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.     

基于广义解调和奇异值分解的时频表示增强

提出了一种基于广义解调和奇异值分解的时频表示增强算法.该算法利用估计的相位函数对信号进行广义解调,通过奇异值分解对得到的解调信号时频谱进行降噪处理,计算降噪后时频谱的逆变换并进行广义逆解调,重新计算时频谱获得信号增强的时频表示.仿真结果表明,该算法与已有算法相比,时频平面的随机噪声几乎被完全抑制,是一种有效的时频表示增强方法.     

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。     

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.     

基于自适应多尺度时频熵的遥测振动信号异常检测方法

针对遥测振动信号频域成份复杂、非平稳非线性和强噪声特性,提出一种基于自适应多尺度时频熵的遥测振动信号异常检测方法;首先对采集到的遥测振动信号进行零漂修正和趋势项消除,然后采用自适应分解方法对信号进行多尺度分解,得到若干分量,利用相关系数剔除虚假分量;接下来用筛选出的分量作时频分布,对时频分布进行多层多尺度划分,计算相应尺度频段内信号的分形维数,依据分形维数的大小自适应地确定各频段的时频划分尺度;最后计算时频平面的自适应多尺度时频熵,通过时频熵的变化情况对遥测振动信号进行异常检测;实测数据验证了该方法的有效性。     

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。     

基于参数优化的广义S变换在提取地震信号瞬时参数中的应用

地震信号的瞬时参数因包含丰富的地下地质信息,是地震资料分析的重要工具,因此提取瞬时参数具有很重要的意义。由于传统的各种时频方法在高频处没有较好的时频聚焦性,其能量分布曲线发生畸变导致提取的瞬时参数存在较大的误差,为了解决此问题,本文在广义S变换的基础上,提出了一种优化可控参数的算法,通过用广义S变换方法将信号变换到时频域,结合时频聚焦性准则选取广义S变换窗函数最优化的参数值,使经过优化后的广义S变换在各个频率处具有较好时频分辨率的同时达到最好的时频聚焦性。通过matlab对合成地震信号和实际地震信号仿真表明,该方法提高了信号整体的时频聚焦性,能够更精确的提取瞬时参数,具有具有较高的实用性和灵活性。     

基于局部多项式傅里叶变换的多分量线性调频信号瞬时频率估计*

针对多分量线性调频信号的瞬时频率估计问题,把局部多项式傅里叶变换应用到求多分量线性调频信号瞬时频率估计中,提出了一种不受分量间交叉项干扰的新方法,该方法对多分量线性调频信号进行局部多项式傅里叶变换,把每一个线性调频信号分离出来,根据每一个线性调频信号的局部多项式傅里叶变换谱,通过搜索找到谱的峰值所在的位置,从而找到峰值所对应的频率,准确地估计出了多分量线性调频信号的瞬时频率。仿真实验中与多分量信号的Wigner-Hough变换进行了对比,验证了该方法的有效性。     

基于改进的EEMD-Hilbert包络解调轴箱轴承故障诊断

为解决在轴箱轴承故障诊断中,原始振动信号带通滤波器参数选择依靠主观工作经验,EEMD分解技术中多个IMF分量分析效率及准确性较低等问题,提出一种改进的EEMD-Hilbert包络解调方法.该方法采用EEMD对原始信号进行分解,利用双相关系数法及阈值法选取有效本征模态分量,通过对本征模态分量进行Hilbert包络解调,获取包络信号幅值谱作为故障特征量进行轴箱轴承故障诊断.并通过轴箱轴承实验台测试验证了该方法的有效性.     

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.     

多分量非平稳声信号时频分析

为了准确提取信号所包含的主要频率分量,对多分量非平稳声信号进行了时频分析。利用短时傅立叶变换将多分量非平稳声信号由时域变换到时频域,根据谱图提取信号的主要频率分量。分析结果表明：多分量非平稳信号的各主要频率分量及其时频域特性参数可以准确提取。短时傅立叶变换是提取多分量非平稳声信号主要频率分量的有效方法。     

Simulation Analysis and Application of SAR Target Motion Parameters based on EMD-RSPWVD Algorithm

When processing multi-component SAR moving target echo data by traditional time-frequency analysis method, there is serious cross-term influence and poor time-frequency clustering. A new time-frequency analysis algorithm named EMD-RSPWVD is proposed. It combines the improved Empirical Mode Decomposition (EMD) algorithm and Reassigned Smoothing Pseudo-Wigner-Ville Distribution (RSPWVD) algorithm. The improved EMD algorithm is used to decompose the multi-component SAR moving target echo signal into independent signal components. Then the time-frequency analysis of independent components which based on RSPWVD algorithm is performed to eliminate cross-terms and obtain high time-frequency resolution. Finally, simulated echo data and real echo data are used to analyze the performance of this algorithm for multi-component SAR motion echo data. The results show that the algorithm has good anti-noise ability, moving target detection ability and high-precision motion parameter estimation performance.     

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。     

Separating mixed multi-component signal with an application in mechanical watch movement

This paper presents a method to combine signal decomposition with blind signal separation for separating one-dimensional mixed multi-component signal of mechanical watch movement. The method consists of three steps. First, a multi-component signal is decomposed into a set of redundant signals, called pseudo multi-channel mixtures, using the continuous wavelet transform (CWT). Then, independent component analysis (ICA) is used to acquire the independent components. Finally, a correlation criterion is applied to automatically select the source components. The new method can effectively separate a multi-component signal into a series of independent components corresponding to different sources. The effectiveness of this method is demonstrated by means of a computer simulation example. And the proposed method is applied for analyzing and diagnosing mechanical watch movements. It is found that the separated source components effectively reveal the insight of the mechanical watch movement, and can be used for fault diagnosis.     

连续波背景下多信号处理方法

对接收到的信号进行短时傅里叶变换，通过分析短时傅里叶变换中每一个时间片内的信号频谱，检测出连续波背景下的脉冲信号。滤除线性调频脉冲信号成分，保留连续波信号成分，得到调频连续波信号具有周期性的时频变化曲线。根据连续波信号时频变化曲线的频谱特征，估计出其主要参数，然后滤除脉冲信号出现时间内信号中的连续波成分，并采用相应的方法估计出其参数。仿真结果表明，本文算法可以准确估计出线性调频连续波（LFMCW）信号和线性调频（LFM）脉冲信号的参数，当LFMCW信号的信噪比高于-8dB，并且其功率比脉冲信号功率小6dB以上时，算法具有良好的估计精度和稳定性。     

分数阶Fourier变换在多分量信号谱图分析中的应用

作为时频分析方法的一种,谱图对多分量信号分析时受交叉项影响,特别是当信号相隔很近时尤为严重,而且频率分辨率会受影响。给出了结合分数阶Fourier变换（FrFT）对多分量信号进行谱图分析的方法。首先利用分数阶二阶矩极值点而找到相应的最优旋转阶数,对所给多分量信号按此阶数做分数阶Fourier变换,再在此基础上做谱图分析。仿真实例表明,该方法对初始频率、调频率很接近的多分量的chirp信号能有效识别,交叉项可得到较好的抑制。