CN113723207A - 一种基于直方图距离的突变信号检测方法 - Google Patents

一种基于直方图距离的突变信号检测方法 Download PDF

Info

Publication number
CN113723207A
CN113723207A CN202110895055.3A CN202110895055A CN113723207A CN 113723207 A CN113723207 A CN 113723207A CN 202110895055 A CN202110895055 A CN 202110895055A CN 113723207 A CN113723207 A CN 113723207A
Authority
CN
China
Prior art keywords
histogram
signal
window
mutation
distance
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
CN202110895055.3A
Other languages
English (en)
Other versions
CN113723207B (zh
Inventor
杨振生
徐汉栋
顾邦平
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.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
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 Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN202110895055.3A priority Critical patent/CN113723207B/zh
Publication of CN113723207A publication Critical patent/CN113723207A/zh
Priority to US17/704,369 priority patent/US11971950B2/en
Application granted granted Critical
Publication of CN113723207B publication Critical patent/CN113723207B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/043—Analysing solids in the interior, e.g. by shear waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4472—Mathematical theories or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/025—Change of phase or condition
    • G01N2291/0258—Structural degradation, e.g. fatigue of composites, ageing of oils
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Immunology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种基于直方图距离的突变信号检测方法，所述方法包括以下步骤：(1)采集原始信号；(2)分割信号，将原始信号以k点为分界点分为两个窗口段；(3)计算两个窗口段的相对频率直方图；(4)获取两个窗口段的相对频率直方图距离；(5)确定突变点，移动两相邻窗口段，找出直方图距离最大的点，将该点的对应时间视为信号突变时间。本发明能准确、快速识别信号发生突变的时间，解决了现有突变信号检测方法检测精度低、稳定性差问题，适用于故障诊断、地质学等多种领域。

