一种线谱提取方法研究
一种线谱提取方法研究
通过模拟信号的试验验证具有较好的效果。
关键词:功率谱 线谱 特征提取
中图分类号:o4 文献标识码:a 文章编号:1674-098x(2012)05(b)-0001-01
1 综述
功率谱分析在噪声信号处理领域具有重要意义,特别是功率谱中的线谱成分的检测和提取对舰船车辆等机械的故障快速诊断和信号识别技术具有重要意义。对线谱进行高质量的谱估计,可以得到声源的许多信息。因此,线谱检测和提取方法研究多年来一直是国内外研究的重点。
2 线谱基本特征
对于线谱的概念一般是这样定义的:由一些离散频率成分形成的谱称之为线谱。从频谱图上看,在离散频率的位置上,幅度以线状存在的频谱,称为线状谱,简称线谱。
2.1 线谱的幅度特征
线谱的幅度值是判断其是存在的重要依据。线谱的幅度和其频率一样是随时间变化的,这就要考虑幅度的时变特征。引起线谱幅度的变化的原因是复杂的,总的说来主要有以下几个方面:
(1)噪声源的机械振动的不稳定性;
(2)受到水中的声波的传播规律;
(3)受噪声指向性的影响。 在影响线谱的幅值特性的各因素中,由于噪声源的机械振动的不稳定性和线谱多途传播引起的干涉是影响线谱幅值的主要因素,而噪声指向性的影响为次要的。
2.2 线谱的频率特征
线谱的频率实际上是对应着运动目标的机械振动的频率,以及这些频率值的倍频。一个线谱频率的出现必然对应着时间域内的一个周期或准周期信号的出现。在理论上,某一基频的振动应该对应频域上的某条谱线,但是实际情况不是这样,线谱的频率值常常受到一些因素的影响,进而使频率的稳定度受到影响。影响频率稳定度的主要因素有:
(1)机械振动不够稳定时,频率会随转速的变化产生偏移。
(2)由于多卜勒(dopple)效应,频率会发生漂移。
(3)受频谱分析的频率分辨率的影响。
2.3 线谱的稳定时间
确定目标的线谱,必须要考虑到幅度和频率的时变情况,所以必须对线谱存在的时间做出相应的规定。在前面两项判定条件均满足的情况下,如果某根谱线存在的时间很短,显然把它当成目标的谱线是不妥的。但是如果认为稳定线谱必须在全部时间t内出现,也是不合理的。
定义线谱存在时间的概率p为:
(1)其中为线谱幅度值满足要求的线谱时间总和,为总样本时间,线谱的个数将随门限的降低而增加,概率p的门限应该根据实际的情况适当选取,低于门限值的线谱就不与研究。
3 线谱的提取方法
3.1 线谱判定的准则
对功率谱中的线谱进行提取仍然是围绕着线谱的三个基本特征展开的:①线谱的频率;②线谱的幅度;③线谱的稳定时间。在此,不妨把线谱的三个基本特征称之为线谱提取的“三要素”。
利用线谱频率的判定的准则为:根据影响频率稳定度的主要因素,我们可以认为线谱频率的测量误差为:
(2)应该是线谱频率允许的最大偏差,所以在内发生的频率偏移的频率分量可以认为是相同的谱线。
利用线谱的幅度进行判定的准则为:在频谱图上,频率分辨率带宽内,稳定时间大于t秒,在连续背景上,有高出相邻值a(db)以上的离散分量,就可以认为是线谱。关于a的选取根据所要分析的对象不同,一般选择范围在3—12db。
利用线谱存在时间判定的准则为:在前面两项判定条件均满足的情况下,如果某根谱线存在的时间很短,显然把它当成目标的谱线是不妥的。但是如果认为稳定线谱必须在全部的样本时间t内出现,也是不合理的。定义线谱存在时间的概率p,线谱的个数将随概率p的门限降低而增加,概率p的门限应该根据实际的情况适当选取,低于门限值的线谱就不与研究,该门限值p可选取大于75%。
综上所述,判断一条谱线是否为线谱,应当综合考察是否满足线谱的三个要素,仅满足一个或两个条件的线谱不能肯定其为线谱。所以在确定目标的特征谱线时,不能简单地根据某时刻的一张频谱图草率而定,而是严格按照“三原则”进行识别。
