基于稀疏分解的SFM信号的时频分析方法

针对正弦调频(SFM)信号Wigner-Ville分布(WVD)存在严重的时频交叉项干扰问题,提出了一种基于稀疏分解的时频分析方法。该方法首先由信号的时频参数构建Gabor原子字典,然后利用匹配追踪(MP)算法实现信号分解,并结合改进遗传算法寻找最佳匹配原子,最后将每次分解得到的Gabor原子通过Wigner-Ville变换叠加得到无交叉项的信号WVD。仿真结果表明,该方法能提高对信号稀疏分解的计算效率,且Gabor原子的选取较为灵活,用少量原子可表示信号WVD。与传统的时频分析方法相比,该方法能有效抑制时频交叉项干扰,且保持高时频分辨率。     

基于NGWarblet-WVD的高质量时频分析方法

针对高聚集度Wigner-Ville distribution (WVD)时频分析方法存在严重的交叉项干扰问题, 利用广义Warblet变换(Generalized Warblet transform, GWT)不产生虚假频率分量的特点, 提出了WVD与GWT相结合的归一化广义Warblet-WVD (Normalized generalized Warblet-WVD, NGWT-WVD)算法. 该算法将GWT与WVD进行矩阵运算, 实现滤波效应, 抑制WVD产生的新交叉项以及混入自项的交叉项, 提高WVD的时频分析质量. 实验结果表明, NGWT-WVD方法有效地去除了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. 采用NGWT-WVD方法处理金属疑似破裂样本信号, 获取破裂发生区间的时间和频率标志段, 为监测传感器设置有效门限值提供判据, 取得了良好效果.     

基于FRFT的Wigner-Ville分布交叉项抑制方法

针对多分量线性调频信号的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)交叉项干扰问题,提出一种抑制交叉项的方法。该方法利用分数阶傅里叶变换(Fractional Fourier Transform,FRFT)在最佳FRFT域中对给定的线性调频信号具有最好的能量聚集性,将多分量线性调频信号在FRFT域上分解为若干个单分量信号,线性叠加单分量信号的WVD,从而达到抑制交叉项的效果。此外,当多分量线性调频信号为周期信号时周期间存在干扰,进一步提出了在基于FRFT的WVD交叉项抑制方法中增加周期遮蔽处理。仿真结果表明,在保持较高的时频分辨率时,该方法能够有效抑制交叉项,并且有一定的抗噪声能力。     

基于经验模态分解的WVD交叉项抑制法

针对Wigner-Ville分布(WVD)存在交叉项的问题,提出一种基于经验模态分解(EMD)的WVD交叉项抑制方法,将EMD得到的各固有模态函数去伪后进行WVD计算,将WVD分析结果线性叠加后重构出原始信号的WVD时频分布。仿真结果表明,该方法能有效抑制时频分布的交叉项,保证WVD的时频聚集性,分析信号的调幅调频现象。     

抑制Winger-Ville分布交叉项的新方法

提出了一种可行的检测Wigner-Ville分布交叉项并将其抑制掉的新方法。Cohen类时频分布之一的Margenau-Hill分布同Wigner-Ville分布一样,拥有众多的优良特性,但它和后者交叉项在时频面上的分布却有天壤之别。于是,根据两种分布交叉项在时频面的特点将交叉项检测出来,进而设计二维遮蔽滤波器将交叉项移除。最后的仿真表明了该方法的可行性。     

多分量调频信号的阵列处理时频交叉项的抑制方法

在应用时频-MUSIC方法对多分量调频信号进行到达角估计的问题中,针对时频分布中交叉项的存在对估计性能的影响,提出了一种基于阵列信号处理抑制时频分布交叉项的新方法。该方法利用多信源在各阵元上的延迟对时频分布交叉项振荡相位的影响,联合运用多通道信号处理和图像处理的方法,采用二维乘法滤波,减小高频振荡交叉项在时频图像中的占据区域,从而达到抑制交叉项的目的。仿真实验显示该方法具有良好的效果。     

一种改进多分量LFM信号时频分布估计方法

传统时频分布方法在估计多分量线性调频信号时,交叉项影响导致时频估计精度低。因此,提出建立信号调频斜率因子库,对时频分布核函数进行改进,使核函数能有效抑制由多分量信号引起的交叉项干扰。通过分析核函数与信号模糊函数交叉项及自身项的关系,将时频估计问题转化为求解最优调频斜率因子库来对核函数进行改进,使信号的广义模糊函数能量最大。以多分量线性调频信号为例进行仿真,结果证明与传统时频分布方法相比,改进的时频估计方法可以在有效抑制交叉项干扰的同时保留大部分自身项,提高了多分量信号时频估计的精度和抗噪声能力。     

