基于非线性压缩变换的某型航空发动机整机试车排故分析

基于非线性压缩变换对某型航空发动机整机试车振动信号进行了特征提取与故障诊断;非线性压缩变换由于其幅值无关性,能够增强微弱信号特征的表征能力,同时能够提高时频图的能量聚集性;对某型航空发动机进行地面整机试车试验,并通过数据采集装置获取各测点的振动信号,然后利用非线性压缩变换良好的微弱特征表征能力与时频聚集性,并结合其他信号分析方法,对采集到的振动信号进行分析;最终,结合航空发动机的结构与理论知识,实现了对其可能存在故障的排查与猜测,同时验证了非线性压缩变换在航空发动机实际试车振动信号分析中的有效性与实用性。     

基于高时—频分辨率脑电信号特征提取方法分析

分析脑电信号主要采用时频分析法,其中交叉项和分辨率是相互矛盾的两个因素。基于高时—频分辨率分析(High Time-Frequency Resolution Analysis,HTFRA)方法能够将这两者相结合。该方法以维格纳-威尔分布(Wigner-VilleDistribution,WVD)为基础,对Wigner-Ville分布的结果利用中心仿射滤波法进行非线性滤波,有效地消除了Wigner-Ville分布的交叉项干扰,而不影响信号的分辨率。对仿真信号采用传统的短时付氏变换、Wigner-Ville分布及HTFRA求时频能量分布,结果显示:HTFRA较传统的方法更清晰地反映信号在时频域内的能量变化。该方法使得脑电信号适用于各种分类算法。     

时频聚集性能优化的广义S变换

S变换是一种具有短时傅里叶变换和小波变换优点的时频分析方法,已有的一些基于能量聚集度量的优化方法集中度不高,影响了信号检测等应用中时频域局部定位的精度.为了提高S变换的时频聚集性能,提出了一种新的时频能量聚集度量方法优化广义S变换,提高了算法的时频集中度和短时傅里叶变换、S变换、广义S变换等方法实验比较,表明提出的方法能有效地提高广义S变换的能量集中度,并具有较强的抗噪声性能.     

基于同步压缩小波变换的检测锚杆参数方法

时频的聚集性是评判信号分析方法效果的主要因素，传统的分析方法已经不能满足时频聚集性要求，因而提出一种高分辨率的分析方法-同步压缩小波变换(Synchrosqueezing Wavelet Transform, SWT)。该方法在频率方向上把小波系数重新挤压和排列，不仅提升时频的分辨率，而且还能实现信号重构。将此方法应用于分析锚杆质量检测数据，与传统的EEMD方法对比表明，SWT能够较为准确地描述信号的频率构成且重构的信号有较好的降噪效果。     

基于多高斯窗的实值离散Gabor变换

传统的单窗复值离散Gabor变换具有固定的时频分辨率,由于受窗函数时宽-带宽之间的制约关系,即不确定性原理限制,其时间分辨率和频率分辨率是矛盾的关系。为了改善传统离散Gabor变换时频分辨率并加快其变换速度,提出了一种基于多高斯窗的实值离散Gabor变换,实验结果表明能有效改善联合时频域内的聚集性,从而提供了一种快捷地计算非平稳信号进化谱方法。     

改进的S变换及在地震信号处理中的应用

首先论述了S变换的原理和运算实现.为了提高S变换对不同类型非平稳信号的分析能力,通过一个时窗调节因子改造S变换的可变高斯窗函数,从而改变时窗宽度随频率呈反比变化的速度,得到了时频分辨率可调的广义S变换,提高了S变换在具体应用中的实用性和灵活性.通过对几种合成信号模型仿真,阐述了时窗调节因子对时频分辨率的影响.并对一维人工合成复杂地震信号进行分析,获得了高质量的时频表示,证明了广义S变换在地震信号处理中应用的有效性.     