3.2 线谱提取的流程
辐射噪声的平稳功率谱是由连续谱和线谱组成,为了实现线谱的提取,需将两种谱分离,除去功率谱中的连续谱成分,并在此基础上依据线谱“三原则”进行线谱提取。由此,我们可以确定线谱提取的流程如下:
(1)对辐射噪声信号分段进行fft变换,得到功率谱图;
(2)采用拟合法对各段功率谱谱图中的连续谱趋势进行提取;
(3)功率谱图中去除连续谱趋势,获得“拉平”后的线谱图;
(4)对频谱的峰值点进行检测,对谱线的幅值门限a进行检测并剔除伪峰;
(5)对线谱频宽进行检测,在内的谱线视为相同的谱线;
(6)线谱稳定时间检测,按照一定规则,在全部频谱时间样本中的线谱存在的样本时间大于p,即视为稳定的线谱;
(7)获得稳定线谱。
3.3 实验验证
在这里假设噪声信号在极短的分析区间内是平稳的。这种假设不仅在理论上还是在实践中都具有合理性。根据对线谱提取方法和检测准则的研究,利用模拟数据的功率谱分析对其线谱特征进行提取,
可以实现对线谱的快速提取。
4 结语 线谱特有的集中而稳定的能量可以提高检测性能,采用线谱提取的“三要素”实现对线谱的稳定检测在故障诊断和信号检测、识别等领域中具有积极的意义。
参考文献
[1] 杨德森,吴一.水下目标辐射噪声线谱的分析.哈尔滨工程大学学报,1996, vol.17 no.1.
[2] r.j.尤立克.水声原理.哈尔滨船舶工程学院出版社,1990(2).
[3] 朱华,黄辉宁,等.随机信号分析.北京理工大学出版社,2002.
花青素的提取_分离以及纯化方法研究进展_孙建霞
综述与专题评论2008年第34卷第8期(总第248期)111 花青素的提取、分离以及纯化方法研究进展*孙建霞,张 燕,胡小松,吴继红,廖小军(中国农业大学,教育部果蔬加工工程研究中心,北京,100083)摘 要 花青素是一种存在于自然界的水溶性多酚类化合物,现已发现其具有多种功能。有关花青素的提取、分离和纯化研究报道很多,文中就近年来国内外相关方面的研究进展进行了分析。关键词 花青素,提取,分离,纯化 花青素(anthocyanins)又称花色素,是一类广泛存在于植物中的水溶性天然色素,多以糖苷的形式存在,也称花色苷。最早而最丰富的花青素是从红葡萄渣中提取的葡萄皮红,它于1879年在意大利上市。花青素的结构母核是22苯基苯并吡喃阳离子,属于类黄酮化合物。自然界已知的花青素有22大类,食品中重要的有6类,即矢车菊色素(cyanindin,Cy)、天竺葵色素(pelargonidin,Pg)、飞燕草色素(delphin2idin,Dp)、芍药色素(peonidin,Pn)、牵牛色素(petu2nidin,Pt)和锦葵色素(malvidin,Mv)[1],其结构如图1所示。它们在植物可食部分的分布比例分别为50%、12%、12%、12%、7%和7%。花青素广泛存在于开花植物(被子植物)的花、果实、茎、叶、根器官的细胞液中,分布于27个科,72个属的植物中[2]。其中尤以葡萄皮、阿龙尼亚苦味果、黑醋栗、草莓、树莓、越橘等含量最为丰富。
图1 食品中几种重要的花青素结构 第一作者:博士研究生(廖小军教授为通讯作者)。*国家自然科学基金项目(30771511),国家/十一五0支撑计划(2006BAD27B03),国家863计划(2007AA100405)资助 收稿日期:2008-04-24,改回日期:2008-06-13 自然条件下游离的花青素极少见,常与一个或多个葡萄糖(glucose)、鼠李糖(rhamnose)、半乳糖(ga2lactose)、木糖(xylose)、阿拉伯糖(arabinose)等通过糖苷键连接形成花青素,花青素中的糖苷基和羟基还可以与一个或几个分子的香豆酸、阿魏酸、咖啡酸、对羟基苯甲酸等芳香酸和脂肪酸通过酯键形成酰基化的花青素[1]。目前国内外有关花青素的研究主要集中在花青素资源分布的评价与资源库的建立、花青素的定性与定量方法学研究、花青素的生理活性与功能研究、花青素的高效提取与绿色分离技术研究、花青素的结构稳定性与分子降解机制研究、花青素的应用与产品开发研究6个方面,这些内容的深入研究有利于进一步合理利用与开发自然界中丰富的花青素资源。本文重点就近年来国内外学者对花青素提取、分离和纯化方法的最新研究进行了分析总结。食品与发酵工业FOODANDFERMENTATIONINDUSTRIES
