一种高时频聚集性的方法在非平稳信号分析中的应用

非平稳信号广泛存在于自然界及工程实践中,时频分析是处理非平稳信号的有力工具。时频聚集性是评价时频分析方法的重要指标,传统时频分析方法在时频聚集性上已经不能满足要求,同步压缩小波变换将小波系数在频率方向进行压缩,能够有效提高时频聚集性。本文将此方法分别用于不同信噪比下的单分量及多分量信号分析,并与传统方法对比。结果表明该方法具有较强的噪声鲁棒性,对于复杂多分量信号仍能保持高时频聚集性。最后用于变转速滚动轴承故障信号分析,进一步验证了此方法的实用性。     

转轴转速波动信号的时频脊线提取方法

转子的转速波动信号因不平稳导致传统的信号分析方法不适用。为此,采用时频分析的方法对转速波动信号进行分析,提出了转速波动信号的时频脊线提取方法。对信号的频谱图进行简单分析,通过频谱图得到信号的基本频率信息;对信号进行短时傅里叶变换,得到信号的时频联合分布图;沿时间轴将信号进行分割,提取出每段信号的脊线,将每段脊线进行整合,得到目标脊线;利用卡尔曼滤波技术提取最优脊线。从复杂的原始信号中准确识别出信号的时频脊线,可用于转速波动的故障诊断。     

基于线性正则变换的时频信号分离方法

时频信号分析是当今信号处理领域研究的一个热点问题,各种时频分布函数得到了广泛的研究和应用。线性正则变换是一种重要的时频分析工具。文中研究了线性正则变换与传统时频分布函数的关系;并基于这些关系,提出了一种新的时频信号分离方法,能够把在时频面上互不重叠、但在时域和频域均存在较强耦合的多分量合成信号有效地分离。仿真实例表明了该方法的正确性和实用性。     

时频分布级数方法的改进

时频分布级数法在保持高时频分辨率的前提下,有效抑制了Wigner分布的交叉项,但运算量问题制约了其在工程应用中的普及。该文在对时频原子基函数进行研究的基础上,利用窗口选择特性对方法进行了改进,节省了大量计算,通过对多分量非平稳信号的仿真表明,对TFDS方法的改进是有效的,信号处理时间明显缩短,对联合时频分析的工程应用具有一定的参考价值。     

SAR原始数据时频域幅相压缩算法

采用时频分析的方法,结合SAR原始数据非平稳的时频振荡特性,提出了一种基于Gabor变换的SAR原始数据时频域幅相压缩算法.该算法首先对分块原始数据进行幅度-相位转换、2D-RDGT变换以及在时频域内对各频率平面根据方差进行比特分配,然后采用分块自适应量化算法量化各频率平面.实验结果表明,该算法与传统的BAQ算法和已有的幅相算法相比无论在数据域还是在图像域的压缩性能都取得了明显的改善.     

基于模态分解的Hilbert-Huang变换

Hilbert-Huang变换(HHT)是近年来发展起来的一种新的时频分析方法。本文首先阐述了基于经验模态分解(EMD)的Hilbert—Huang变换(HHT)的基本原理及英特点,然后将该方法用于实例,对比分析了HHT变换和传统的傅立叶变换的实验结杲,进而说明了该方法用于信号时频分析的可行性和优越性。     

基于Wigner高阶谱的ECG信号分析

采用二阶Choi-Wigner Ville变换来分析晚电位信号,解决了用时域或频域方法不能观测到晚电位的问题,并对消除交叉干扰项的问题进行了研究。该方法取得很好的效果,特别针对非高斯信号,它能给出更好的时频分辨率,给医生提供一种新的诊断工具。     

一种新的基于小波变换的EEG视觉伪信号修正方法

提出了一种在基准EEG信号和视觉信号未知条件下,基于小波阈值去噪的方法来修正EEG信号中出现的视觉伪信号(OA)的新方法。这种方法实现了对原始EEG信号进行平稳小波变换(SW T);对低频系数进行两次阈值去噪;对去噪后的信号进行重构。实验结果表明:这种新方法在基准EEG信号和视觉信号未知条件下能有效去除OA,同时适用于眨眼和眼球运动所产生的伪信号。通过不同方法对采集的信号处理后进行比较,说明该方法的有效性。     

