常规弹药转速测量时频分析方法研究

常规弹药智能化改造过程中面对的高过载、高转速的恶劣环境使得传统的速率陀螺无法正常工作,因此可以在惯性测量组合中用磁传感器代替速率陀螺来测量弹丸转速.以仿真的单轴磁传感器输出信号为研究对象,分别采用峰值检测、过零周期检测、短时傅立叶变换和“滑动窗口”Chirp-z变换四种时频分析方法提取弹丸转速,对结果做误差分析,得出精度最高的转速提取算法.     

几种跳频信号时频表示的熵测度研究

分析了固定核函数在跳频信号时频分析时的局限性以及基于参数优化对时频分辨率的改善,研完了熵测度随不同窗宽度和可选参数的变化,并与最近提出的Stankovic测度方法加以比较.仿真结果表明,对不同的时频表示,同一测度的变化规律也不相同:仅有Flandrin体积规范化熵给出了不同时频分析的优化结果,从而能够定量评价跳频信号时频分布的信息量,为交叉项和分辨率的折衷提供帮助.     

基于信号先验知识的几种时频分析法

时频分析方法分为线性、二次型和自适应等多种方法,它们提供了在时频二维平面上,分析信号时变功率谱的有效手段。由于这些方法各有优缺点,因此在实际应用中应根据被分析信号的先验知识,对不同类型的信号采用不同的时频分析方法,以取得对时频分辨率的均衡,并尽可能抑制交叉项干扰。根据对一些典型信号模型,分别按不同的时频分析方法进行的分析,找出了适合于各信号模型的不同时频分析法。模拟分析结果证明,对于时频汇聚性能较好的高斯类信号和跳频信号,采用自适应方法可以取得较好的分析效果;而对于频率随时间变化较大的调频类信号,则采用STFT或WVD效果较好。同时还讨论了时频分析方法在图象分析与处理中的应用。     

基于非平稳信号时频分析的DDoS攻击检测仿真

针对传统的DDoS网络攻击检测方法未提取信号时频特征,而存在检测速度慢,甚至不能完全检测出是否受到攻击的问题,提出一种基于非平稳信号时频分析的DDoS攻击检测方法.因为攻击特征通常表现为一组非平稳的宽带信号,所以需要先构建DDoS攻击信号模型,采用包络延扩展方法,对其进行采样完成模型构建,同时因DDoS攻击非平稳宽带信...     

基于Gabor谱方法的跳频信号时频分析

摘要：率高、交叉项干扰小的特点,对跳频信号进行时频分析,与其他常用时频分析方法比较得到了更精确的时变谱特征描述。通过对仿真结果的比较分析,证明了该方法对跳频信号分析的有效性,其方法也适用于其他非平稳信号的分析。     

基于非平稳信号时频分析的网络攻击检测算法

在复杂网络环境下,网络攻击特征信息通常表现为一组非平稳宽带信号,通过信号检测方法实现网络攻击检测,保证网络安全。传统方法采用傅里叶变换方法进行网络攻击的非平稳信号检测,由于傅里叶变换的时变性会引起较大的包络振荡,检测性能不好,提出一种基于非平稳信号时频分析的网络攻击检测算法。构建了复杂干扰环境下的网络攻击信号模型,提取网络攻击非平稳宽带信号的时频特征。采用WVD-Hough时频变换实现对网络攻击非平稳宽带信号的时频聚集,采用混叠谱模糊度函数分析频谱特征。得到网络攻击信号的瞬时频率估计结果,设计匹配滤波算法进行信号抗干扰设计,最后输出检测结果。仿真实验表明,采用该算法进行网络攻击检测,准确检测概率较高,检测性能优越。     

多通道时频测试系统的设计与研究

针对北斗/GPS双模授时同步系统产品质量控制的要求,设计了一台嵌人在工业控制计算机中,可以同时对多路时间信号进行检测的测试系统;阐述了系统的工作原理与硬件设计,详细介绍了基于LabVIEW的上位机操作界面及实现方法;根据实际车间测量显示,测量精度＜100ns,系统具有工作稳定性好,安全性能好的特点;系统已经应用于该双模授时同步系统的车间调试拷机环节,提高了生产效率,降低了成本费用.     