氟啶虫酰胺高效液相色谱分析方法研究
第３７卷第３期 ２０１５年６月 世界农药 Ｗｏｒ１ｄ Ｐｅｓｔｉｃｉｄｅｓ
氟啶虫酰胺高效液相色谱分析方法研究
马明，陈默，王鸣华
（南京农业大学植物保护学院，南京２１００９５）
摘要：采用高效液相色谱法，以乙腈：水溶液（体积比４０：６０）为流动相，流速为０．６ｍＬ／ｍｉｎ，使用Ｃｌ８反相色谱柱
和紫外吸收检测器，在紫外２６５ ｎｍ波长下，对氟啶虫酰胺进行分离和定量测定。结果表明，在Ｏ．Ｏ５～１０．０ ｍｇ，Ｌ范
围内，氟啶虫酰胺的线性相关系数为１．０，标准偏差为０．１８，变异系数为０．２２％，平均回收率为９６．１％。该方法简
便快速、准确度高，适合氟啶虫酰胺原药和制剂的分析。
关键词：氟啶虫酰胺；高效液相色谱；定量分析
ＤＯＩ：１０．１６２０１Ｊ．ｃｎｋｉ．ｃｎ３１－１８２７／ｔｑ．２０１５．０３．１０
中图分类号：ＴＱ４５０ 文献标志码：Ａ 文章编号：１００９—６４８５（２０１５）０２—０５１—０３
Ｑｕａｎｔｉｔａｔｉｖｅ Ａｎａｌｙｓｉｓ ｏｆ Ｆｌｏｎｉｃａｍｉｄ ｂｙ ＨＰＬＣ
ＭＡ Ｍｉｎｇ，ＣＨＥＮ Ｍｏ，Ⅵ ＮＧ Ｍｉｎｇ—ｈｕａ
（Ｃｏｌｌｅｇｅ ｏｆ Ｐｌａｎｔ Ｐｒｏｔｅｃｔｉｏｎ，Ｎａｎｊｉｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２ １ ００９５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａ ｈｉｇｈ ｐｅｒｆｏｒｍａｎｃｅ ｌｉｑｕｉｄ ｃｈｒｏｍａｔｏｇｒａｐｈｙ（ＨＰＬＣ）ｍｅｔｈｏｄ ｆｏｒ ｔｈｅ ｓｅｐａｒａｔｉｏｎ ａｎｄ ｑｕａｎｔｉｔａｔｉｖｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ
ｆｌｏｎｉｃａｍｉｄ ｗｉｔｈ ａｃｅｔｏｎｉｔｒｉｌｅ－ｗａｔｅｒ（４０：６０，Ｖ／ ａｓ ｔｈｅ ｍｏｂｉｌｅ ｐｈａｓｅ，ＤＢＸ—Ｃ１８ ｃｏｌｕｍｎ ａｎｄ ＵＶ ａｔ ２６５ ａｍ ｗａｓ ｄｅｓｃｒｉｂｅｄ．
Ｔｈｅ ｒｅｓｕｌｔ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｌｉｎｅａｒ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｗａｓ １．０００ ０ ｒａｎｇｉｎｇ ｆｒｏｍ ０．０５－１０．０ ｍｇ／Ｌ．ｔｈｅ ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ
一种基于前馈定时的OQPSK解调方法
一种基于前馈定时的OQPSK解调方法
张丽娜;陈敬乔
【摘 要】针对传统的偏移正交相移键控(OQPSK)解调方法中载波和定时同步进行、
二者相互制约、 调试难的问题,提出一种基于前馈定时的解调方法.采用频域非线性定时估计算法提取定时误差进行基于内插的定时恢复,利用FFT对数据进行载波频差估计,利用2倍数据的Costas环进行载波相位的恢复.该方法实现简单,避免调试中环套环时参数调试的困难.实验结果表明,解调信噪比恶化小于0.5 dB,可以用于指导工程实践.