多分量调频信号的阵列处理时频特征提取

在应用时频—MUSIC方法对多分量调频信号进行到达角估计的问题中,针对时频分布中交叉项的存在对估计性能的影响,本文提出了一种基于阵列信号处理抑制时频分布交叉项的新方法。该方法利用多信源在各阵元上的延迟对时频分布交叉项振荡相位的影响,联合运用多通道信号处理和图像处理的方法,采用二维乘法滤波,减小高频振荡交叉项在时频图像中的占据区域,从而达到抑制交叉项的目的。仿真实验显示该方法具有良好的效果。     

基于时频分布的非平稳信号盲分离算法

针对传统的盲源分离方法往往忽略信号非平稳性的问题,基于从瞬时线性混合模型的观测信号中分离出相互独立的源信号,并针对信号具有非平稳性,结合时频分析和盲源分离各自的特点,对非平稳信号盲分离进行了研究,并提出了一种新的具有不同空间时频分布的非平稳盲分离算法.仿真实验表明,通过采用维纳全时频域搜索来寻找局部最大值的平滑伪Wigner-Ville分布,该算法可以抑制交叉项而且能够保持时频聚集性,并达到了很好的分离效果.     

基于改进WVD的跳频信号参数估计方法

为了克服传统的平滑伪魏格纳分布(SPWVD)在跳频信号参数估计中分辨率降低的问题,提出基于改进WVD算法的跳频信号参数估计新方法。通过分析跳频信号WVD的性质和特点,构造出与跳频信号WVD自项支撑区重合的时频窗,用其与信号WVD相乘进行加窗,有效抑制交叉干扰项的同时保持了WVD良好的时频分辨率,得到了清晰的跳频信号时频分布,基于此分布给出跳频信号参数估计的具体步骤。仿真实验结果表明,该方法有效可行且具有很好的整体性能。     

基于S-霍夫变换的LFM信号时频检测

针对多分量线性调频（LFM）信号,提出一种新的变换-S-霍夫变换,该方法首先对多分量线性调频信号进行S变换,实验仿真结果显示相对Wigner-Ville分布有交叉项干扰,s变换克服了多分量线性调频信号产生的交叉项干扰,然后在时频平面内对s变换后的多分量线性调频信号,利用霍夫变换检测出各个线性调频信号分量,仿真实验结果证明该方法可以有效克服多分量线性调频信号产生的交叉项干扰,能够对多分量线性调频信号进行正确检测。     

组合方法在脑电信号消噪中的仿真研究

研究脑电信号消噪问题.脑电信号存在非平稳性且包括大量的噪声,传统的消噪算法不能很好消除脑电信号中的噪声,从而影响后继的脑电信号处理和分析.为了更好的消除脑电信号噪声,提出一种小波变换与自适应滤波相结合的脑电信号组合消噪方法.该方法首先对含噪的脑电信号进行白化处理,然后采用小波分解和重构含噪较大的信号,将重构后的信号作为自适应滤波器的输入,进行自适应滤波消噪处理.仿真结果表明,组合去噪方法能有效去除脑电信号中的噪声干扰.     

基于CEEMDAN-ICA的单通道脑电信号眼电伪迹滤除方法

传统盲源分离法不能解决欠定问题,且分离信号与源信号对应关系不确定.提出一种基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的脑电信号眼电伪迹自动去除方法.该方法首先将含伪迹脑电信号自适应分解成多维本征模态函数(IMF),以满足盲源分离方法对信号正定或超定要求,再对本征模态函数用ICA方法构建多维源信号,最后利用模糊熵阈值判据判别多维源信号中的伪迹信号,完成滤波并重构脑电信号.该方法相比于其他算法,能更好的去除眼电伪迹并保留原始信息,适合单通道脑电信号预处理.     

