然后对各帧信号进行傅立叶变换，取其幅度谱，最后取平均得到DEMON谱结果x4(n)。取x4(n)中小于200Hz的频段部分，得到x5(n)。
CN201910642058.9A 2019-07-16 2019-07-16 Demon谱谐波线谱和基频自动估计方法 Active CN110596458B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910642058.9A CN110596458B (zh) 2019-07-16 2019-07-16 Demon谱谐波线谱和基频自动估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910642058.9A CN110596458B (zh) 2019-07-16 2019-07-16 Demon谱谐波线谱和基频自动估计方法

Publications (2)

Publication Number Publication Date
CN110596458A true CN110596458A (zh) 2019-12-20
CN110596458B CN110596458B (zh) 2021-02-02

Family

ID=68852782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910642058.9A Active CN110596458B (zh) 2019-07-16 2019-07-16 Demon谱谐波线谱和基频自动估计方法

Country Status (1)

Country Link
CN (1) CN110596458B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111735525A (zh) * 2020-05-28 2020-10-02 哈尔滨工程大学 一种适用于无人声纳的demon谱特征提取方法
CN113887450A (zh) * 2021-10-09 2022-01-04 中国人民解放军91977部队 基于调制谱特征的水中目标在线筛选方法
CN116679121A (zh) * 2023-06-05 2023-09-01 国网江苏省电力有限公司镇江供电分公司 一种基于多分辨率希尔伯特黄变换的配电网电能计量方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3017327A1 (de) * 1980-05-06 1981-11-12 Nippon Seiko K.K., Tokyo Einrichtung zur analyse von harmonischen schwingungen
DE4220429A1 (de) * 1992-06-24 1994-01-05 Atlas Elektronik Gmbh Verfahren zur Detektion und/oder Klassifizierung eines propellerbetriebenen Fahrzeugs
US20030094936A1 (en) * 2001-10-09 2003-05-22 Nam Soon Yeol Method for measuring fundamental frequency component of fault current or voltage signal
CN101539597A (zh) * 2009-04-29 2009-09-23 哈尔滨工程大学 一种分辨具有相同频带辐射噪声的多目标方法
CN106093952A (zh) * 2016-08-15 2016-11-09 沈阳辽海装备有限责任公司 一种光点联合判断目标特性的方法
CN108303738A (zh) * 2018-02-05 2018-07-20 西南石油大学 一种基于hht-mfcc的地震声纹流体预测方法
CN108548957A (zh) * 2018-05-23 2018-09-18 西北工业大学 基于循环调制频谱和分段互相关相结合的双谱分析方法
CN108921014A (zh) * 2018-05-21 2018-11-30 西北工业大学 一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法
KR20190003130A (ko) * 2017-06-30 2019-01-09 한국전력공사 Hvdc ac필터 이상 검출 장치, 시스템 및 컴퓨터 판독가능 기록 매체
CN109444897A (zh) * 2018-09-13 2019-03-08 中国船舶重工集团公司第七〇五研究所 一种基于多特征的多阵航迹关联方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3017327A1 (de) * 1980-05-06 1981-11-12 Nippon Seiko K.K., Tokyo Einrichtung zur analyse von harmonischen schwingungen
DE4220429A1 (de) * 1992-06-24 1994-01-05 Atlas Elektronik Gmbh Verfahren zur Detektion und/oder Klassifizierung eines propellerbetriebenen Fahrzeugs
US20030094936A1 (en) * 2001-10-09 2003-05-22 Nam Soon Yeol Method for measuring fundamental frequency component of fault current or voltage signal
CN101539597A (zh) * 2009-04-29 2009-09-23 哈尔滨工程大学 一种分辨具有相同频带辐射噪声的多目标方法
CN106093952A (zh) * 2016-08-15 2016-11-09 沈阳辽海装备有限责任公司 一种光点联合判断目标特性的方法
KR20190003130A (ko) * 2017-06-30 2019-01-09 한국전력공사 Hvdc ac필터 이상 검출 장치, 시스템 및 컴퓨터 판독가능 기록 매체
CN108303738A (zh) * 2018-02-05 2018-07-20 西南石油大学 一种基于hht-mfcc的地震声纹流体预测方法
CN108921014A (zh) * 2018-05-21 2018-11-30 西北工业大学 一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法
CN108548957A (zh) * 2018-05-23 2018-09-18 西北工业大学 基于循环调制频谱和分段互相关相结合的双谱分析方法
CN109444897A (zh) * 2018-09-13 2019-03-08 中国船舶重工集团公司第七〇五研究所 一种基于多特征的多阵航迹关联方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YICHUAN WANG 等: "Application of Duffing oscillator in ship propeller blade number recognition", 《2016 IEEE/OES CHINA OCEAN ACOUSTICS (COA)》 *
ZHE CHEN 等: "SNR-based weighted fusion algorithm of multiple sub-band DEMON spectrum", 《2017 IEEE 2ND ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC)》 *
杨日杰 等: "基于序列匹配的螺旋桨轴频自动提取方法", 《振动与冲击》 *
路晓磊 等: "1(1/2)维谱在舰船辐射噪声线谱提取中的应用", 《舰船科学技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111735525A (zh) * 2020-05-28 2020-10-02 哈尔滨工程大学 一种适用于无人声纳的demon谱特征提取方法
CN113887450A (zh) * 2021-10-09 2022-01-04 中国人民解放军91977部队 基于调制谱特征的水中目标在线筛选方法
CN113887450B (zh) * 2021-10-09 2022-05-20 中国人民解放军91977部队 基于调制谱特征的水中目标在线筛选方法
CN116679121A (zh) * 2023-06-05 2023-09-01 国网江苏省电力有限公司镇江供电分公司 一种基于多分辨率希尔伯特黄变换的配电网电能计量方法