基于EMD时频分析方法的性能研究

针对传统的时频分析方法存在的局限性,评述了一种最新的可适用于非平稳、非线性信号的时频分析法-Hilbert-Huang时频分析.研究了经验模态分解(Empirical Mode Decomposition,EMD)与希尔伯特变换(Hilbert Transformation,HT)相结合的提取信号瞬时特征的EMD/HS法,并对其性能进行了分析.仿真实验中通过与传统的时频分析效果的比较,表明该法具有理想的时频聚集性,并且消除了交叉干扰项.     

Hilbert-Huang变换的鼾音信号谱分析

在分析Hilbert-Huang 变换算法的基础上,利用此变换对打鼾者的鼾音信号进行了分析。通过经验模态分解把鼾音信号分解为一系列固有模态函数,并分析了各固有模态的频率特征,对各模态的生物学意义进行了描述。对固有模态函数进行了Hilbert变换,建立了鼾音信号的Hilbert谱和边际谱。结果表明Hilbert比小波变换所建立的时频分布具有更好的时频分辨率,解决了时间分辨率和频率分辨率互相影响的问题;从实际看边际谱比傅里叶谱有更准确的物理意义。Hilbert 谱和边际谱为脉搏信号的特征提取和模式识别提供了可靠的依据。     

基于时频分析的海杂波背景下舰船目标检测

为了克服基于小波尺度谱重排的时频分析方法中时、频分辨率不佳及时频分布可读性较差等问题,本文提出了一种基于参数优化Morlet小波变换和奇异值分解的海杂波背景下舰船目标检测算法。算法首先利用Shannon小波熵作为目标函数,根据高频地波雷达信号的特点自适应地优化Morlet小波变换的时间带宽积参数,使得后续重排尺度谱的时、频分辨率同时达到最佳。然后再对重排小波尺度谱进行基于奇异值分解的降噪处理,以抑制环境噪声的影响,进一步提高时频分布的可读性。实验结果表明：与传统的时频分析算法相比,本文提出的算法具有更好的时频聚集性和较强的噪声抑制能力,能有效地检测海杂波背景下缓慢运动的匀速和匀加速舰船目标。     

基于广义S变换的水下目标特征提取

针对水下目标识别中特征矢量难以准确提取的问题,提出了基于广义S变换模时频矩阵奇异值的水下目标特征提取方法。首先对目标信号进行广义S变换,然后提取广义S变换模时频矩阵奇异值作为目标识别特征矢量,最后利用概率神经网络实现目标识别。广义S变换在S变换的基础上,通过改变窗宽因子可提高信号分析的频率分辨率或时间分辨率,从而可根据信号分析需求实现水下目标非平稳非线性信号的时频分析。实验结果表明提取广义S变换模时频矩阵的奇异值作为目标识别特征矢量能够有效区分各类目标,且选取不同的窗宽因子具有不同的识别结果。     

基于FRFT及Wigner—Hough变换的非平稳信号时频分析

考虑到时频分析在非平稳信号处理中的广泛应用,本文比较了几种常用的时频分析技术,提出了一种基于分数傅里叶变换和Wigner-Hough变换的非平稳信号时频分析方式。仿真实验结果表明,基于分数阶傅里叶变换和Wigner—Hough变换的方法较之常用的二次型时频分布不同的是它消除了交叉项的干扰,同时也很容易估计参数,分析信号的瞬时频率,恢复信号的信息。     

基于广义解调时频分析的多分量复杂信号分解方法

在广义解调时频分析方法的基础上,将该方法应用于多分量时频变化信号的分解,并对该方法进行了改进,给出了由改进的广义解调时频分析方法分解多分量复杂信号的具体步骤.重点分析了自动获取相位函数的方法,以及对分离出来的各单分量再次进行广义时频解调的问题,得到了比较理想的时频分布.仿真实验结果证明:此法不仅可以得到原始信号中各分量的时域波形,同时也可以得到各分量的时频分布,从而为多分量复杂时频变化信号的准确分离提供了有效途径.     

