非平稳信号分析的广义解析模态分解方法

现有的非平稳信号分析方法都有各自不同的缺陷,短时傅里叶变换的时频分辨率受不确定性原理的限制,希尔伯特黄变换存在端点效应和模态混叠,易导致模糊的时频分布;解析模态分解只适合分析频率恒定的多分量信号;针对包含多个时变模态、特别是频谱重叠的非平稳信号,本文提出了一种新的信号分析方法———广义解析模态分解（Generalized Analytical Mode Decomposition,GAMD）．GAMD通过广义傅里叶变换将时变频率转换为频谱可分的,采用解析模态分解对其分解,再对得到的单分量信号进行逆广义傅里叶变换即可得到原始信号的分量．因此,GAMD非常适合分析时变的非平稳信号．通过仿真信号将GAMD与短时傅里叶变换和希尔伯特黄变换等方法进行了对比,结果表明GAMD方法的分解效果更精确,时频分辨率更高．     

Hilbert-Huang变换的自适应频率多分辨分析研究

Hilbert-Huang变换方法能自适应地提取非平稳数据的局部均值曲线,将复杂的叠加信号分解成有限数量的、且有物理意义的内蕴模式分量函数,从而得到有意义的瞬时频率和希尔伯特时频谱.它是一种局域波分析方法.其特点是比小波分析有更高的时频分辨率,没有Wigner-Ville分布的交叉项,特别适合分析非平稳数据.本文根据Hilbert-Huang变换的原理,推导出内蕴模式函数的递推表达式,给出了希尔伯特谱的最高频率分辨率,首次提出了一种新的的自适应频率多分辨分析原理和方法,从而完善了局域波分析的理论.     

广义S变换及其时频滤波

首先从基于高斯窗函数的短时傅里叶变换推导出了一种广义S变换,分析了它与S变换及小波变换的关系,给出了它的运算实现.理论分析与仿真实验表明,广义S变换的时频窗口不仅能够随着频率尺度自适应地调整,而且克服了S变换中时窗函数的变化趋势固定不变的问题,使广义S变换在应用中具有更高的实用性和灵活性.利用其高质量的时频分布,在时频平面中设计时频滤波器,用于非平稳信号中特定信号分量的提取,展示了广义S变换在这一应用中的有效性.     

一种用于地震信号分析的二阶挤压小波变换算法

地震信号分析在地质岩性、储层、流体、沉积相带的检测,以及地层界面识别与储层分析、地震资料处理和解释等方面具有重要研究意义。针对现有时频分析算法在处理地震信号时,存在时频分辨率低、能量聚集性差等问题,该文以Ricker子波为数学模型,提出了一种新的2阶挤压小波变换算法(SWT2)。考虑到传统时频同步压缩变换中的瞬时频率估计对地震信号失效,利用改进的母小波对地震信号进行匹配,进而通过谱峰对齐对参考频率进行修正,从而提升时频能量聚集性和时频分辨率。仿真实验结果表明,提出的2阶挤压小波变换算法可以极大地提升地震信号的时频聚集性,精确地反映信号的时延和主频,对地层结构的刻画更加精确。     

一种新的非平稳信号分析方法－局域波分析

该文介绍一种新的非平稳信号分析方法一局域波分析。该方法源于瞬时频率的概念,它能把动态信号的局部特征正确地在时频域内予以描述。局域波分解的基不是固定的,而是随动态信号波形的变化而变化,具有自调节自适应的特征。与传统的时频分析方法相比,局域波分析有很多优点,它是分析非平稳信号的一般方法。该文讨论了局域波分析的应用,指出了该方法需进一步研究的有关问题。     

强干扰下非平稳跳频信号高分辨测试技术研究

为了提高对强电磁辐射干扰下的非平稳跳频信号检测性能,提出一种基于时频分析的非平稳跳频信号高分辨测试技术.采用短时傅立叶变换构建非平稳信号的时频分析模型,把信号划分成许多小的时间间隔,在时间轴连续滑动窗口上对信号进行固有模态分解,提取非平稳跳频信号的Hilbert谱特征,谱特征有效反映了信号的幅值在整个频率段上随频率的变化情况,从而找出信号中跳变的频率分量,实现信号高分辨测试.仿真结果表明,采用该方法在强干扰条件下进行信号测试,信号输出的分辨能力较强,准确检测概率较高,性能优于传统方法.     