【期刊名称】《无线电工程》
【年(卷),期】2018(048)006
【总页数】4页(P468-471)
【关键词】偏移正交相移键控;定时恢复;载波频差估计;载波相位恢复
【作 者】张丽娜;陈敬乔
【作者单位】中国电子科技集团公司第五十四研究所, 河北 石家庄050081;中国电子科技集团公司第五十四研究所, 河北 石家庄050081
【正文语种】中 文
【中图分类】TN911.3
0 引言
偏移正交相移键控(Offset Quadrature Phase Shift Keying，OQPSK)是一种改进的正交相移键控(Quadrature Phase Shift Keying，QPSK)，与QPSK调制信号相比，OQPSK信号同相支路码元与正交支路码元在时间上偏移了半个符号周期。OQPSK调制除了具有QPSK 调制的所有优点外，还消除了相邻符号间的180°相位跳变现象[1]，在带宽受限的通信系统中，OQPSK信号包络起伏小，经过非线性功率放大器后不产生明显的功率谱旁瓣增生效应。因此，OQPSK调制所具有的恒包络特性、良好的频谱效率及功率效率使得它广泛地应用于卫星通信中。
典型的OQPSK解调[2]是常用的基于反馈定时的解调方法，采用Gardner算法[3]提取误差，调整AD时钟或者后端重采样[4-5]时钟，由于定时和载波恢复同时进行，二者相互制约，环路参数调试难度比较大，特别是低信噪比的情况下，实现比较困难，针对此问题，本文提出一种基于前馈定时的解调方法，将定时和载波恢复分开进行，解决了环套环调试困难的问题，并对解调流程和关键算法进行了详细分析，最后对仿真结果和工程实践进行了比较。
【CN110396058A】一种新型骨化二醇25羟基维生素D3分离纯化方法【专利】
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日
(21)申请号 201910121462.1
(22)申请日 2019.02.19
(71)申请人 山东惠仕莱生物科技有限公司地址 250100 山东省济南市高新区舜风路322号1号楼820室
(72)发明人 孙荣 刘建民 任明 张雷
(51)Int.Cl.C07C 401/00(2006.01)
(54)发明名称一种新型骨化二醇（25-羟基维生素D3）分离纯化方法(57)摘要本发明公开了一种新型骨化二醇（25-羟基维生素D3）分离纯化方法，主要包括以下步骤：利用有机溶剂对骨化二醇进行萃取分离，萃取液浓缩，重溶，制备骨化二醇的上柱原液，利用凝胶层析柱，初步纯化骨化二醇产品，进一步利用大孔吸附树脂对骨化二醇产品进行纯化分离，最后结合硅胶柱层析纯化，制备高纯度骨化二醇产品，上柱洗脱液经浓缩，结晶，得到骨化二醇结晶产品。本发明具备以下优点：1、利用该工艺分离纯化的骨化二醇产品纯度高，收率高。2、本专利首次将凝胶柱层析及大孔树脂吸附层析应用于骨化二醇产品的分离纯化中。3、该分离纯化工艺简单，操作方便，可以进行多次循环操作，设备成本低，极利于工业化推广。4、本工艺中采用的有机溶剂均可回收重复利用，降低生产成本，经济环
保。
权利要求书2页 说明书4页 附图1页CN 110396058 A2019.11.01
CN 110396058
A1.一种新型骨化二醇（25-羟基维生素D3）分离纯化方法，其特征在于，分离纯化过程包
括：
（1）、以微生物酶催化维生素D3生成骨化二醇（25-羟基维生素D3）转化液为提取原液，加
入有机溶剂A，震荡后静置萃取，收集上层有机溶剂，获得骨化二醇提取物a；
