基于小波变换的非平稳信号分析与处理

针对傅里叶变换在非平稳信号分析中的难点问题,将小波变换和短时傅里叶变换应用于典型的非平稳信号,进行时频分析研究,所获得的特性比普通的傅里叶变换构成的频谱分析结果更清晰、准确,表明这两种时频分析方法独有的优越性、正确性、实用性.小波的多分辨特性更使得分析结果优于短时傅里叶变换.在此基础上用该方法对小波时频分析方法的抗噪性能进行研究,并从小波基函数的性质和实际仿真效果两方面设定参数,得出最优分析结果,改善了小波时频分析方法在高频处频率不易确定的问题.     

傅立叶变换技术在织物和无纺布结构参数测试中的应用

对傅立叶变换在纺织图像滤皮,无纺布中纤维取向度检测,以及织物结构参数测量等方面的应用进行了研究和分析,研究的结果表明,傅立叶变换技术是非常有效的。     

图像条带噪声的去除方法

针对传感器平台等条件下产生的图像条带噪声,提出了空间域滤波和频率域滤波相结合的去噪方法。条带噪声具有准周期性,噪声对应于其图像的傅里叶频谱中出现的亮点。基于这一原理,首先对带有条带噪声的图像进行傅里叶变换,并检测亮点所在的位置,然后在空间域对噪声图像进行开关中值滤波,并对滤波结果进行傅里叶变换,最后将噪声图像的频谱中噪声对应的区域用相应的开关中值滤波图像频谱区域进行替换,对替换后的结果进行傅里叶逆变换得到去噪声图像。仿真结果表明,采用空间域滤波和频率域滤波相结合的去噪方法比采用空间域滤波和频率域滤波能够取得更好的去噪效果。     

小波分解法在钨极氩弧焊熔池面形重建中的应用

为了解决傅里叶变换轮廓术重建熔池三维面形遇到的频谱混叠困难,研究了二维小波变换原理,采用图像二维小波分解的方法对熔池图像进行多尺度分解,重构熔池的背景图像,滤除频域中的零频成分,解决了零频与基频的混叠问题。利用小波分解法结合傅里叶变换轮廓术较好地实现了基频信息的提取与熔池的表面重构,提高了傅里叶变换轮廓术的测量范围。     

一种新的纹理特征提取算法

为了提高纹理特征提取的效率,提出一种基于傅里叶变换的纹理特征提取算法。该算法先将图像进行傅里叶变换,然后把图像傅里叶域分割为12个扇形区域,提取扇形区域中的纹理特征,并使用Caneberra距离函数计算两幅图像的相似度。与现有算法相比,本算法对纹理特征提取具有较高的效率和准确率。     

基于NSTFT-WVD变换的VFTO频谱分析方法

特快速暂态过电压(very fast transient overvoltage,VFTO)包含的频率成分与变压器等绕组类设备的谐振频率匹配时,会在其内部产生谐振过电压,威胁其绝缘安全,因此有必要对VFTO的频谱特征进行分析。从信号分析的角度看,VFTO波形是一种非平稳信号,傅里叶变换无法描述其频率随时间的变化情况,因此提出采用归一化短时傅里叶变换-魏格纳威尔分布(normalized STFT-WVD,NSTFT-WVD)分析VFTO的频谱特征。首先介绍了NSTFT-WVD变换的原理及实现步骤,然后比较了NSTFT-WVD变换与其他时频变换方法的性能,并采用该变换分析了VFTO现场试验波形,验证了该变换用于VFTO频谱分析的有效性,最后基于NSTFT-WVD变换定量分析了隔离开关类型和避雷器对VFTO频谱的影响,验证了该变换用于VFTO频谱分析的优良性能。     

基于局部本征谱的人脸识别

设计了一种基于局部本征谱的人脸识别方案。预处理阶段,首先将一幅脸像按不同方位划分为大小相同的数个子块,针对各子块进行能量归一化和傅里叶变换,以消除部分光照影响并估算子块的频谱。在此基础上,对训练脸像中编号相同的子块进行主元分析,提取脸像的局部本征谱,采用最近邻判决准则进行分类识别。对ORL人脸数据库的实验结果表明本设计方案是有效的。     