Also Published As

Publication number Publication date
CN110596458B (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
CN110596458B (zh) Demon谱谐波线谱和基频自动估计方法
CN110598166B (zh) 一种自适应确定小波分层级数的小波去噪方法
CN108814590B (zh) 一种心电qrs波群的检测方法及其心电分析方法
CN106370403A (zh) 一种基于边缘检测的瞬时频率估计方法
CN106017926A (zh) 基于变模态分解的滚动轴承故障诊断方法
TWI569263B (zh) 聲頻訊號的訊號擷取方法與裝置
CN109211568A (zh) 基于条件经验小波变换的滚动轴承故障诊断方法
CN109033965B (zh) 一种水下机器人推进器故障时频特征增强方法
CN110084208B (zh) 一种自适应降噪并避免阶次混叠的计算阶次跟踪方法
CN109241823B (zh) 一种基于变分模态分解和支持向量回归的信号预测方法
CN110909827A (zh) 一种适用于风机叶片声音信号的降噪方法
CN114881072B (zh) 一种基于峰值包络谱的傅里叶分解信号降噪方法
CN117347043A (zh) 一种旋转机械瞬时转速提取方法、装置、设备及存储介质
CN1702738A (zh) 谐波噪声的减去消除
CN112903296B (zh) 一种滚动轴承故障检测方法及系统
CN107123431A (zh) 一种水声信号降噪方法
CN117316172A (zh) 一种机器人声发射信号的降噪方法及系统
CN114858430A (zh) 一种基于lcd-小波新阈值的机械密封声发射信号降噪方法
CN108917918A (zh) 一种针对轴承振动信号瞬时频率分析诊断方法
CN114894478A (zh) 一种滚动轴承微弱故障特征提取方法
CN113948088A (zh) 基于波形模拟的语音识别方法及装置
CN114724573A (zh) 一种啸叫抑制方法、装置、计算机可读存储介质以及系统
CN114098690A (zh) 一种轻量级脉搏波信号噪声去除及心率检测方法
CN108201437B (zh) 一种信号处理的方法和装置
CN112697263A (zh) 一种eemd多尺度波动分析状态监测方法及装置

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