用于多分量信号分析的自适应广义S变换算法研究

时频分析是处理非平稳信号强有力的工具,S变换作为传统的时频分析方法之一,其窗函数的尺度可以随频率改变。但是,其时频窗函数尺度变化是固定的,无法适用不同信号的局部特性,导致能量聚集性较差。本文提出了一种自适应的广义S变换算法,设计了由4个调节参数控制的广义高斯窗函数,采用浓度测量自适应优化调节参数,以寻求最佳的时频表征效果。并针对时频分析结果,采用瞬时频率重组和分量重构方法,得到各个分量的瞬时频率,同时进行平滑处理,最终实现多分量信号的参数估计。仿真实验说明,本文提出的自适应广义S变换算法,结合瞬时频率重组和分量重构信号方法,极大地提升了多分量信号的时频分辨率和信号分离的准确性。