一种基于振动位移的扬声器异音故障检测方法

为了满足扬声器纯音检测的需要,提出了一种基于激光位移传感器的扬声器异音故障检测方法．该方法利用激光位移传感器采集扬声器纸盆中心振动信号,通过短时傅里叶变换将扬声器振动信号从一维的时域信号变换成两维的时频域信号．对时频图采用多级阈值分割的方法进行图像分割,统计其高频区域灰度值落于0-03的所有像素个数作为特征值,进而判断扬声器的好坏．实验表明,此方法对扬声器异音故障检测的正确率可达到97％．     

一种改进的跳频信号时频分析方法

利用正交匹配追踪的稀疏表示算法进行跳频信号时频分析时,性能受到傅里叶基矩阵长度和稀疏度未知的限制。针对此问题,结合跳频信号特点对稀疏表示算法加以改进:将跳频信号分段,对每段信号进行傅里叶变换并进行门限检测,得到频率预估计值和信号稀疏度;利用频率预估计值构造频率细化子傅里叶基矩阵;基于正交匹配追踪算法得时频谱图。在运算量相同的情况下,改进方法比直接采用正交匹配追踪算法可获得更高精度的时频谱。     

结合FFT和Gabor滤波器的织物纹理特征提取方法

针对织物表面纹理特征提取与表征的问题,提出一种结合FFT(傅里叶变换)和Gabor滤波器的织物纹理特征提取方法,通过傅里叶变换提取频谱楔特征(角向分布)和环特征(径向分布)作为特征角度和频率参数,设计2个最优Gabor滤波器,分别与织物纹理图像进行卷积,获得目标子图像,然后对子图像进行融合处理,达到提取纹理特征的目的。在线条图像纹理特征成功提取的前提下,应用到常见织物的纹理特征提取上,并与传统的Gabor滤波器提取方法进行对比。实验结果表明,结合FFT和Gabor滤波器的织物纹理特征提取方法是有效的,且提取结果优于传统方法。     

一种基于加窗的插值FFT重构Hilbert变换方法

提出了一种基于加窗的插值FFT算法重构Hilbert变换来测量无功功率的方法。该方法通过离散傅里叶变换及逆变换,能够准确地将各次谐波的电压进行90°移相,并利用加海明窗的插值FFT算法对各次谐波的频率、相位,以及幅值进行计算,克服频谱泄露所带来的影响,消除测量时产生的误差。仿真结果表明该方法具有很高的测量精度。     

基于频域特征提取与RBF相结合的磨矿浓度软测量

为解决磨矿浓度难以直接检测的问题,提出一种通过磨机振动、磨音信号频域特征提取利用特征频谱与径向基函数（RBF）神经网络相结合的非线性建模方法。采用快速傅里叶变换（FFT）将时域振动及磨音信号转换为频谱变量,对频谱变量通过主元分析（PcA）进行谱特征提取,采用径向基函数（RBF）变换实现谱特征的非线性映射。实验表明,该方法可以实现对磨矿浓度的准确软测量,提高测量精度1%,方法有效。     

FD+HOG融合人体行为识别

利用全局特征提取与局部特征提取相融合的方法,将傅里叶变换特征与方向梯度直方图特征相融合的算法结合支持向量机(SVM)来识别人体行为。首先将KTH和Weizmann数据集中提取出来的图像做预处理,分别提取出每张图像的傅里叶描述子和HOG特征,然后利用主成分分析法对HOG提取特征降维,最后用FD+HOG的融合特征放入SVM分类器中分类识别。实验结果表明,该算法识别率可达86%以上。     

