为了研究风力涡轮机在1至10 Hz频率间隔内对地震信号的影响，我们记录了连续不断的地震噪声，并在两个具有不同地质工况的风电场附近进行了研究。 在风电场Fraureuth-Beiersdorf（5台涡轮机，距萨克森州Zwickau以南11公里处），我们使用了小型地震网络，并设有3至5个站，为期1-2周。 在海因德（2个涡轮机，靠近下萨克森州希尔德斯海姆），我们记录了1周的时间，其中一个站距风力涡轮机约1公里，而另一些站仅持续了几个小时。 通过数据的频谱图分析，我们可以清楚地识别出频谱振幅的日变化，而与涡轮产生的噪声无关。 涡轮噪声出现在2.2、2.7、3.3、4.5、5.2和6.6 Hz附近的某些频带上。 这些频带的频谱幅度与涡轮的风速或旋转速度之间的线性关系被清楚地识别。 由风力涡轮机的运转产生的地震信号不是在单个频率上的峰值，而是看起来更像具有增加的噪声幅度的频带。 对于Fraureuth-Beiersdorf，可以识别出至少10 km。 这些波段取决于许多参数，即风力发电机的高度，重量和结构，风力发电机的数量，地质状况等。在两个风力发电场中，我们还沿剖面记录了距风力发电机越来越远的

针对传统的T-S模糊辨识方法难以准确辨识含噪声的非线性系统问题,将噪声信号和系统的其他输入变量一起作为模糊前件的输入,采用具有动态随机搜索和寻优半径连续收缩机制的改进蚁狮算法优化模糊前件的结构参数,使用加权最小二乘法实现模糊后件的参数辨识.数值仿真表明,所提出的辨识方法可以有效抑制噪声的影响,经过改进蚁狮算法优化后的T-S模糊模型辨识效果更好.最后,将所提出方法用于直拉硅单晶生长热模型的辨识,实验结果表明该方法优于传统的辨识方法.

电磁噪声来源于电磁振动，电磁振动由电机气隙磁场作用于电机铁心产生的电磁力所激发，而电机气隙磁场又决定于定转子绕组磁动势和气隙磁导。气隙磁场产生的电磁力是一个旋转力波，有径向和切向两个分量。径向分量使定子和转子发生径向变形和周期性振动，是电磁噪声的主要来源；切向分量是与电磁转矩相对应的作用力矩，它使齿对其根部弯曲，并产生局部振动变形，是电磁噪声的一个次要来源。还有很多设计和故障原因，也会造成电磁噪声的增加。

电机也是属于分布参数系统，因此其固有频率也是有无穷多个，要计算其固有频率，不同的精度要求有不同的方法，例如经典的电机设计课程里面采用手算，只能简化成很少的自由度，按照集中参数模型得到最最重要的少数几个固有频率，现代CAE技术的进展，尤其是有限单元方法的进展及相关软件的普及，现在一般都使用有限元软件来进行固有频率的计算，只要有（几乎都有）动力分析功能的软件，都可以进行机械结构的模态分析，所谓的模态分析就是固有频率的计算。当然有限单元方法其实质也是将无穷自由度简化成有限的自由度，自由度数目显然与单元（或节点）数目有关，因此模态分析能够得到非常多的固有频率，耗费大量的计算机时间！实际上，即使用有限元法也不会去计算所有的固有频率（虽然是有限个），而是想方设法用尽可能少的计算量得到前面几阶感兴趣的固有频率。考虑电机定子和绕组材料、结构、定子轭部和齿部，以及定子槽数等具体尺寸下的电机模态固有频率精确计算

Wei Ren 专著

简介：本文介绍了抖动和相位噪声的基础知识，以及它的引发因素、和观察分析的探讨。　　抖动(Jitter)反映的是数字信号偏离其理想位置的时间偏差。高频数字信号的bit周期都非常短，一般在几百ps甚至几十ps，很小的抖动都会造成信号采样位置电平的变化，所以高频数字信号对于抖动都有严格的要求。 　　实际信号的很复杂，可能既有随机抖动成分(RJ)，也有不同频率的确定性抖动成分(DJ)。确定性抖动可能由于码间干扰或一些周期性干扰引起，而随机抖动很大一部分来源于信号上的噪声。下图反映的是一个带噪声的数字信号及其判决阈值。一般我们把数字信号超过阈值的状态判决为“1”，把低于阈值的状态判决为“0”，由于信号的

用于生成时频分析后的数据，同时可以添加有色噪声，制作神经网络学习数据集

风力机叶片气动噪声影响周边居民生活的问题开始引起研究人员的关注。现有研究大多基于CFD软件或实验数据拟合方法对其气动噪声进行分析,难以适应气动噪声随风速变化的动态分析需求。考虑风力机运行状态、来流风速以及接收点位置的影响,基于传统气动声学理论,建立了风力机叶片气动噪声计算的修正模型,并基于Matlab软件的Simulink模块,运用时域分析方法,对一种2MW风力机叶片的气动噪声进行了编程计算,并绘制了风力机叶片气动噪声的声压时间序列图,为开发低噪声风力机叶片提供了理论依据。

放大器电路，噪声、温度系数都非常好的。用于小信号的传感器。

由某个环境研究院编写的 环境影响评价 噪声预测、计算软件