快速TFAD在雷达辐射源信号分析中的应用

计算量过大是制约时频原子分解算法在信号处理中应用的主要原因.针对这一问题,提出了一种基于改进量子遗传算法的快速时频原子分解算法.该方法在自适应匹配能力强的Chirp原子库的基础上,利用改进量子遗传算法快速寻找能够表示雷达辐射源信号特征信息的最佳时频原子,从而降低时频原子分解算法的计算复杂度.对雷达辐射源信号的仿真实验结果表明,该方法比传统的时频原子分解算法计算速度大幅度提高,计算量减小,而且重构信号时频图时频聚集性好,并有一定的抗噪性能.     

自适应离散 Gabor 变换及其时频滤波

为了提高 Gabor 表示的时频分辨率,使用了基于度量函数的窗函数宽度自适应选择算法,并利用其优化后的 Gabor 时频分布在时频联合域内运用时频掩蔽技术进行滤波,用于非平稳信号的中分量提取或降噪。实验结果表明了改进的自适应离散 Gabor 变换算法在信号处理中的有效性和实用性。     

高阶时频变换理论与应用

非线性信号处理与特征提取是时频信号处理领域中的热点问题。传统时频分析方法受限于海森伯格不确定原则,在分析该类信号时存在较为严重的能量发散问题,导致分辨率不佳,无法为非线性信号处理与特征提取提供精确的时频信息。为改善传统时频分析方法的能量聚集性,提升其时频分辨率,提出了一种高阶同步抽取变换算法,首先计算多个短时傅立叶变换...     

MATLAB时频分析工具箱在VisualC++程序设计中的应用研究

在分析利用MATLAB函数开发独立可执行VisualC++应用程序的优势和接口技术的基础上,克服以往该方法不能调用MATLAB工具箱函数的不足,探讨了一种能在VisualC++中利用MATLAB时频分析工具箱函数编制独立可执行应用程序的方法。笔者在利用该方法编制旋转机械振动信号时频分析软件收到了良好的效果。     

基于图像处理的跳频信号参数估计

针对复杂的电磁环境对跳频信号检测所产生的影响,提出了一种新的基于图像处理的跳频信号参数估计方法。首先将短时傅里叶变换(STFT)后的时频图处理为二维图像,然后根据电磁环境中噪声在时频图中的表现形式,对时频图进行滤波处理,最后根据对时频图的分析得出跳频信号参数估计。使用真实数据所进行的实验结果表明,所提出的方法能有效地滤除实际跳频信号中的雾态噪声、定频和突发信号,且不需要知道信号的跳速或驻留时间等前提条件,运算原理清晰,时间成本低且具有较高的准确度。目前该方法已应用于某数字接收机产品中,能很好地满足实际需求及测量精度要求。     

基于分数阶Fourier变换的PD时频特征提取

针对单一信道信号时频特征提取时无法过滤并行数据,导致交叉信号抗干扰能力较差、信号时域特征提取精度较低等问题,提出分数阶Fourier变换的并行数据时频特征提取方法.采用分数阶傅里叶变换重构并行数据信号,利用窗函数过去短时分数阶傅里叶变换信号;根据架构并行数据一维向量组合,调整参数完成数据压缩;通过非负矩阵经初始化与迭代处理,实现目标函数最小化;在获取的频域基向量以及相应时域位置向量后,提取尖锐度、信息熵、稀疏度等时频特征参量,进行归一化处理,完成并行数据时频特征提取.仿真结果表明,采用所提方法进行并行数据时频特征提取的精度较高,且交叉信号的抗干扰能力较强.     

颤振试验中加速度计信号的时频滤波方法研究

针对飞机颤振试飞试验数据信噪比偏低的问题,提出了两种加速度计信号的时频域滤波算法,分别借助小波和分数阶傅里叶变换对数据进行时频分析,并在时频域内滤波.该类算法的共同思想是利用扫频信号在时频域内的聚焦特性,有效提取真实响应信号,达到了信噪分离的目的.文中给出了具体的滤波算法,并通过仿真算例和实际试飞数据检验了滤波效果.结果表明两种方法均可显著提高加速度计信号的信噪比.其中,小波变换方法的通用性较好,而分数阶傅里叶变换在处理线性扫频激励数据时表现了更优的去噪效果.     

广义S变换在移频信号检测中的应用

目前,对于铁路移频信号的检测主要采用短时傅立叶变换、小波变换、Wigner-Ville分布以及广义S变换等时频分析方法,以上方法都存在一定的局限和不足。针对以上各种方法所存在的问题,在原广义S变换的基础上对其窗函数进行改进,简化算法的复杂性。将改进算法用于铁路移频信号的检测中,可以克服常规时频分析方法存在的不足,从而准确地检测出移频信号的各个频率特征,明显地降低检测误差。改进算法对进一步研究移频信号检测方法及研制高精度的移频信号检测器具有重要的指导意义。     

基于改进S变换的HIFU治疗位置检测

高强度聚焦超声(HIFU)治疗过程中,治疗区域一般位于人体内部,对超声聚焦的位置有较高要求,因此治疗位置的检测非常重要.文章通过研究S变换窗函数中的调节参数对时频分辨率的影响,提出了一种改进的S变换方法.采用此方法对在离体猪肉组织实验中获得的超声散射回波信号进行处理,通过计算时频熵来分析信号时频分布的变化情况,计算所得熵值中出现的峰值即为HIFU治疗区域的边界,达到检测HIFU治疗位置的目的.实验研究表明,改进S变换较之标准S变换有更好的时频聚集性,能够更好地定位信号的能量分布,可有效地检测出HIFU治疗区边界.     

