基于相位核的时频信号分析

提出了一种相位核时频分布,将自主项与交叉项在时频平面上分离,并且保持了高度的时－频分辨率,便于分析信号的时频结构特征;同时这种时频分布又满足一些时频分布性质,有利于进一步的应用．针对离散时间、频率时频分布与连续时间、频率时频分布的不同之处,给出了离散化相位核时频分布的计算方法,讨论了附加其他时频分布特性的相位核时频分布．     

一种组合时频分布在跳频信号参数估计中的应用

为了有效分析跳频信号并估计其参数,根据跳频信号的特点,提出了一种基于频率分解的组合时频分布．这种新的时频分布先将多分量跳频信号通过带通滤波变成多个单分量信号,再将每个分量的Wigner-Ville分布线性叠加．理论分析和仿真结果表明,这种新的组合时频分布能够有效抑制跳频信号的交叉项干扰．与现有的方法相比,具有更高的时频分辨率,更适合于跳频信号的时频分析和参数估计．     

基于ARMA模型滤波的微弱信号辨识

双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征,但双线性时频变换固有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的应用,提出采用ARMA模型滤波的方法来抑制双线性Wigner-Ville时频变换的交叉项干扰,并给出算法推导。结合实验数据,对比平滑伪Wigner-Ville算法的信号辨识结果,表明基于ARMA模型预滤波的双线性时频分析能更好的抑制交叉项干扰,具备更高的时频分辨能力和瞬态微弱信号辨识能力。     

基于重排时频分析跳频图案捕获的研究

为了实现对跳频图案快速准确地捕获,通过对Cohen类时频分布、核函数以及时频分布重排进行研究,提出了基于科恩-重排时频分析的跳频图案时频相关的捕获方法.时频相关的捕获方法能准确、有效地描绘跳频图案,具有很高的时间-频率分辨率.分析表明,时频相关的捕获方法能有效地抑制交叉项、扩散信号分量,计算时采用模块化处理,运算量小.仿真结果表明,时频相关法能够满足对跳频信号快速跟踪、测频的要求.     

基于信号模糊域自适应核分布的进一步分析

对于线性调频信号,根据其在模糊域上的结构自适应设计核函数,能够更好地抑制信号时频分布中出现的交叉项,并保持较高的信号聚集度。然而,这种核设计思想还只是基于信号模糊域的一种直观想法。     

跳频信号的时频分析新方法

根据跳频信号的特点,提出了一种基于信号分解的时频分析方法。该方法先将多分量跳频信号通过带通滤波变成多个单分量信号,再将每个分量的WVD线性叠加得到新的时频分布。理论分析和仿真结果表明,这种新的时频分析方法能够有效抑制跳频信号的交叉项干扰,与现有的方法相比,具有更高的时频分辨率,更适合于跳频信号的时频分析和参数估计。     

基于自适应核时频分布的多普勒频移及多径时延估计

对修正时频相关函数多径时延估计法作了改进，提出了两种基于自适应核时频分布的LFM脉冲声纳目标回波多普勒频移及多径时延的联合估计方法。即首先利用目标回波及发射信号的先验信息，构造抑制交叉项的时频分布，再利用WVD峰值法及Radon-Wigner变换法进行参量估计。最后，仿真实验验证了该方法的有效性。     

基于时频独立分量分析的Wigner-Ville分布交叉项消除法

由于信号混合引起的交叉项严重降低了Wigner-Ville分布的时频分辨率，为此提出一种基于独立分量分析的Wigner-Ville分布交叉干扰项消除法.在无须了解信号混合系数的情况下，通过盲源分离法提取各独立分量信号，给出盲源分离结果不确定的解决方法.建立了包含自项与交叉项的时频分布矩阵，利用时频分布矩阵的联合对角化算法消除独立分量信号之间的交叉干扰项.通过独立分量自项求和重构Wigner-Ville分布，重构的Wigner-Ville分布具有良好的时频分辨率.数值仿真结果验证了算法的有效性.     

时频分析在机载武器振动应力研究中的应用

针对时频分布的交叉干涉项信号简述了短时傅里叶分析、Winger-Vill分布和由其演化的几种时频分布方法、特点以及时频分布的重排原理.通过实例比较了这几种时频分布方法在实际信号处理中的应用效果,结果表明重排后的时频分布可以有效地抑制交叉项与提高信号的时频聚集性,从而为准确定义机载武器的试验时间提供理论依据.     

非线性时频分布重排算法在非合作跳频信号检测中的应用

在简述重排时频分布主要理论的基础上，具体分析了基于平滑伪Wigner-Ville分布的时频重排（rearrangement of the smooth pseudo Wigner-Ville distribution，RSPWVD）算法和基于Morlet小波的尺度图重排（rearrangement of the Morlet scale chart，RMSC）算法识别信号的基本原理，并导出了各自的重排算法表达式。分析结果表明，RMSC算法不仅可以获得比RSPWVD更为理想的抗干扰效果，而且可进一步提高信号时频分布的时频聚集性，从而更加精确地对跳频信号参数进行盲估计。最后给出了计算机仿真结果，并验证了其可行性和有效性。     

基于模糊域和支持向量机的故障诊断方法

将模糊域分布和支持向量机相结合，提出了一种故障诊断的新方法，该方法将模糊域分布中的局部能量作为特征输入到支持向量机的多故障分类器进行故障识别.利用模糊域分布可以很好地刻画信号的时频局部化特征，与时-频平面特征提取相比，又可大大降低数据维数.对于不同类型的核函数分布，将其诊断结果进行比较，试验结果表明，基于模糊域的支持向量机故障分类无需核函数滤波就能取得最好的分类效果.     