Description

一种基于直方图距离的突变信号检测方法
技术领域
本发明涉及信号检测技术领域，尤其涉及一种基于直方图距离的突变信号检测方法。
背景技术
突变信号中的突变点经常携带重要的信息，是信号重要的特征之一。在机械故障诊断领域，信号突变点往往表示故障的产生。在地质学领域，地震信号在P波、S波到达时会产生突变。然而，在实际环境中，由于背景噪声过大，或者信号本身比较微弱，很难对信号突变时间做出准确的判断。这对信号的处理和后续工作带来了影响。因此，准确识别信号突变时间具有重要意义。
现有的突变信号检测的方法包括基于赤池信息准则(AIC)方法，时窗能量法等。然而，赤池信息方法对低信噪比信号处理效果不理想，并且突变点难以确定，容易产生误判；时窗能量法窗口选择对信号处理影响过大，同样也不适用于低信噪比情况。
发明内容
为了解决不同信噪比环境下突变信号检测精度低、稳定性差等问题，本发明提出一种基于直方图距离的突变信号检测方法。本方法具有效率高、判断准确的特点，克服了窗口选择带来的问题，可应用于多种领域和不同信噪比的信号，例如机械加工监测和地震信号拾取。
本发明提供一种基于直方图距离的突变信号检测方法，所述方法包括以下步骤：
(1)采集信号：以符合香农采样定理的采样频率来采集时域信号；
(2)分割信号：对含有n个元素的原始离散信号进行分割，将原始信号分割成任意两相邻窗口段，记为窗口段Interval1和窗口段Interval2：窗口段Interval1包含从第1个到第k个元素，窗口段Interval2包含从第(k+1)个到第n个元素；
(3)计算窗口的相对频率直方图：定义信号时间序列直方图并计算相邻两段信号直方图；
(4)获取两窗口段相对频率直方图距离：定义直方图距离，
Figure BDA0003193490890000011
其中B(hA,hB)是直方图hA与直方图hB之间巴氏系数，记为：
Figure BDA0003193490890000021
dB(hA,hB)为直方图hA与直方图hB的直方图距离；
(5)确定突变点：根据dB(hA,hB)的定义，滑动k点，即移动两个相邻窗口段Interval1和窗口段Interval2，找出直方图距离最大的点，并将该点的对应时间视为信号突变时间。
步骤(3)中计算窗口的相对频率直方图包括以下步骤：
(3.1)定义直方图：定义
Figure BDA0003193490890000022
为窗口直方图，其中
Figure BDA0003193490890000023
Figure BDA0003193490890000024
(3.2)计算直方图：根据公式，
Figure BDA0003193490890000025
计算生成两个窗口段的相对频率直方图：其中
Figure BDA0003193490890000026
为第i个直方中样本的概率，
Figure BDA0003193490890000027
为属于[xi,xi+1]区间的元素数量，n是离散信号中的元素数量。
本发明的有益成果为：
(1)本发明改进了算法流程，通过移动窗口段来代替传统的窗口分段方式，有效解决了传统算法由于窗口选择带来的问题，方法更具有实用性。
(2)本发明利用断铅实验和多组地震波的P相识别评估本方法的效果，并与现有技术相比较。测试结果表明，本发明相对于现有技术识别精度更高、稳定性更好、识别速度更快。本发明可以运用于机械加工、地质学等多种领域和不同信噪比下突变信号检测。
附图说明
图1为本发明基于直方图距离的突变信号检测方法的流程示意图。
图2为本发明基于直方图距离的突变信号检测方法的原始信号分割示意图。
图3为本发明基于直方图距离的突变信号检测方法检测误差及分布曲线。
图4为本发明基于直方图距离的突变信号检测方法断铅实验的检测结果。
图5为本发明基于直方图距离的突变信号检测方法的检测结果与人工标记的P波到达时间的偏移量。
图6为本发明基于直方图距离的突变信号检测方法地震波的P相识别实验的检测结果。
图7为现有技术基于AIC的突变信号检测方法误差。
图8为现有技术人工标记断铅实验的检测结果。
图9为现有技术基于AIC的突变信号检测方法断铅实验的检测结果。
图10为现有技术基于AIC的突变信号检测方法的检测结果与人工标记的P波到达时间的偏移量。
图11为现有技术人工标记地震波的P相识别实验的检测结果。
具体实施方式
本发明提供一种基于直方图距离的突变信号检测方法，图1为本发明基于直方图距离的突变信号检测方法的流程示意图。下面结合图1，描述本发明方法的具体实施方式。