基于随机共振的微弱高频CW信号检测技术研究

针对强噪声背景下基于时频分析的高频CW信号检测算法性能严重下降,提出一种基于非线性双稳随机共振的微弱CW信号检测方法。该方法将CW信号调制到低频端,借助随机共振模型进行滤波,再进行WVD变换与Hough变换,从而将CW信号的检测问题转换为参数空间(ρ,θ)的峰值检测问题。实验结果表明,该方法能够在强噪声背景下有效提取CW信号,可用于指导高频CW电报自动接收设备的研制。     

分数阶自相关和FrFT的LFM信号参数估计

基于分数阶自相关和分数阶傅里叶变换的特点,提出了一种LFM信号检测与参数估计方法。相对分数阶傅里叶二维扫描法和匹配傅里叶变换,所提方法将检测与参数估计的二维搜索变为一维搜索,快速实现信号检测和参数估计,在多分量LFM信号情况下借助“Clean”的方法来抑制强分量对弱分量的干扰。计算机仿真表明了该算法在低信噪比多分量LFM信号检测与参数估计中的有效性。     

弹道导弹目标回波信号建模与雷达特征分析

介绍了弹道导弹运动目标特征提取和雷达识别的研究概况,针对锥顶不动、进动角固定的匀速进动锥形弹头目标,对其典型运动进行建模,给出了回波的解析表达式,利用数值解的方法,对回波信号进行了频谱分析和时频分析,提取了频谱调制特征和微RCS特征,使用Wigner-Ville分布峰值检测法,提取了回波信号的微多普勒特征,给出了使用雷达微动特征识别弹道导弹弹头的途径.最后给出了回波信号时频分布、微多普勒、多普勒谱和微RCS的仿真结果,证明了理论分析的正确性.     

基于改进广义S变换的井筒波压制

VSP资料中经常出现能量比较强的井筒波,目前其压制方法主要利用中值滤波和F-K滤波。由于中值滤波存在统计效应,而F-K变换经常存在空间假频,都很难取得理想效果。基于井筒波和有效信号的时频差异,提出利用改进的广义S变换(采用宽度可变的高斯窗函数,其时窗宽度随频率呈正比,在低频段时窗较窄,获得较高的时间分辨率;高频段时窗较宽,故可获得很高的频率分辨率)对井筒波进行分离和压制。理论推导和实际数据计算表明,基于吸收改进的广义S变换的井筒波压制明显突出了有效信号,提高了信噪比。      

时频联合分布算法中核函数的改进

分析了时频联合分布算法中核函数的作用。针对现有算法中存在的问题,提出了用简化的霍夫变换在平面提取信号自项成分,生成一个随输入信号变化的核函数的新算法,从而把信号自项与交叉项的分离问题转化为二值图像中过定点的直线检测问题。仿真结果表明,该方法克服了现有算法的不足,在保持信号自项的幅值正确计算的前提下,很好地衰减了交叉项。     

DSSS系统中自适应时变小波包干扰抑制

提出了一种基于自适应时变小波包变换实现直接序列扩频通信系统时变窄带干扰抑制的方法。该方法在自适应时域分解的基础上,利用小波包变换多分辨分析能力和良好的时频特性进行频率分解,将有用信号和干扰分离,然后将受扰频带置零后进行小波包合成,达到滤除时变窄带干扰的目的。计算机仿真结果表明,该方法与非时变自适应小波包抑制技术相比较,以计算复杂度为代价,能更灵活有效地跟踪和定位时变干扰,提供较好的误码率性能。     

基于稀疏分解的高分辨雷达信号特征提取

从含噪的目标波形中提取稳健的目标特征,是准确识别目标的关键.通过稀疏分解将高分辨雷达回波信号展开于一个超完备Gabor时频字典上,从具有局部化时频结构的信号中提取相关特征量,并采用改进的混合粒子群算法降低匹配追踪过大计算量的问题.实验表明,使用少数原子就可以表示原信号的主要特征信息,可作为目标识别的依据.