（2）、将骨化二醇提取物a浓缩至膏状，回收有机溶剂A，用有机溶剂B对浓缩物进行重
溶，获得骨化二醇上柱溶液b；
（3）、将骨化二醇上柱溶液b通过凝胶层析柱处理，用有机溶剂C对凝胶层析柱进行洗
声纹识别中的声纹特征提取与匹配算法研究
声纹识别中的声纹特征提取与匹配算法研究
声纹识别是一种利用人的语音特征进行个体鉴别的生物特征识别技术。它通过分析人的语音信号，并提取其中的声纹特征，将声纹特征与已知的声纹模型进行匹配，从而实现对个体的识别。在声纹识别技术中，声纹特征的提取和匹配算法起着关键的作用。本文将对声纹识别中声纹特征提取与匹配算法的研究进行探讨。
1. 声纹特征提取算法
声纹识别的核心任务是从语音信号中提取有效的特征，以实现对个体的识别。常用的声纹特征提取算法包括基于梅尔频率倒谱系数（MFCC）、线性预测编码（LPC）和高阶倒谱系数（LPCC）的方法。
1.1 基于MFCC的声纹特征提取
梅尔频率倒谱系数是一种常用的声音特征提取方法，在声纹识别中得到了广泛应用。该方法首先将语音信号分帧，并对每一帧进行离散傅立叶变换（DFT）以获取频谱信息，然后利用梅尔滤波器组将频谱转换为梅尔频率谱图。最后，对梅尔频率谱图进行离散余弦变换（DCT）并取前几个系数作为声纹特征。
1.2 基于LPC的声纹特征提取
线性预测编码是一种基于线性滤波的声音特征提取方法。该方法通过对语音信号进行自回归建模，将语音信号表示为预测残差和滤波器系数的线性组合。在声纹识别中，LPC算法可以提取语音信号的线性频谱包络，从中提取出能够反映个体身份特征的声纹特征。
1.3 基于LPCC的声纹特征提取
高阶倒谱系数是对梅尔频率倒谱系数的改进，引入高阶的梅尔倒谱系数可以更全面地描述语音信号的频谱特性。LPCC算法在声纹识别中可以提取出更加丰富的声纹特征，具有更好的识别性能。
2. 声纹特征匹配算法
声纹特征的提取只是声纹识别过程的一部分，特征提取后需要进行特征匹配，以确定个体身份。常用的声纹特征匹配算法包括最近邻（NN）算法、高斯混合模型（GMM）算法和支持向量机（SVM）算法。
2.1 最近邻算法
最近邻算法是最简单的声纹特征匹配方法之一，它将待识别的声纹特征与已知的声纹模型中的特征进行比较，选择最相似的声纹模型作为识别结果。最近邻算法的优点是简单易实现，但对于大规模的声纹识别系统来说，计算效率较低。
高光谱遥感影像中的特征提取方法研究
高光谱遥感影像中的特征提取方法研究
高光谱遥感技术可以获取遥感图像中不同波长下的反射率光谱，可以提供高维、高分辨率和多特征信息的遥感影像，因此在很多领域有广泛的应用，如地学、环境监测、农业、林业等。然而，如何从高光谱遥感影像中提取有效的特征信息是遥感图像处理中的核心问题之一。
目前，高光谱遥感影像中特征提取方法主要分为两类：基于光谱信息和基于空间信息的特征提取方法。本文将从这两个方面分别进行讨论。
一、基于光谱信息的特征提取方法
1. 直接阈值法
直接阈值法是一种最简单常用的方法，它根据像素的光谱值与给定阈值的比较结果对像素进行二分类。例如，针对农业等领域中的作物识别问题，根据作物的生长特征，可以将阈值设定在波段为400-700nm范围内的光谱值较高的位置，即可轻松提取出作物区域。
然而，这种方法对于复杂地物的分类效果并不理想，因为它不能够利用光谱间的相关性和相似性信息。
2. 统计学方法 基于统计学方法的特征提取方法更加复杂，但可以对高光谱图像进行更有针对性的处理，提高特征提取效果。