识别信号发生突变时间的难度为：低信噪比信号处理效果不理想；突变点难以确定，容易产生误判；窗口选择对信号处理影响过大。为解决以上问题，本发明提出一种基于直方图距离的突变信号检测方法，用于判断信号发生突变的准确时间，可以识别振动等故障信号、地震信号等到达时间。尤其在低信噪比情况下，本发明依然有着较高的精确度和稳定性，并且可以避免窗口选择带来的问题。
本发明所提供的一种基于直方图距离的突变信号检测方法包括如下步骤：
(1)采集信号：以符合香农采样定理的采样频率采集的时域信号为对象；
(2)分割信号：如图2所示对原始离散信号进分割，将原始信号分割成任意两相邻窗口段，记为窗口段Interval1和窗口段Interval2。窗口段Interval1包含从第1个到第k个元素，窗口段Interval2包含从第(k+1)个到第n个元素。通过此分段方式，避免了窗口长度等参数的影响；
(3)计算窗口的相对频率直方图：定义信号时间序列直方图并计算相邻两段信号直方图；
(4)获取两窗口段相对频率直方图距离：定义直方图距离，
Figure BDA0003193490890000031
其中B(hA,hB)是直方图hA与直方图hB之间巴氏系数，记为：
Figure BDA0003193490890000032
dB(hA,hB)为直方图hA与直方图hB的直方图距离；
(5)确定突变点：根据dB(hA,hB)的定义，滑动k点，即移动两个相邻窗口段Interval1和窗口段Interval2，搜索直方图距离最大的点，并将该点的对应时间视为信号突变时间。
步骤(3)中计算窗口的相对频率直方图包括以下步骤：
(3.1)定义直方图：定义
Figure BDA0003193490890000041
为窗口直方图，其中
Figure BDA0003193490890000042
Figure BDA0003193490890000043
(3.2)计算直方图：根据公式：
Figure BDA0003193490890000044
计算生成两个窗口段的相对频率直方图：其中
Figure BDA0003193490890000045
为第i个直方中样本的概率，
Figure BDA0003193490890000046
为属于[xi,xi+1]区间的元素数量，n是离散时间序列中的元素数量。
本发明提出的一种基于直方图距离的突变信号检测方法可以准确的识别突变点，不容易误判。实验验证如下：
(1)断铅实验验证：铅芯断裂时会产生突变的声发射信号，通过与人工检测结果比较(人工检测结果，定义为分析人员在其常规分析中确定的结果，经经验认为是正确的)，从而验证本发明所述的方法识别不同信噪比信号突变时间的精度。将直径0.3mm，长约30mm的铅笔芯固定在混凝土梁的表面。使铅笔芯断裂在三个不同点。铅芯断裂释放的能量由10个工作频率范围为200-850kHz的压电式声发射传感器收集。原始信号使用26dB增益放大。采样频率为1MHz，符合香农采样定理，阈值为31dB。铅芯断裂测试生成了100组声发射信号。经过上述5个步骤，得到100组声信号的突变时间点。将其与人工检测的突变时间点比较。
自动检测结果与手动检测结果的误差如图3所示。信噪比是声发射信号与噪声信号的比值，信噪比越小，噪声相对越大。密度曲线为相应的经验分布，提供了对均值的估计。偏移量为自动检测结果的误差，均值为偏移量数据集的平均大小，标准差用来衡量偏移量数据点的离散程度，均值和标准差越小，误差越小，检测结果越稳定，越精确。当信噪比大于10dB时，误差值大多集中在均值附近。当信噪比低于10dB时，自动检测结果和手动检测结果之间的分散程度高。高信噪比组(信噪比大于10dB)中误差小于20μs的百分比为94％。低信噪比组(信噪比小于10dB)中小于20μs的误差百分比为76.5％。
基于赤池信息准则(AIC)的算法是目前常用的突变信号自动识别算法。将本发明所述的检测方法与AIC方法作比较。如图7所示，AIC方法在高信噪比(信噪比大于10dB)时结果与本发明所述的方法相似，但在低信噪比(信噪比小于10dB)时结果更为分散，表明在低信噪比情况下赤池信息方法不容易准确识别低信噪比信号。使用本发明的检测方法和AIC方法的检测结果如图4、图8和图9所示：图8为人工标记断铅实验的检测结果。信号在时间为0.1920秒时发生突变，图4为本发明所示方法对断铅实验的检测结果，信号在时间为0.1920秒时发生突变，与人工标记的结果一样。图9为AIC方法对对断铅实验的检测结果，AIC值最小点的对应时间视为AIC方法检测到的信号突变时间，可以看出在手动选取点处(0.1920秒)的AIC值发生明显下降，但此后AIC值开始波动，最小值点出现在手动选取点的后面，信号在0.2580秒处发生突变。AIC方法生成的突变时间产生了延迟。相比之下，本发明所述的方法准确地反映信号突变，突变点为直方图距离的最大值。
