相关原理广泛应用于时频领域里频标的产生、频率稳定度的测量比对、扩展测量频段以及测量比对装置的检定等方面。文中对时间频率测量中的相关原理进行了简要介绍和分析，并通过双混频时差（DMTD）测量系统中的转换振荡器对相关性进行了分析研究，经分析证明基于相关原理可改进测量系统或装置的性能，完善频率测量的方法，从而提高时间频率的测试精度。

由于多相流中各相流体的动力学特性极其复杂，使得多相流测量一直未得到满意的结果，如果利用互相关原理进行测量就可以解决多相流测量问题；该流量计以TMS320VC5402为核心，由于DSP强大和快速的运算能力，所以能实时准确地计算出渡越时间和流量值，而且抗干扰能力强；大量的测量数据表明，该流量计是一种准确、快速、稳定的流量测量仪器。

超声相控阵中，相位校正在消除相位畸变中起着重要作用。部分相控阵探头，阵元的面积小，回波信号弱，信噪比差。针对该问题，首先研究了邻近和集总相关估计在不同信噪比情况下的校正性能：发现信噪比SNR〉12dB时，邻近相关估计基本不产生估计误差；SNR〈5dB时，邻近相关估计产生的误差随着信噪比下降急剧增大。而集总相关即使在噪声强度较小时也不能做到估计误差为0；在噪声强度增大的过程中，其估计误差并未急剧增加，这与邻近相关估计不同。根据邻近和集总相关的特点，提出了混合相关校正结构。实验表明，混合相关充分利用了邻近和集总相关估计的优点，显著提高了图像质量。

由于硬件电路的影响,采样频率的提高受到了限制,直接对发射端和接收端的采样信号进行互相关所确定的声波渡越时间精度较低,为此提出一种基于互相关和函数型神经网络测量声波渡越时间的方法。首先介绍声学法测温、互相关和神经网络的基... 展开更多

介绍井下超声波石油流量计的互相关处理方法以及实现方案。该方案采用倾斜式换能器布放方式,提高了井下超声石油流量计的测量灵敏度;采用数值化互相关求取时差的方法处理超声回波,对相关法与阈值法计算时差的可靠性与稳定性进行了比较,说明了相关法在时差计算方面相对于阈值法的优越性。同时介绍了相关法井下流量计的电路实现方法。结果表明：简化了超声流量计的电路设计,提高了系统的稳定性和测量精度,该方案对于井下流量计及相似的检测问题具有实际的参考价值。

准确的声波飞渡时间在声学测温中具有非常重要的意义，针对强噪声环境下弱信号检测问题．研究了声信号的时间延迟估计。指出了声学测温中几种传统的时延估计方法的不足，提出了一种基于小波神经网络的时延估计方法。通过设定不同的信噪比，分别对基于ML互相关方法和基于小波神经网络方法进行了时延估计仿真试验。结果表明，在较低的信噪比下，小波神经网络方法仍可以抑制非高斯信号中相关高斯噪声的影响，为声学测温中的声波飞渡时间测量提供了指导。

文中首先介绍了相关流量测量技术的原理，据此研制了由28电导式相关流量计，并已经成功获得现场应用。然后，针对现有相关流量计不能实现单芯数据传输的难题，提出了由38电导式相关流量计，该仪器能够在并下实现两路相关流量信号的采集和互相关运算，并将处理结果转换为频率信号输出；在垂直和水平条件下油水两相流模拟井动态实验结果表明，该仪器输出响应和流量间存在着良好的线性关系。最后，在水平油气水三相流条件下进行了模拟实验，得到了电导式相关流量计的响应特性。

通过分析多普勒测速技术与粒子图像测速技术的区别,从一个新角度把PIV全流场测速技术应用于血液流场的研究中.用激光片光源照亮血流粒子场,再计算确定实验系统光学参数,以获得最佳流场图片.对流场分析常用的互相关算法进行改进,辅以曲面拟合和误差修正,获得了亚像素级的全流场速度的大小和方向,并进一步计算出血流场的涡量分布和剪切率分布.为了验证改进的算法,对日本视频协会提供的PIV-STD序列标准图像进行仿真计算和误差分析,与原算法相比其速度矢量图的误差降低了2个百分点,流场速度值的平均误差小于±1%.该结果表明文中建立的方法是有效的,并可推广用于其它的流场分析.

在介绍超声波相关流量计工作原理基础上，论证了产生高精度正弦波的必要性。分析了DDS技术的工作原理及结构，最后还提出了一种应用DDS芯片AD9850和DSP芯片TMS320VC5402组成的正弦波信号、AM和FM信号发生器。通过实测数据表明．本文所讨论的方法和研制的系统是可行的、有效的。

为实现轴承故障的快速准确诊断,以互相关和互信息为基础构造一种针对轴承的快速故障诊断方法。该方法首先运用有限长单位冲激响应(Finite Impulse Response,简称FIR)滤波器对各单一故障(包括内圈、外圈、滚珠、保持架)振动信号进行分解,降低信号分解过程中因模态混叠造成的干扰,以力学分析建立的各故障振动模型为参考,对分解后的子信号采用互相关分析法,选出表征故障特征的子信号,计算子信号透露的信息量——互信息,用于构造故障特征矩阵,最后由K最近邻分类算法(K-Nearest Neighbor,简称KNN算法)的识别结果验证该算法对实现轴承故障快速识别具有优势。