例如，常见的PCA（Principal Component Analysis）方法就是一种基于统计学的特征提取方法。PCA方法可以对高维度的高光谱图像进行降维处理，提取出主要的光谱特征。通过PCA方法降维之后，遥感影像所占用的存储资源减小，同时降低了计算量和处理时间。但是，对于多类图像进行分类时，这种方法的分类效果并不理想。
3. 光谱特征法
光谱特征法是通过对像元的光谱反射率进行分析得到的特征来进行分类的方法。例如，常见的谱角法（Spectral Angle Mapper，SAM）就是一种利用光谱特征进行分类的方法。谱角法可以计算不同光谱波段之间的夹角，然后使用夹角的余弦值，将每个像素向量变形为点到参考向量之间的距离，然后根据距离进行分类。
但是，光谱特征法需要依赖先验知识，需要指定一些样质并选取参考向量，这对于遥感影像处理来说比较困难，且对遥感影像间的非线性变换比较敏感。
时空联合提取目标线谱方法
Ｖ０１．３１，Ｎｏ．４ Ａｐｒｉｌ，２００６ 火力与指挥控制 Ｆｉｒｅ Ｃｏｎｔｒｏｌ ａｎｄ Ｃｏｍｍａｎｄ Ｃｏｎｔｒｏｌ 第３１卷第４期 ２００６年４月
文章编号：１００２—０６４０（２００６）０４－００６３—０３
时空联合提取目标线谱方法
李厚全 ，宋志杰 ，韩树平。
（１．海军工程大学，湖北武汉４３００３３； ２．中国海洋大学，山东青岛２６６０７１；３．海军潜艇学院，山东青岛２６６０７１）
摘要：从线谱的时空域信息出发，通过分析目标线谱与自噪声线谱的差异性以及变化规律，研究噪声背景下目标线谱 的提取方法，并将提取的目标线谱应用于单阵方位频率ＴＭＡ模型。基于海上实验数据的模型解算结果稳定有效，表明该方法
在提取目标线谱问题上的有效性。 关键词：线谱，辐射噪声，被动测距 中图分类号：ＴＢ５６１ 文献标识码：Ａ
Ｔｈｅ Ｅｘｔｒａｃｔｉｏｎ Ｍｅｔｈｏｄ ｏｆ Ｔａｒｇｅｔ Ｓｐｅｃｔｒａｌ
Ｌｉｎｅｓ ｂｙ Ｓｐａｃｅ－ｔｉｍｅ Ｃｏｍｂｉｎａｔｉｏｎ
ＬＩ Ｈｏｕ—ｑｕａｎ 。ＳＯＮＧ Ｚｈｉ—ｊｉｅ ，ＨＡＮ Ｓｈｕ—ｐｉｎｇ。
（１．Ｎａｖａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ ４３００３３，Ｃｈｉｎａ， ２．Ｔｈｅ Ｏｃｅａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＣｈｉｎａ，Ｑｉｎｇｄａｏ ２６６０７１，Ｃｈｉｎａ，３．Ｔｈｅ Ｎａｖｙ Ｓｕｂｍａｒｉｎｅ Ａｃａｄｅｍｙ，Ｑｉｎｇｄａｏ ２６６０７１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｄｅａｌｓ ｗｉｔｈ ｔｈｅ ｅｘｔｒａｃｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｔａｒｇｅｔ ｓｐｅｃｔｒａｌ ｌｉｎｅｓ ｉｎ ｂａｃｋｇｒｏｕｎｄ ｎｏｉｓｅ，
ａｐｐｌｙｉｎｇ ｔｈｅ ｓｐａｃｅ—ｔｉｍｅ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｓｐｅｃｔｒａｌ ｌｉｎｅ．Ｉｔ ａｎａｌｙｓｅｓ ｔｈｅ ｄｅｆｆｅｒｅｎｃｅ ｂｅｔｗｅｅｎ ｔｗｏ ｓｏｒｔｓ ｏｆ
一种DEMON信号线谱识别方法
78一种DEMON信号线谱识别方法
朱文亚 陆佶人
(东南大学无线电工程系,江苏 南京 210096 ) A detection method Of DEMON signal line spectrum