一种低码率音频压缩编码的窗切换方法

当前主流音频压缩技术都采用窗切换技术来抑制预回声现象。然而编码器切换到短窗虽然提高了对暂态信号的时间分辨率,但同时却降低了低频平稳信号的频率分辨率。对此提出在短窗时采用一种非均匀时频变换方法来取代短窗时频变换,它对信号的低频平稳分量具有很高的频率分辨率,同时对高频暂态分量也有足够的时间分辨率。最后用实验验证了该方法的可行性和有效性。     

基于熵的Gabor变换窗函数宽度自适应选择算法

该文针对Gabor变换中窗函数宽度选择的问题,提出了以提高Gabor表示的聚集性和时频分辨率为目的的窗函数宽度自适应选择算法。提出对香农熵的取值范围进行改进,使其更适合度量时频分布的聚集性,进而根据熵度量实现了与信号非平稳性相适应的最优窗函数宽度选择。仿真结果表明该算法对单分量及多分量信号都能有效地选择最优窗函数宽度,能够获得聚集性好、时频分辨率高的Gabor表示,并具有很好的抗噪性能。     

基于S变换的信号时频特性分析

介绍了S变换的基本原理,从理论上分析了S变换与短时傅里叶变换和小波变换的关系。对比分析了短时傅里叶变换、Wigner-Ville分布与S变换的时频谱特点。实验结果表明,S变换的时频窗口可以随频率自适应的调整,这使得S变换在非平稳信号的应用中更有实用性和灵活性。     

双向高斯核函数时频分布及在瞬时频率估计中的应用

将双向高斯核函数时频分布引入到非平稳信号瞬时频率估计。通过控制时延、频移参数,该时频分布能够有效提高时频分辨率,同时对多分量信号检测时存在的交叉项能够得到很好的抑制。理论推导及计算机仿真均表明该分布具有良好的性能。     

多分量信号快速时频分析方法

针对目前多分量时频分析方法计算复杂度高,难以实现持续信号实时处理的问题,提出一种多分量信号快速时频分析方法。该方法通过信号流逐窗时频变换,实现信号的快速时频分析,其主要计算过程为短时傅立叶变换,时间和空间复杂度低,易于工程实现。性能分析结果表明:该方法时频分辨率高,避免了交叉项干扰,能有效分析低信噪比信号。     

基于自项窗的WVD交叉项抑制技术

为了解决维格纳-维利分布(WVD)的交叉项干扰问题,提出一种覆盖自项支撑区的时频窗——自项窗,通过对信号的WVD进行加窗处理,得到改进的时频分布。首先分析了多分量信号WVD中自项和交叉项的不同特点,接着论述了自项窗法的原理及自项窗的构造方法,分析了改进的时频分布的性质,最后进行了仿真验证。结果表明,自项窗法能够有效消除WVD中的交叉项,并保留WVD良好的时频分辨率和能量聚集性,适合于非平稳信号的时频分析。     

基于图像处理技术的雷达辐射源信号时频特性分析

针对常用时频分析方法对多分量雷达辐射源信号(RES)分析和处理的不足,提出一种基于图像处理技术的多分量RES时频特性分析方法.该方法通过时频分布图的平滑滤波、阈值处理和基于形态学细化等算法来提取RES自分量,在有效抑制噪声的同时,能够得到具有高分辨率的多分量RES时频图.仿真实验表明,该方法既克服了常用时频分析方法的不足,又优于时频重排方法对多分量RES的时频特性分析.     

Instantaneous Frequency Estimation of Nonlinear Frequency-Modulated Signals Under Strong Noise Environment

Instantaneous frequency (IF) is the most important parameter of a signal, which is an important representation of non-stationary signals, such as frequency-modulated signals. Usually, signals are received with noises. Under noise environment, the conventional IF estimation methods for nonlinear frequency-modulated (NLFM) signal cannot work. In this paper, we focus on how to extract IF of NLFM signal under strong noise environment. First, a modified S-method (SM) is proposed to represent the time–frequency (TF) characteristic. The modified SM uses an adaptive smooth window. The symmetric window is used for multi-component signals and asymmetric window for mono-component signals. The modified SM enhances the TF energy concentration and suppresses the cross-terms effectively. Then, the Viterbi algorithm is used to extract the IF from the TF plane. Viterbi algorithm is a hidden Markov chain approach, which is proposed here as the IF estimator. The proposed method is utilized for various types of NLFM signals. Simulation results demonstrate the efficiency and validity of the proposed method under strong noise environment.     

基于最优Bohman窗的改进S变换电能质量扰动特征精确快速提取方法

针对传统S变换存在时频分辨率低且计算量大的问题,该文提出一种基于最优Bohman窗的改进S变换。该方法通过直接控制窗长获得最优时频分辨率,同时只针对主要频率点进行时频分析,实现对各类扰动信号特征的精确快速提取。首先根据所提评价标准确定最优长度参数;其次将采样信号进行快速傅里叶变换得到FFT频谱,再通过基于极大值包络的动态测度快速算法确定主要频率点;然后根据主要频率点所处频段选择对应最优长度参数进行计算处理;最后根据模时频矩阵计算时频幅值向量完成时频特征提取。仿真分析和实验结果表明,所提方法相较于传统S变换具有更高的时频分辨率和更短的计算时间,适用于电能质量扰动信号特征的精确快速提取。     

一种基于SPWVD-WVD的高质量时频分析方法及ISAR成像应用

交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。