非平稳信号的快速傅里叶变换与小波分析的比较

在对通信系统信号进行分析时,非平稳信号是经常遇到的。采用快速傅里叶变换和小波变换对通信系统信号进行分析,比较了分析结果,证明小波分析更适合于突发信号的分析。最后给出了Matlab实验结果。     

利用自适应傅里叶分解的非平稳无线信道的时频表示

针对非平稳Clarke无线信道模型的时域冲激响应的性能分析需求,利用自适应傅里叶分解,引入了一种非平稳无线信道的时频表示方法和信道函数的重构表示,并给出了信道的单分量表示式、时间频率分布以及能量谱密度。在高速移动、快速时变环境下进行仿真,结果表明,本文提出的非平稳无线信道的表示方法能克服STFT、小波变换等相关方法的缺点,提高了无线信道时频表示的准确性,降低了信道的重构误差。      

几种信号分析方法对非线性、非平稳信号分析效果的比较

本文通过时傅立叶变换，短时傅立叶变换，小波分析，经验模式分解几种信号分析方法在信号分析中的效果相比较，肯定了经验模式分解在分析非线性、非平稳信号中的作用，同时也指出了经验模式分解还存在的问题。     

一种探地雷达回波信号的非平稳特性分析方法

针对传统的傅里叶变换已无法满足非平稳信号的分析,本文提出了探地雷达回波信号的短时傅里叶变换分析方法,这种方法可有效消除探地雷达回波信号的干扰和杂波。首先介绍了探地雷达系统设计原理及其工作过程,在此基础上,分析了典型的探地雷达回波信号特征、介绍了短时傅里叶变换原理,短时傅里叶变换持有的时频局域化特性非常适用于非平稳信号处...     

基于小波变换和极大熵谱的非平稳信号分析

为非平稳信号的时域细节特征和频率特征,根据极大熵法具有适合分析短时数据的特点,对线性调频非平稳信号时域数据建立了参数模型,并到了三维熵频谱。此外,应用小波变换对其了三级小波分解,得到了信号时频细节特征。结果表明：本文所研究的线性调频信号的主要成份在三级小波的低频段0～0.3Hz范围内。     

信号的广义时频表示

研究出一种真正的非平稳信号分析方法，用时频图表示非平稳信号的的动态频谱，经历了四十多年丰富多彩的发展，终于在最近几年中取得了重要进展，并与小波理论相结合，形成了能概括大部分重要分布的统一理论框架，称为广义时频表示，本文概述和评论广义时频表示的最新研究成果，并以语音信号的时频表示为例，论述了它的广阔应用前景。     

基于二次型时频分析方法处理非平稳信号

使用时频分析方法处理非平稳信号,提取非平稳信号的时频分布。分别采用线性时频分析和二次型时频分析处理模拟仿真信号,仿真结果显示用二次型时频分析处理所得的时频分布的时频分辨率较高。仿真结果证明,二次型时频分析方法是处理非平稳信号的有效方法。     

非平稳确定性信号与非平稳随机信号统一分类法的探讨

根据信号通过线性系统可产生新信号的理论,对非平稳确定性信号与非平稳随机信号的统一分类方法进行了深入研究,分别给出格林函数描述的线性时变系统法、调制函数作用于边界稳定线性系统的自激振荡正弦波法、随机输入线性时不变系统与边界稳定的与不稳定的线性系统组合法。这3种分类法便于对非平稳确定性信号与非平稳随机信号进行统一分类研究,并具有比较全面与系统性好的优点。     

基于时频联合分布的经验模态分解方法

经验模态分解没有固定的先验基底,使信号分析更加灵活多变,是信号处理领域内解决非线性、非平稳信号分析问题的新方法。但其只可分解信号持续时间内由连续的不同频率成分组成的信号,不能分解不同时间段含有相似频率成分的信号。时频联合分布通过设计时间和频率的联合函数,利用时域和频域联合描述信号在不同时间和频率的能量密度。将时频联合分布应用于其中,扩展经验模态分解方法可处理的信号类型。     