Zhu Wen-ya Lu
Ji-ren (Department of Radio Engineering, Southeast University, JiangSu NanJing 210096,China) 1: 概况 水声目标的螺旋桨空化,柴油机活塞调制等会使宽带噪声产生幅度调制,而通过对解调谱的处理得出的离散线谱,可以得出水声目标的一些重要特征.通过水听器得到的数据一般经过
以下过程:带通滤波,绝对值检波,直流分量的滤除,低通滤波,抽样,背景均衡处理,线谱识别和多
时刻数据复合处理.本文讨论背景均衡以后的几个部分.
2:背景均衡处理和线谱识别
2.1 背景均衡
经过前面处理的数据包含有宽带背景噪声,在低信噪比的水声解调谱情况下会对检测产生
很大影响,通过背景均衡处理可以消除宽带噪声,提高检测的检测率.
由于目标是提取解调谱中的线谱部分,由线谱的特点,并考虑到以后要对数据进行峰值门
限处理和谱宽门限处理,使用改进的滑动窗拟合算法可以得出较好的背景连续谱，因而可以得
出较好的线谱识别结果。算法步骤如下:
（1）.设定滑动窗长2k+1，滑动步长step，每滑动一次,取其中step个点作为平滑值, step
值一般取为窗长的1/4
以下。由于拟合时,取拟合点居于拟合窗中间比拟合窗边缘效果好，
对数据进行增补处理，设定处理数组。假设原数据为：(0),(1)()xxxniii
.处理数组则为:
()(1),(0),(1)(),(1)(1),(),(1)().xkxxxxkxkxnxnxnxnk+−−−iiiiiiiiiiii
（2）.拟合估计背景时，由于线谱值比原背景值大很多,拟合后会导致附近点的背景值拟
合值偏大,所以应抑制这种影响.进行如下滑动窗预处理可减少线谱对背景估计的影响:搜
提取水稻线粒体DNA的一种简易方法
文章编号:049026756(2002)0z20018203
提取水稻线粒体DNA的一种简易方法
裴得胜1,2,蔡平钟1,李名扬2,阎文昭1,裴炎2
向跃武1,张志雄1,吴洁1
(1.四川省农业科学院生物技术核技术研究所,成都610066;(2.西南农业大学生物技术中心,重庆400716)
摘要:介绍了一种利用常用的普通试剂提取水稻线粒体DNA的简便方法.与其它方法相比较,它具有省时、省钱、高效、快捷、简单等特点.用该方法提取的水稻线粒体DNA,经紫外分光光度计测
定其纯度、限制性内切酶进行酶切和随机引物进行RAPD反应的结果表明,完全可以满足作为
RFLP和RAPD等分析质量的要求.关键词:水稻线粒体DNA;提取纯化;酶切;RAPD
中图分类号:Q244 文献标识码:A
杂交水稻是粮食增产的主要方法之一,而水稻雄性不育是杂交水稻发展的基础.因而雄性不育是当今国内外研究的焦点.研究表明水稻的雄性不育与线粒体紧密相关[1],故此提取纯化水稻线粒体DNA成为研究
水稻线粒体DNA与细胞质雄性不育的一个必要步骤.目前提取水稻线粒体DNA的一般方法如:国外的Douce方法[2]、Pring方法[3]、Levings方法[4]以及国内所用的蔗糖的不连续梯度方法[5,6].国外提取纯化水稻
线粒体DNA的方法存在试剂价格昂贵、购买困难等不便;国内所用的蔗糖不连续梯度方法步骤繁琐,特别
在吸取中间层黄色液时比较困难,费时又耗材.我们现介绍一种使用普通试剂的简易方法,此法操作步骤较
少,并且所得的线粒体DNA较纯,能被限制性内切酶酶切.其DNA的质量完全符合RFLP和RAPD等研究的要求.