弦乐合弦声信号时频特征的小波包分析

利用小波包分析技术对弦乐合弦声信号进行时频分析，并采用Hilbert变换对小波分解系数时域重构信号进行包络线检波，得到了合弦声信号幅值的时频等高线相平面图．与传统傅里叶谱分析技术相比较，小波变换的时频相平面图能同时反映合弦声信号的构成频率成分及其时域特征．     

一种混合网台跳频参数盲估计算法

针对低信噪比（SNR）和复杂电磁环境条件下跳频参数估计精度低及算法复杂度高的问题,提出了一种短时傅里叶变换（STFT）和平滑伪魏格纳分布（SPWVD）的组合时频分析方法.该算法首先利用STFT将天线接收信号变换到时频域,并对时频信号进行自适应降噪处理;通过自适应聚类算法进行频率的精估计;提取时频信息并剔除各类干扰,再通过网台分选后得到各类网台跳时粗估计;最后采用SPWVD及修正后的截断门限进行跳变时刻的精估计.仿真结果表明,该算法在混合网台和低SNR条件下,跳频参数估计精度较高,算法复杂度较低,有效解决了实际跳频通信系统存在频率转换时间条件下的参数估计问题.     

基于时频分析的LFM信号检测与参数估计

基于Radon Wigner变换、分数阶Fourier变换与时频分布的关系,利用其对线性调频(linearityfrquencymodulation,LFM)信号良好的时频聚集性,通过计算Radon Wigner变换或分数阶Fourier变换,对线性调频信号LFM信号进行检测和参数估计。理论分析和计算机仿真证明:2种方法对于LFM信号的分析好于Wigner Ville变换等常用的时频变换。     

参数逼近的自适应时频分析

针对二次时频变换中的交叉项影响,研究了一种基于信号分解的WVD时频分析的方法,它结合自适应高斯提取法的思想和WVD的优良特性,将信号分解为若干个基于高斯包络的chirp信号分量,然后进行WVD时频变换和时频图的综合显示,消除了时频变换中交叉项的影响,也保持了信号自项的时频聚集度．将此时频分析方法应用于雷达信号时频分析,实验结果表明,该分解方法有效地消除了信号交叉项的影响,且保持了原信号的时频聚集度．     

几种时频分析方法的比较及应用

地震信号属于非平稳信号,常规傅立叶变换方法不能刻画任一时刻的频率成分,无法对其进行全面的分析。时频分析方法将一维时域信号变换到二维的时频平面,全面反映地震信号的时频联合特征。本文介绍了短时傅立叶变换、连续小波变换、Wigner-Ville分布、Cohen类分布四种时频分析方法,通过理论合成信号试算,从时间分辨率、频率分辨率,以及对多频率成份信号适应能力等方面阐述了这四种方法的优缺点,进一步分析比较了这四种方法的特点及应用效果。     

用于水声通信系统的迭代接收算法

提出一种基于频域最小均方误差(MMSE)均衡器、信道估计器和卷积码译码器,运用Turbo迭代原理构建用于单载波水声点对点通信的迭代接收算法.该迭代接收算法,引入频域均衡处理来降低多通道均衡处理复杂性,利用译码器提供的软信息来改善均衡器和信道估计器自身的性能,从而使用较少的接收阵元实现高速、可靠的数据传输.基于实测的声速抛面曲线(SSP)和有限元声线跟踪(Bellhop)方法模拟的水声信道脉冲响应用于算法性能的验证.仿真结果表明,使用上述体制的水声通信系统,利用译码器提供的增益来提高系统性能的同时,接收阵元的数量进一步减少,满足构建水下通信网节点的要求.     

一种基于短时信号改进CWD的识别方法

为了提高信号识别的效率和性能,在相关域内对短时信号模糊函数分析的基础上,针对短时信号对Choi-Williams分布(CWD)的核函数进行了改进,提出对信号取少量的短时信号段运用改进后的CWD在时频域进行比较的识别方法。实验表明该方法在减少了计算量提高了信号识别的灵活性的同时,也保持了CWD较强的抗噪声性能。     

基于ReliefF的时频联合特征及随机森林的配电网电缆故障识别方法

提出一种基于ReliefF算法的时频联合特征及随机森林的配电网电缆故障识别方法. 针对零序电压,从时域和频域构造23个故障敏感特征,采用ReliefF算法进行特征选择,得到最具分类能力的特征子集. 将特征子集作为基于随机森林的输入进行训练,得到最终的分类模型,实现了电缆故障类型识别. 所提方法与基于单一特征的方法相比,能够更加充分地挖据数据潜力,同时由于采用ReliefF算法筛除了无关特征,提高了算法效率. 最后采用Matlab软件进行仿真,并与决策树、KNN、SVM等算法进行比较,仿真结果验证了所提方法的可行性和高准确性.