基于经验模态分解的管道超声回波信号识别

在管道超声无损检测中,超声回波信号常受到噪声干扰或者因管道壁缺陷原因导致回波波形重叠,故检测信号很难判断缺陷大小。现采用一种基于经验模态分解(Empirical Model Decomposition,EMD)的方法,对超声回波信号的到达时间进行准确识别。该方法首先把原始采集的超声回波信号进行经验模态分解,预处理回波信号中的噪声干扰,处理后的信号通过正交检波处理得到该信号的峰值包络,则该包络的峰值时刻对应了回波信号的到达时刻。通过对实测缺陷信号的试验,验证了该方法的可行性和准确性。     

一种基于模态分解的时频分析方法

阐述了基于模态分解的时频分析方法的基本原理及特点。并与其他时频分析方法相比较，说明了该方法用于信号进行时频分析的可行性和优点，最后指出了该方法亟待解决的几个问题。     

基于经验模式分解的人体生命参数检测

人体生命参数检测可用于地震后废墟中的人员搜寻以及反恐行动中人质的营救。由于人体体动的雷达回波信号非常微弱,用传统的时频分析方法无法检测出由体动产生的微多普勒频率。针对这一问题,提出了一种基于经验模式分解的人体生命参数检测方法,首先对人体回波信号进行经验模式分解,接着对分解后得到的内在模函数进行时频分析,可以从时频图中有效提取出由人体体动引起的微多普勒频率。仿真实验表明在信噪比较低时文中所提方法的有效性。     

基于S-变换的水中目标特征提取

介绍了一种相对较新的联合时频分析方法——S-变换法,并利用S-变换对水中目标信号的相位特征和局部谱进行提取。列举了一些联合时频分析的应用例子,证明了此法对水中目标特征提取的有效性。     

雷达信号脉内时频分析的一种新方法

提出了基于短时傅立叶变换和分数阶傅立叶变换相结合的雷达信号脉内时频分析方法。介绍了短时傅立叶变换和分数阶傅立叶变换．以及两者的联合分布．最后给出了仿真结果。     

Analysis of Multi-Component Non-Stationary Signals Using Fourier-Bessel Series and Wigner-Hough Transform

We presented a novel Fourier-Bessel (FB) series and Wigner-Hough transform (WHT) method for the analysis of multi-component non-stationary signals. The FB series decomposed multi-component non-stationary signals into mono-component signals. The Wigner-Ville distribution (WVD) was applied to each mono-component signal to analyze its time-frequency distribution (TFD). Summing up the WVDs of the individual components resulted in TFDs of the multi-component signals, where the cross terms and noise were significantly reduced. The Hough transform (HT) was applied on the TFD of the multi-component signal (obtained from FB-WVD). The HT provides an important tool for mapping the signals onto a parameter space where the detection and estimation problems are made easier. This mapping can be used in the detection and parameter estimation of signals which are unknown and embedded in noise.     

短时傅里叶变换在线性调频信号时频滤波中的应用

将短时傅里叶变换（STFT）的时频分析方法应用到线性调频（LFM）信号的滤波中, 突破了传统匹配滤波方法基于平稳假设的限制,将信号分析空间从一维频率域扩展到二维的 时间-频率域。利用自滤波的时频滤波方法进行LFM信号的滤波,然后分别采用时域和时频域 的均方误差（MSE）标准,分析了时频滤波的性能。仿真结果表明,基于STFT的时频滤波方 法能有效实现对LFM信号的滤波。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于EEMD的信号处理方法分析和实现

Hilbert—Huang变换是一种具有良好自适应性,能够对非线性非平稳的信号进行分析的时频分析方法。而经验模式分解是HHT的核心部分。针对传统EMD分解带来的模态混叠问题,介绍了引入白噪声辅助分析方法的改进型算法EEMD并且通过Matlab平台进行了信号仿真系统设计和实验,验证了EEMD方法的抗混分解能力。     

基于S变换的线性调频信号时频滤波

线性调频(LFM)信号是一种典型的非平稳信号。对非平稳信号的分析和处理不能仅依靠传统的基于傅里叶变换的分析方法,必须采用时域和频域联合的时频分析方法。将S变换(ST)的时频分析方法应用到LFM信号的滤波中,用tST-tIST和fST-fIST 2种算法组合分别实现了对LFM信号的滤波,然后采用均方误差(MSE)的衡量标准,仿真对比了以上2种算法组合的滤波性能。仿真结果表明:fST-fIST算法的滤波误差较大,不适合对LFM信号的滤波;tST-tIST算法的滤波性能较好,适合对LFM信号的滤波。