基于改进的AlexNet模型的家用负载电弧检测

传统的电弧检测方法依赖人工设定阈值，存在误判的可能性，以及检测成功率不高等问题，本文提出了一种基于改进Alexnet深度学习卷积模型的电弧故障检测方法；该方法使用Adam算法代替SDG算法作为优化算法，加快模型的收敛速度，引入批量归一化算法，对数据进行归一化处理，改变卷积核的大小，减少网络参数数目。采用短时傅里叶变换（STFT）提取正常和故障时的电流信号时频信息，构建电流信号的时频图作为改进模型的输入，通过该改进的Alexnet模型实现电弧故障的检测。经过验证，该改进的模型电弧故障识别准确率能达到98％，并优于其他比较方法。     

基于时频分析的雷达信号滤波方法

深空目标的雷达回波信号较弱而且受噪声干扰严重,给检测识别工作带来很大的困难;提出了一种时频滤波方法,将基于广义S变换的时频滤波引入到雷达回波信号去噪当中;采用广义S变换对回波信号进行时频分析,利用变换结果求解信号的瞬时频率,并构造了一种时频滤波器.对雷达回波信号进行时频滤波处理并对滤波效果进行分析;仿真结果表明,经滤波后信噪比有较大提高,且很好保留了信号特征。     

离散S变换的频域算法和时域算法比较

在信号处理领域,S变换具有良好的时频结合特性,应用广泛。在实际系统中,S变换通过离散数值方法实现,有频域和时域两种形式,文献中多使用频域形式。在用S变换对一些信号作时-频分析时,频域和时域两种实现形式得到的时-频谱图有明显的差异,但没有文献对此问题进行相关讨论。离散S变换的频域算法使用快速Fourier 变换（FFT）和其逆变换（IFFT）实现,但由于Fourier变换蕴含周期特性,一些信号的S变换时-频谱图在始末两端会出现虚假频率信息,干扰信号的时-频分析结果。在研究S变换理论的基础上,给出离散S变换的时域实现。离散S变换的时域算法克服了频域算法的缺点,能更准确反映信号的时-频分布情况。通过对比实验,验证了时域算法的有效性。将S变换的离散时域算法用于地震数据拓频处理,结果显示方法能有效增强信号分辨率。     

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...     

基于差分麦克风阵列和语音稀疏性的多源方位估计方法

差分麦克风阵列为实现小尺寸阵列条件下的声源定位提供了一条重要技术途径。语音信号具有稀疏性,利用该特性可实现基于差分麦克风阵列的多声源方位估计,其中的典型方法为直方图法。针对差分麦克风阵列,本文提出了一种基于时频掩蔽和模糊聚类分析的短时平均复声强多声源方位估计方法。分析了不同阵列尺寸条件下时频掩蔽频带范围的选择问题。该方法具有闭式解,在强混响噪声环境下的性能优于直方图法,并且受阵列尺寸变化的影响较小。为了改善直方图法的性能, 基于时频掩蔽的思想,文中还给出了一种修正的直方图方法。混响噪声环境下的仿真实验结果验证了本文所提方法的有效性。     

基于TFD联合要素的图像分类

文中提出了基于时间频率分布联合要素的非平稳时间序列信号的分类方法,其结果显示：对于非平时间序列信号,基于时间频率分布联合要素的分类法比单独基于时间或频率分布要素的方法处理效果好。     

基于非平稳时频分析的无线网络信道均衡算法

在无线网络数据通信中,由于阵元码间干扰导致信道具有非平稳特性,产生信道失衡效应,需要进行信道均衡设计,提高无线网络的数据传输性能.传统方法采用Hilbert变换扩频方法进行通信信道均衡,通过Hilbert变换使离散数据解析化,由于信道多径扩展导致码间干扰,为了提高信道均衡效果,提出一种基于非平稳时频分析的无线网络信道均衡算法.构建无线网络数据传输的空间多径信道模型,采用时频分析方法进行通信信号码间干扰抑制处理,采用提取的时频特征对通信信道进行正交频分复用分解,采用时频特征分析方法,对相位偏移进行空间码元重组,去掉路径相移偏量,实现信道均衡.仿真结果表明,采用该算法具有较好的信道均衡性能,能有效抑制通信信道的码间干扰,降低无线网络数据通信的误比特率,改善通信质量.     

雷达脉内调制信号时频分布特征提取方法

针对复杂体制雷达辐射源信号分类识别问题,提出了一种基于时频分析的雷达脉内调制识别算法。首先对时频矩阵在时间域进行等间隔分区,然后通过检测区间内信号时频能量峰值提取其时频特征,最后用支持向量机实现了分类识别。该方法以信号时频能量峰值分布的差异区别不同的雷达脉内调制方式,有效降低了特征维数。仿真结果表明,该方法对雷达脉内调制具有较好高识别正确率,而且具有较强的抗干扰能力。     

递归时频重排算法在跳频信号参数估计中的应用

为了有效分析跳频信号并估计其参数, 引入一种短时傅里叶变换的快速算法, 为改善其时频聚集性, 将该算法推广到重排域。该算法降低了参数估计的算法复杂度。最后,在跳频系统中对该算法的性能进行了仿真与分析。     

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.