(2)地震波的P相识别验证：地震信号在P波到达时会发生突变，通过与地震台站测得的P波到达时间比较即可验证本发明所述方法识别信号突变时间的效果。由于地震信号垂直分量上P相最强，这里使用地震信号的垂直分量数据。地震信号从IRIS(IncorporatedResearch Institutions for Seismology，美国地震学研究联合会)地震台站获取，采样频率为100Hz。选择300组不同波形特性的信号，其涵盖了广泛的信噪比。通过本发明所述的方法步骤计算得到信号突变时间。
图5显示了本发明所示方法的检测结果与人工标记的P波到达时间的时间差(偏移量)。图10显示了基于AIC方法的检测结果与人工标记的P波到达时间的时间差。可以看出本发明所述方法的结果偏移分布比AIC方法的要窄得多，即本发明所述的方法误差更小。对于本发明所述的方法，±2秒内的偏移量数占数据集的45％。对于AIC方法，落在同一范围内偏移数的百分比为39.7％。相比之下，本发明所述的方法有更高的精度。图11为人工标记人地震波的P相识别实验的检测结果，在时间为21:39:26时P波到达，信号发生突变。图6为本发明所示方法P相识别实验的检测结果，在时间为21:39:26时P波到达，信号发生突变，这与人工标记结果一样。Z相为垂直分量上的地震信号。对于不同的波形特性，本发明所述的方法可以成功地检测到P的到达，第一个峰值即本发明所述方法认为的突变时间，这与人工标记的P波到达时间精确一致。
上述的两个验证性实验中，断铅实验是最常用的声发射相关检测和验证实验，而声发射技术广泛运用于无损检测领域。地震波P相识别是地震信号后处理，震源定位的基础，在地质学领域有着重要意义。本发明所述的方法历经多次实验，可信度高；本发明所述的方法在与现有常用的AIC方法比较中，展现了精度高的特点。本发明所述的方法历经广泛分布的信噪比信号测试，尤其对于低信噪比突变信号的识别，本发明所述的方法具有准确率高的特点，适用范围广。综上，本发明所述的一种基于直方图距离的突变信号检测方法具有很高的实用性，可广泛地运用于机械加工、地质学等领域。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于直方图距离的突变信号检测方法，其特征在于，包括以下步骤：
(1)采集信号：以符合香农采样定理的采样频率来采集时域信号；
(2)分割信号：对含有n个元素的原始离散信号进行分割，将原始信号分割成任意两相邻窗口段，记为窗口段Interval1和窗口段Interval2：窗口段Interval1包含从第1个到第k个元素，窗口段Interval2包含从第(k+1)个到第n个元素；
(3)计算窗口段的相对频率直方图：
(3.1)定义直方图：定义
Figure FDA0003193490880000011
为窗口直方图，其中
Figure FDA0003193490880000012
Figure FDA0003193490880000013
(3.2)计算直方图：根据公式，
Figure FDA0003193490880000014
计算生成两个窗口段的相对频率直方图：其中
Figure FDA0003193490880000015
为第i个直方中样本的概率，
Figure FDA0003193490880000016
为属于[xi,xi+1]区间的元素数量，n是离散信号中的元素数量；
(4)获取两窗口段相对频率直方图距离：定义直方图距离，
Figure FDA0003193490880000017
其中B(hA,hB)是直方图hA与直方图hB之间巴氏系数，记为：
Figure FDA0003193490880000018
dB(hA,hB)为直方图hA与直方图hB的直方图距离；
(5)确定突变点：根据dB(hA,hB)的定义，滑动k点，即移动两个相邻窗口段Interval1和窗口段Interval2，找出直方图距离最大的点，并将该点的对应时间视为信号突变时间。
CN202110895055.3A 2021-08-03 2021-08-03 一种基于直方图距离的声发射信号突变检测方法 Active CN113723207B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110895055.3A CN113723207B (zh) 2021-08-03 2021-08-03 一种基于直方图距离的声发射信号突变检测方法
US17/704,369 US11971950B2 (en) 2021-08-03 2022-03-25 Method for onset time detection of acoustic emission based on histogram distance