一种用于跳频信号参数估计的时频表示方法

在时延和频移两个方向上,对跳频信号的模糊函数进行了分析,提出了一种基于跳频信号模糊函数自项特征的时频表示方法。其核函数在信号的模糊域能够有效地滤除噪声和交叉项,并保留绝大部分的自项能量。仿真试验结果证实,与平滑伪维格纳分布相比较,该方法提高了信号项的时频聚集性,具有更好的参数估计性能。     

基于WVD的LFM信号检测方法研究

对基于Wigner-Ville分布的LFM信号检测方法进行了总结,推导了加性高斯白噪声背景下的Wigner-Hough变换信噪比公式,并分别采用Wigner-Ville分布和Wigner-Hough变换对单线性调频信号、两线性调频信号进行了检测,然后对检测性能进行了分析。仿真结果表明,与Wigner-Ville分布相比,Wigner-Hough变换可有效抑制高斯白噪声的影响,同时对交叉项也有很好的消除作用。     

SWT及其在分数阶滤波器设计中的应用

为解决受噪声干扰的非平稳信号的滤波问题,最大化地保留有用信号,提出了由Stockwell-Wigener变换(SWT)辅助设计的分数阶滤波器方法。提出了SWT,它是结合了S变换多分辨率和Wigner-Ville分布高清晰度优点的一种新的信号时频方法,并将SWT用于辅助设计分数阶滤波器,从而进一步最小化被滤波截止线包围的含噪信号时频表示面积,提高滤波后的信噪比。理论分析和仿真实验结果表明,该方法有效且可行,可使恢复信号的归一化均方差得到进一步减小。     

基于EMD-RSPWVD算法的SAR目标运动参数仿真分析与应用研究

针对传统时频分析方法处理多分量SAR运动目标回波数据时出现的交叉项影响严重和时频聚集性差等问题,提出一种融合改进的经验模式分解（Empirical Mode Decomposition, EMD）算法和重排平滑伪维格纳维尔分布（Reassigned Smoothing Pseudo-Wigner-Ville Distribution, RSPWVD）算法的新时频分析算法——EMD-RSPWVD算法。利用改进的EMD算法将多分量SAR动目标回波信号分解为彼此独立信号分量,然后对独立分量分别做基于RSPWVD算法的时频分析,以消除交叉项和获得高的时间—频率分辨率。分别利用模拟回波信号数据和真实回波信号数据,探究该算法对于多分量SAR运动回波数据的分析性能。结果表明,该算法具有良好的抗噪性和运动目标检测能力,以及高精度的运动参数估计性能。     

基于Hilbert-Huang变换的目标注视脑电模式分类研究

研究目标注视任务,即类“思维拨号”任务下的脑电信号模式自动分类技术。基于时频分析原理,对循环扫视6×6字符矩阵所得的脑电信号进行Hilbert-Huang变换,用EMD（Empirical Mode Decomposition）方法把信号分解成数个本征模态函数（Intrinsic Mode Function,IMF）;对每个IMF进行Hilbert变换,得到时频平面上的能量分布,即Hilbert谱;将各频率分量累加谱按时间变化特性作为关注与非关注某字符的特征量;最后通过K-近邻法对所视字符进行自动识别。对第3届国际脑机接口竞赛的数据进行分析测试,识别准确率达到84.21%。经Hilbert-Huang变换的时频分析方法,可以得到目标注视任务下的脑电信号有效特征,从而有助于脑机接口系统的实际应用。     

基于小波的模拟自然阅读事件相关电位单次提取的研究

选择适当的信号处理方法从脑电信号中提取用户的信息和命令,是改进脑计算机接口通信速率的方法之一.由于自发脑电信号(electroencephalograph ,EEG)是非高斯有色噪声,且自发脑电信号的频谱不规则,与有效信号的频谱相重叠,传统的滤波方法难以取得较好的效果.基于随机噪声与有效信号的小波变频模极大值在不同尺度下的传播行为不一样的原则,提出了一个基于自回归模型和小波变换多尺度分析的模拟自然阅读事件相关电位的单次提取方法.经对实际脑电信号处理的实验表明,该算法能更为有效的提取脑电信号.     

基于窗函数设计的跳频信号时频分析

基于抑制交叉项,提高信号分量时频聚集性的考虑,提出一种基于可调窗函数进行平滑伪维格纳分布核函数设计的时频分析方法：在保持平滑伪维格纳分布中核函数宽度不变的情况下,根据核函数自项和互项能量分布比,通过调整窗函数中的扩展因子改变核函数形状,获取跳频信号优良的时频表示。与固定窗函数方法相比,应用该时频表示,可以有效估计跳频信号的时频参数,而且有很好的抗噪声干扰能力。