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.     

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.     

信号处理中的时频信号分析

本文通过介绍四种普遍使用的时频分析方法对时频场分析作了充分的介绍，其重点在于时频分析的用实现方法。时频分析的基本思想是理解并描述一个 频一阴时间变化时所处的环境。虽然时频抻在５０年前就已经出现了，但直到最近十几年才有了重大的进展。最近，时频表示法作为一种分析各种信号和系统的非常有铲的工具已得到了越来越多的关注。     

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.     

数字信号处理中的时频信号分析

本文通过介绍四种普遍使用的时频分析方法对时频场分析作了充分的介绍,其重点在于时频分析的原理及实现方法.时频分析的基本思想是理解并描述一个信号的频率含量随时间变化时所处的环境.虽然时频分析早在50年前就已经出现了,但直到最近十几年才有了重大的进展.最近,时频表示法作为一种分析各种信号和系统的非常有效的工具已得到了越来越多的关注.     

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。     

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。     

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。     

基于实值离散Gabor变换的瞬变信号表示

实值离散Gabor变换(RDGT)是先前提出的用于对非平稳信号进行联合时频分析的一种快速变换方法。基于RDGT,该文提出了一种快速的瞬变信号Gabor表示算法,该算法能够有效地在联合时频域中区分多个具有不同频率和不同到达时间的被白噪声污染的瞬变信号。文章结尾还给出了一些实验来验证算法的有效性。     

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。     

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.