基于压缩感知的信号时频表示重构

传统的时频分析方法受限于Nyquist采样定理,信息量的增加提高了对采样速率、传输速度和存储空间的要求;同时,双线性魏格纳-维尔分布处理多分量信号时会产生交叉项,常用的核函数法在抑制交叉项时降低了信号的时频聚集性.该文将压缩感知与时频分析方法相结合,在时频分析中突破采样定理的限制,抑制交叉项的同时获得较高的时频聚集性.针对单分量信号、多分量信号、蝙蝠声音信号,利用不同的窗函数如矩形窗或高斯窗,得出仿真结果,验证了基于压缩感知的信号时频表示重构优于传统的基于傅里叶变换进行重构的方法.并利用最小均方误差MSE和时频聚集度CM作为衡量参数,分析了不同样本空间与所重构信号时频表示性能之间的关系.     

组合谱图法在跳频信号时频分析中的应用

提出了一种应用于跳频信号的组合式谱图时频分析方法,采用两种不同长度的窗函数对信号进行时频分析,分别得到具有较好频率和时间分辨率的两组分析结果;结合两组结果的优点,提高了原谱图法的时频分辨率,并通过理论分析和仿真结果予以证明。在高斯白噪声条件下,对组合谱图法在跳速估计中的性能进行仿真,结果表明该算法的信噪比性能较谱图法提高了3 dB左右。     

天然气压气机械设备故障信号时频分析特征提纯

天然气压气站压气机械设备工作环境恶劣,故障多发,而机械设备的故障状态下的振动噪声信号是研究机械设备故障诊断的有效载体。为有效进行故障诊断,需要对机械设备的故障信号进行提纯分析和特征提取等研究。提出基于时频分析技术的WVD和Hough变换结合的方法对低信噪比的故障信号进行提纯算法。首先分析了非平稳信号处理技术的基本原理,对原始信号的滤波和检测、频谱分析等处理,分析了时频分析特性和对应的条件,提出采用时间均值、频率均值、时间散布和频率散布四个特征值作为时频分析的特征提取量。仿真实验以某天然气压气站某型压缩机故障振动下采集信号样本为研究对象,进行提纯滤波和特征提取仿真,仿真实验得到降噪滤波和WVD及Hough变换算法下的检测结果,表明在强干扰背景SNR为-8dB下,有卓越的滤波降噪和检测性能,特征提纯检测性能相比传统算法提高18％以上。为天然气压缩机故障诊断奠定了可靠的理论基础。     

基于非线性时频分布的跳频信号分析研究

介绍了利用非线性时频分布（WVD和SPWVD）进行跳频信号分析，通过理论研究和仿真分析表明，非线性时频分布能够反映出信号的瞬时能量分布，是关于信号二阶统计量（如局部自相关函数）的Fourier变换，相对Fourier变换和线性时频分布而言，它具有更好的时频聚集性，能够很好地展现跳频信号的时频特征和能量分布，采用加窗处理等方法，可以较好地抑制非线性时频分布中的交叉项和能量分布的负值性，从而证明了非线性时频分布用于跳频信号分析研究的工程应用可行性。     

深度学习在癫痫检测中的应用进展

随着癫痫患者数量的逐年增加;及时准确地检测出癫痫疾病具有重要的现实意义。如今深度学习发展迅速;被广泛用于医疗领域;基于深度学习的癫痫检测任务也成为目前的研究热点。通过梳理近几年的相关文献后;对深度学习在癫痫检测中的算法应用进行了系统概述。介绍了癫痫的发病原理、病因和治疗方法等;讲解了癫痫检测时所使用的脑电图和癫痫发作的整体过程划分;简单对比了传统机器学习和深度学习在此领域应用的不同之处;重点综述了利用深度学习检测癫痫各阶段脑电信号的研究进展;包括癫痫双阶段、三阶段和多阶段的脑电检测;并对癫痫各阶段的检测算法进行了比较;最后对该领域的研究现状和未来发展方向进行了总结和展望。     

Formant and Pitch Detection Using Time-Frequency Distribution

The Wigner-Ville distribution of a multi-component signalhas a unique structure. Based on this structure, a formant and pitchestimation method for speech signals is introduced. Formants andpitch estimated with this method are more accurate, have betterresolution, and are easier to recognize than those estimated by othermethods. A one pitch-period segment is adequate for formantestimation while a minimal two pitch-period segment is needed forboth pitch and formant detection with one step. Experimental resultsare provided to demonstrate the performance of this method, andcomparisons with other methods are provided.     