盲分离与时频分析融合的多源信道均衡

针对多信源条件下强多途干扰严重的水声信道,提出一种盲分离与时频分析融合的多源信道均衡技术。该方法首先应用盲分离技术将多源接收信号进行有效分离,对分离后的信号进行时频分析运算,然后采用Radon变换加解线调方法估计出信号的主要参数,通过重构声源信号最终完成信号的复原。通过对计算机仿真数据和海试数据的处理,验证了该方法的可行性和有效性。     

分数阶小波变换的性质

小波变换是对信号时域-频域(Fourier域)的多分辨率分析,是一种线性时不变伸缩带通滤波.分数阶小波变换将小波变换的多分辨率分析理论推广到时域-广义频域(分数阶Fourier域),对信号分析处理有更大的灵活性.分析了分数阶小波变换的线性时变特性、存在正交分教阶小波的条件、分数阶Fourier域传递函数,以及分数阶小波变换在分数阶Fourier域的伸缩带通滤波.     

基于Choi-Williams时频图像特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于Choi-Williams时频图像的雷达辐射源信号特征提取和识别方法,将信号识别转化为图像识别问题。首先对雷达辐射源信号进行Choi-Williams时频变换,将得到的时频图转化为灰度图像;然后采用一系列图像处理方法对时频图像进行增强和去噪,之后将灰度图像转化为二值图像,并剪切掉不含信号的图像区域;最后分别提取二值图像的中心矩和伪Zernike矩作为识别特征,并采用支持向量机分类器实现信号的分类识别。文中针对8种常见雷达信号识别进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的识别率,其中当信噪比为-3dB时,采用伪Zernike矩特征平均识别率仍能达到92%,验证了所提出方法的有效性。     

差动滤波法在弱信号检测及处理中的应用研究

弱信号检测及处理是雷达、声纳、通讯以及物理中微小量测量等工程技术领域中普遍存在的一个难点。差动滤波分析法是将其在时域、频域、时频域上进行各种变换然后再进行差分处理,把有用的信号过滤出来。将该信号在时域的波形图绘出,再对其进行傅立叶变换,之后用其结果在频域上绘制图形,这样就可以得到所需要的信号并对该信号进行分析。主要手段是运用人工神经网络的方法进行信号特征辨识以及在复杂背景下弱信号的检测,必要时也应用其他的信号处理方法作为补充,就可以达到检测与处理微弱信号的目的。     

基于声源时延估计的欠定盲分离方法

提出一种基于声源时延估计的二元时频掩蔽方法.通过三个接收信号实现多于多个语音源信号的欠定盲分离.利用语音信号的W-分离正交性,在时频域估计各个源信号到达接收阵列的相对时延序列;进而基于信号时延序列的估计,采用最大似然算法将时频域划分为与源信号个数相同的互不重叠的时频点集合,每个集合(近似)只包含一个源信号的所有时频分量;再通过二元时频掩蔽依次恢复出各集合所对应的源信号.该方法性能通过主观试听得到了验证,其分段信噪比增益至少为13 dB.较之欠定解混迭估计技术DUET,本文方法得到的分离信号与实际声源信号的相异度降低约3 dB.     

时频分布不同特性进行语音分类

时频分布在非平稳信号的分析和处理中具有重要地位,它能够直观、合理的描述信号在时间-频率域上的能量分布。语音信号分类是语音识别、说话人识别、语种辨识和语音合成的一个重要基础,而信号表示的方式和距离测度的选择,对分类性能影响很大。该文正是利用时频分布的特性,对其核参数进行优化,并结合距离测度,完成了独立音标的说话人辨认,获得了较高的准确率,误判率仅为0.99%,具有较好的应用结果。     

高质量通信信号时频图处理及应用

针对信号监测工作中信号时频图清晰显示重要性的问题,首先介绍了信号时频特征获取,之后进行信号时频图显示处理,利用基于灰度变换图像对比度增强、图像渐变平滑处理、图像的锐化处理的数字图像处理相关算法对信号时频图进行显示处理,并成功的在实践工程中进行了运用,解决了信号时频特征在时频域直观显示的问题,从而能够在时频域上表示出信号...     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。