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110895055.3A CN113723207B (zh) 2021-08-03 2021-08-03 一种基于直方图距离的声发射信号突变检测方法

Publications (2)

Publication Number Publication Date
CN113723207A true CN113723207A (zh) 2021-11-30
CN113723207B CN113723207B (zh) 2024-06-04

Family

ID=78674896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110895055.3A Active CN113723207B (zh) 2021-08-03 2021-08-03 一种基于直方图距离的声发射信号突变检测方法

Country Status (2)

Country Link
US (1) US11971950B2 (zh)
CN (1) CN113723207B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115834023A (zh) * 2023-02-21 2023-03-21 山东水发紫光大数据有限责任公司 一种基于大数据的数据加密方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5638465A (en) * 1994-06-14 1997-06-10 Nippon Telegraph And Telephone Corporation Image inspection/recognition method, method of generating reference data for use therein, and apparatuses therefor
CN102360519A (zh) * 2011-07-29 2012-02-22 电子科技大学 一种分布式光纤围栏入侵检测与定位的方法
CN107272066A (zh) * 2017-06-22 2017-10-20 东华理工大学 一种含噪地震信号初至走时拾取方法及装置
CN108777755A (zh) * 2018-04-18 2018-11-09 上海电力学院 一种视频场景切换检测方法
CN109104609A (zh) * 2018-09-12 2018-12-28 浙江工业大学 一种融合hevc压缩域和像素域的镜头边界检测方法
CN111766307A (zh) * 2020-06-17 2020-10-13 上海海事大学 一种基于概率密度函数相似度的声发射到达时间判断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5638465A (en) * 1994-06-14 1997-06-10 Nippon Telegraph And Telephone Corporation Image inspection/recognition method, method of generating reference data for use therein, and apparatuses therefor
CN102360519A (zh) * 2011-07-29 2012-02-22 电子科技大学 一种分布式光纤围栏入侵检测与定位的方法
CN107272066A (zh) * 2017-06-22 2017-10-20 东华理工大学 一种含噪地震信号初至走时拾取方法及装置
CN108777755A (zh) * 2018-04-18 2018-11-09 上海电力学院 一种视频场景切换检测方法
CN109104609A (zh) * 2018-09-12 2018-12-28 浙江工业大学 一种融合hevc压缩域和像素域的镜头边界检测方法
CN111766307A (zh) * 2020-06-17 2020-10-13 上海海事大学 一种基于概率密度函数相似度的声发射到达时间判断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴凌琳;杨磊;吴晓雨;: "视频摘要系统的技术研究与实现", 中国传媒大学学报(自然科学版), no. 01, 28 February 2013 (2013-02-28) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115834023A (zh) * 2023-02-21 2023-03-21 山东水发紫光大数据有限责任公司 一种基于大数据的数据加密方法

Also Published As

Publication number Publication date
US11971950B2 (en) 2024-04-30
US20230130080A1 (en) 2023-04-27
CN113723207B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
CN110514745B (zh) 一种基于多频声发射信号的缆索断丝位置确定的方法
CN108535354B (zh) 一种钢丝绳漏磁检测和磁发射检测的损伤判定及定位方法
US20190376874A1 (en) A method of estimating the number of modes for the sparse component analysis based modal identification
EP3321674B1 (en) Structure evaluation system, structure evaluation device, and structure evaluation method
CN108089162A (zh) 一种脉冲干扰信号的检测与抑制方法
Akhouayri et al. Automatic detection and picking of P-wave arrival in locally stationary noise using cross-correlation
CN112332807A (zh) 一种弱包络信号检测方法和系统
CN113723207B (zh) 一种基于直方图距离的声发射信号突变检测方法
EP2715289B1 (en) Dynamic clustering of transient signals
CN110940933B (zh) 一种用于测量陡脉冲上升沿起始时刻的综合计算方法
CN111999726A (zh) 一种基于毫米波雷达的人员定位方法
JP2021522500A (ja) 放射パルス検出器の入力カウントレート推定
CN110940972B (zh) 多前导脉冲联合滤波检测的s模式信号到达时间提取方法
CN110333506B (zh) 一种提取索力测量雷达的拉索位置参数的方法
Chen et al. A novel hybrid method to detect arrival times of elastic waves with low SNR based on Jensen–Shannon divergence and cumulative sum algorithm
CN110632563A (zh) 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法
JP6258574B2 (ja) パッシブソーナー装置、方位集中処理方法、及び、パッシブソーナー信号処理プログラム
CN117195068B (zh) 基于时空关联算法的pind检测信号分类判识系统
CN110455922B (zh) 一种基于k近邻法的锚杆锚固质量等级评定方法
Winkelmann et al. Machine learning based evaluation of dynamic events in medium voltage grid components
CN116953784B (zh) 一种冰层振源信号到时拾取方法和装置
RU2713741C1 (ru) Способ определения положения отражённого испульса
US20070244952A1 (en) Signal analysis methods
Bugaj et al. Analysis of HPM pulse with use of data base
CN112929053B (zh) 一种跳频信号特征提取与参数估计方法

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