针对在背景噪声下滚动轴承故障初期周期性瞬态冲击不明显的问题,应用基于循环平稳最大化盲解卷积方法(Blind deconvolution based on cyclostationarity maximization,CYCBD)。滤波器长度和循环频率左右CYCBD降噪效果,应用粒子群优化算法(Particle swarm optimization,PSO)对其进行智能化寻优,确定优化参数,解决CYCBD不稳定问题。首先,采用PSO优化CYCBD中滤波器长度和循环周期频率,对周期性冲击成分进行增强;然后,通过包络谱峰值因子(Crest factor of envelope spectrum,EC)作为PSO的目标函数,迭代寻找滤波器长度和循环周期频率的最优解;最后,对CYCBD应用最优解,对增强后的信号进行包络解调分析,可以准确地获得轴承信号的故障特征频率。通过对仿真信号和实验数据分析,表明该方法可有效增强振动信号的周期性瞬态冲击特征,在滚动轴承早期故障特征提取方面具有优势。

针对数字调制信号的类间识别问题,介绍了基于傅氏变换的联合频率分析方法,在时频分析和谱相关理论的基础上,提出了联合信号频率和循环频率的分析方法,并将其用于移频键控、移相键控、多音频分复用三类数字信号的类间识别.计算机仿真结果表明：在信噪比不低于5dB的条件下,平均识别成功率高于90%.