视觉引导下的运动执行与运动想象EEG时频特征对比分析

近年来基于运动想象(Motor imagery,MI)的脑-机接口(Brain-computer interface,BCI)技术迅速发展,广泛运用于各个领域.为了比较运动执行(Motor execution,ME)与MI脑电活动的差异,本文提出一种基于脑电信号(Electroencephalogram,EEG)时频域...     

基于Hermite窗函数的多窗口时频重排方法

从提高时频聚集性和抑制重排振荡的角度出发,提出了一种以正交Hermite函数作为窗函数的多窗口时频重排算法。该算法既保持了重排的高时频聚集性又具有多窗口谱分析低方差、高分辨率等优点,同时也降低了由重排引起的振荡波动。仿真实验结果表明该方法对相距很近的两线性调频信号和非线性调频信号都非常有效。     

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。     

盲源分离的一种时频比方法

在M.Puigt和Y.Deville提出的时频盲源分离算法基础上,引入S变换来获取非平稳信号的多分辨率特性。首先通过S变换将一维混叠信号映射到二维时频平面,然后构造不同混叠信号的时频比矩阵,通过在时频比矩阵范围内搜索单源分析域计算混合阵的每个元素,进而估计源信号。该方法能有效分离非平稳信号且具备多分辨率特性。     

深度稀疏自编码网络识别飞行员疲劳状态

针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于脑电节律波的频域特征,作为识别模型的输入向量.其次,将一种基于深度稀疏自编码网络–Softmax模型用于飞行员疲劳状态识别,并与单层的稀疏自编码网络–Softmax和传统方法主成分分析(PCA)–Softmax模型识别结果进行比较.最后,实验结果显示,针对飞行员疲劳状态识别问题,所建立的学习模型具有很好的分类识别效果,具有较好的工程推广价值.     

Operator strategies in a dynamic environment in relation to an operator model

Results of an analysis of the cognitive activity of operators in controlling incidents in a Steam Generating Heavy Water Reactor in relation to a computer-based model of an operator (COSIMO, Cacciabue et al. 1992) are presented. The analysis focuses on information checking and actions to be taken in five incidents of varying levels of specification. Two experienced and two less-experienced operators participated in the experiments. Techniques of video and protocol analysis have been employed. Results indicate that operators use strategies in order to overcome the dynamic feature of incidents; in particular they break down problems into elementary problems, and they aim at maintaining a stable situation. A central characteristic is the importance of actions in terms of their timing and their results. Actions are carried out incrementally, and their effects then used as pointers to guide the course of future problem-solving and future actions. Problems may be postponed when they are not urgent, or when system latency does not allow an effect to be obtained following an action. Finally the paper discusses some elements that should be modified in order to increase the predictive capability of the COSIMO model.     

基于运动想象的脑电信号的分类研究

对基于左右手想象的脑机接口数据进行了离线分析。在预处理过程中,采用4阶椭圆带通滤波器进行8～12Hz带通滤波,提取Mu节律对应的EEG信号。选取时间为4～5.5s内的C3、C4通道的幅值和之比作为时域分类特征;在频域范围内,对滤波后数据进行10阶的AR模型功率谱估计作为频域特征;将时域特征和频域特征结合成时频特征向量作为分类特征;在分类器的选择上,使用线性感知器作为分类准则对特征向量进行分类训练。结果表明,经过滤波后的分类结果比未经过滤波的效果要好。选用C3、C4通道的时频特征向量作为分类特征,表达意义简单、明了,且能将某些时频的优点结合,分类准确率较高,且分类速度快,能满足实时性要求。