1 材料和方法
1.1 试剂
缓冲液A(50mmol/L Tris2HCl,pH8.0,2.5mmol/L EDTA,0.44mmol/L Sucrose,0.15%BSA,
5mmol/L22Mercaptoethanol),缓冲液B(50mmol/L Tris2HCl,pH8.0,20mmol/LEDTA,5mmol/L22Mer2captoethanol),缓冲液C(0.6mol/LSucrose,20mmol/LEDTA,10mmol/LTris2HCl),缓冲液D(50mmol/L
基于DSP的快速谱特征提取方法
２００６年第３期 声学与电子工程 总第８３期
基于ＤＳＰ的快速谱特征提取方法
罗昕炜方世良 （东南大学信息科学与工程学院，南京，２１ ００９６） 摘要：通过对向量运算的优化，提出了一种简便快速的多项式曲线拟合方法，并在通用高速数字信号 处理器ＡＤＳＰ２１０６０中实现，为实时水声信号的分析提供了有效的手段。 关键词：水声：谱特征；最／］，－－乘法；拟合
在水声信号中，功率谱和解调谱反映了信号 的重要特征，对于功率谱和解调谱的特征提取一 直为许多学者关注并得到实际应用 ｊ。在实时系 统中，需要对谱形特征进行快速有效的提取。进 行谱特征提取时，运算量最大的是多项式曲线拟 合，本文提出一种快速曲线拟合方法，并采用ＡＤ 公司的２１Ｏ６ＯＤＳＰ芯片完成，取得预期的效果。
１曲线拟合原理
曲线拟合是线谱提取的重要步骤。拟合过程 如下：设某点集（Ｘ ， ），其中，：Ｏ，１，２，…， ， （Ｘ，，Ｙ，）和（ＸＩ＋ｌ，Ｙ ）是线上最近的邻点。所谓对 点集的曲线拟合就是要决定某种函数关系 ＝ｇ（ｘ），使数据点集（Ｘ，，Ｙ ）和函数点集 【Ｘ，，ｇ（ｘ，）］之间的误差测度为最小。典型的误差 测度包括幅值误差：
Ｍ ＝∑Ｉ －ｇ（ｘ，）Ｉ （１） ｉ＝ｌ 最小平方误差：
Ｍ ２ ＝Ｚｌｙ，－ｇ（ｘ，）Ｉ （２） ｆ＝１ 峰值误差：
＝ｍａｘＩｙ，－ｇ（ｘ，）Ｉ （３）
对于数据做曲线拟合的普通方法是分段多项 式曲线拟合。对于这种拟合， ＝ｇ（ｘ）取以下形 式：
＝ ＋ａｌ ＋ ＋…＋￣ＩＮＸＹ ａｏ Ｘ ￣／２Ｘ ＸⅣ （４） ＋ａｌ ＋ ‘＋…＋ ” （４）
式中ａ 是多项式的加权系数。将拟合数据点代入 上式，得到向量空间关系式：
２４ １ ＸＭ ｘ２Ｍ…ｘ
令Ｘ＝
１ ＸＭ … ａ０
● ：
．ａ ａ０
● ： ａ ＾ ＾ ● ：
： ， （５）
＾ ＾ ● ：
则上式用更简洁的关系表示为：
Ｘ水 ＝ （６）
对于数据点集（Ｘ，，Ｙ，），令歹＝ ● ： ＹＭ 根据最小平方误差准则：