基于块自适应窗的小波域维纳滤波图像去噪

基于图像经小波分解后细节子带能量簇的主方向由边缘方向、纹理方向和子带滤波器的方向选择性共同决定这一事实,提出了基于块自适应窗的小波域维纳滤波图像去噪算法。对含噪图像进行离散小波变换后,对每一层三个细节子带分别无重叠分块,利用细节子带块能量相关函数确定每一块中能量簇的主方向及相应的块自适应窗口,在得到的块自适应窗口中估计不同方向块中各点信号方差,进而对子带系数进行维纳滤波,得到细节系数的估计,然后进行小波逆变换,得到去噪图像。实验结果表明了该方法比基于矩形窗口的小波域局部维纳滤波有更好的去噪效果。     

基于广义S变换的测井信号时频谱分析

S变换虽兼备短时傅里叶变换和小波变换的优点,但基本小波固定,在薄互层识别方面受到较大限制。广义S变换,通过引入λ,p两个参数对S变换中的高斯窗函数进行改造,时频分辨率得到了明显提高。本文在对广义S变换方法原理进一步研究的基础上,应用VC++在Qt平台上编写了广义S变换时频分析程序,并构造平稳信号和非平稳信号进行了对比分析,凸显了广义S变换的时频聚焦性。最后,应用该方法对实际测井信号进行了时频谱分析,取得了良好效果。     

基于小波变换的场道脱空识别

为研究脱空对跑道振动响应的影响,进行砂土垫层混凝土板缩尺模型试验.利用落锤施加冲击荷载,采集不同脱空程度下道面板的竖向加速度信号,利用小波变换进行功率谱分析、能量谱分析、短时傅里叶变换、时间-尺度分析及小波包相平面分析.通过时频图表征信号局部特性,分析脱空引起的信号差异.结果表明,不同脱空状况引起了跑道振动特性变化,使各频带的频谱响应不同,引起各频带能量重分布.加速度信号经小波变换处理后,反映了脱空对信号能量的影响.脱空和半脱空区域存在信号能量差异可用于跑道脱空状况识别.     

基于S变换谱重排的宽带DOA估计算法

针对宽带MUSIC声源定位算法在采用短时傅里叶变换时,由于受Heisenberg测不准原理限制,引起窗函数的时间和频率分辨率不能同时达到最优的问题,提出一种基于S变换谱重排的宽带MUSIC声源定位算法。该算法把每一时刻接收的信号进行S变换,利用谱重排方法优化时频谱,并在各个频率通道上使用MUSIC算法进行声源定位。仿真结果表明,该算法在非平稳信号的应用中更具实用性和灵活性。     

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

共享孔径多功能宽带阵列天线研究

提出了一种基于子阵天线方向图频谱能量匹配的多子阵交错共享孔径宽带阵列天线设计方法.利用直线阵列天线单元激励与方向图之间存在傅里叶变换的关系,推导出子阵天线工作频率与单元激励之间的解析关系,在匹配各子阵天线激励值的基础上,采用密度加权阵的原理确定子阵天线单元的位置,实现不同工作频率下的子阵天线稀疏交错优化布阵.理论分析与实验仿真证明,该方法能够有效地抑制不同工作频率下子阵天线方向图的旁瓣峰值,使工作在不同频率下稀疏交错布阵的子阵天线方向图旁瓣峰值近似一致,抑制了栅瓣的产生,有效地拓宽了阵列天线的工作频带,实现了宽带阵列天线优化设计.     

基于深度学习的通信辐射源调制样式识别方法

针对自动调制分类中通信辐射源调制方式识别率低问题,提出了一种基于短时傅里叶变换(STFT)和卷积神经网络(CNN)结合的方法.该方法首先对通信辐射源信号进行小波阈值降噪,去除混在信号中的高斯白噪声;然后经过短时傅里叶变换,将一维时域信号变换成二维时频域图像,利用临近插值法降维;将时频图输入卷积神经网络进行训练,通过对超参数的选取,得到优化的卷积神经网络;最后采用softmax函数给出识别结果.仿真结果表明,当信噪比(SNR)为0 dB时,利用本文识别方法的宏平均值达到0.874以上,其性能显著优于传统方法.