广义S变换及其时频滤波

首先从基于高斯窗函数的短时傅里叶变换推导出了一种广义S变换,分析了它与S变换及小波变换的关系,给出了它的运算实现.理论分析与仿真实验表明,广义S变换的时频窗口不仅能够随着频率尺度自适应地调整,而且克服了S变换中时窗函数的变化趋势固定不变的问题,使广义S变换在应用中具有更高的实用性和灵活性.利用其高质量的时频分布,在时频平面中设计时频滤波器,用于非平稳信号中特定信号分量的提取,展示了广义S变换在这一应用中的有效性.     

基于S变换的信号时频特性分析

介绍了S变换的基本原理,从理论上分析了S变换与短时傅里叶变换和小波变换的关系。对比分析了短时傅里叶变换、Wigner-Ville分布与S变换的时频谱特点。实验结果表明,S变换的时频窗口可以随频率自适应的调整,这使得S变换在非平稳信号的应用中更有实用性和灵活性。     

短时分数阶傅里叶变换对调频信号的时频分辨能力

调频信号的检测和参数估计一直是信号处理领域的研究热点之一。为深入挖掘短时分数阶傅里叶变换对调频信号的时频分析优势,从短时分数阶傅里叶变换的定义出发,推导了其时频分辨能力与信号参数的关系,并与短时傅里叶变换进行了对比分析。结论表明,短时傅里叶变换时频分辨能力与信号频率变化率有关,而短时分数阶傅里叶变换几乎不受调频率变化率影响。最后,通过对比仿真实验证明,对于频率变化率较小的信号,两者时频分辨效果差别不明显,对于频率变化率较大的信号,短时分数阶傅里叶变换的时频分辨效果更好。     

基于线性正则变换与短时傅里叶变换联合的时频分析方法

线性正则变换作为傅里叶变换、分数阶傅里叶变换更为广义的形式,已经在光学和信号处理等领域得到了应用.短时傅里叶变换是一种线性时频分布,避免了其他双线性时频分布中出现的交叉项干扰,是分析时频信号的有力工具.本文从线性正则变换的定义和性质出发,研究了线性正则变换与短时傅里叶变换的时频关系,提出了基于线性正则变换与短时傅里叶变换联合的时频分析方法,避免了交叉项问题能够实现chirp信号干扰抑制和多分量时频信号分离.最后用仿真实例表明,该方法是分析时频信号的有效手段.     

线性时频域变换在弱信号检测中的应用

本文指出了传统信号检测方法的局限性，分析了线性时频域变换（包括短时傅里叶变换，小波变换）在弱信号检测中的优越性，最后给出了实验结果。     

小波变换在EEG噪声滤除中的应用

通过小波变换与标准傅里叶变换和短时傅里叶变换比较,指出了小波变换以其良好的时频局部性,成为时频分析方法中发展最为迅速的一种,并着重介绍了小波变换在滤除脑电信号噪声领域的应用.     

关于信号tu(t)的傅里叶变换的探讨

傅里叶变换是“信号与线性系统”课程中一个非常重要的教学内容,是理解信号频域特性和进行线性系统频域分析的基础。课程中对于一些不满足绝对可积条件的信号,通过引入广义函数获得了它们的傅里叶变换。斜坡信号tu(t)不是绝对可积的信号,虽然一些文献中给出了它的傅里叶变换表达式,但对于该信号的傅里叶变换是否存在的问题却存在不同观点。论文对斜坡信号傅里叶变换的求解方法进行了研究,指出了常见的错误方法,并对斜坡信号的频率特性给出了一种观点。     

时频分布的分辨率比较

利用时频聚集性较好的高斯函数作为标准信号,分析了短时傅里叶变换、小波变换、谱图、尺度图、Wigner-Ville分布的分辨率以及交叉项对分辨率的影响,并对它们的分辨率进行了比较;为了进行时间-尺度分布与时频分布的比较,提出了改进小波变换;在分辨率比较中,给出了几种典型情况的模拟结果.     

基于小波变换的MSK信号码速率盲估计

针对最小频移键控调制信号的码速率估计问题,提出一种基于Haar小波变换的MSK信号码速率盲估计方法。首先对接收信号作傅里叶变换得到信号频谱,对频谱频点分析粗估计信号的码速率,接着通过粗估计的码速率选取短时傅里叶变换窗函数长度和3个小波尺度,利用短时傅里叶变换得到信号瞬时频率变化,再利用小波的边缘检测特性对信号瞬时频率序列相位跳变点检测,最后对检测结果作频谱分析,估计频率得到MSK信号的码速率。仿真结果表明,高于信噪比门限时本算法可以对MSK信号码速率有效估计。     

利用小波变换实现基于结构光投影的S变换轮廓术

S变换是一种集合了窗口傅里叶变换和小波变换优点的时-频分析技术,将一维的信号映射到二维的时-频空间,具有良好的时频分辨能力。由于S变换谱和傅里叶变换频谱之间存在直接联系,且具有类似于小波变换的多分辨率能力,S变换可以通过快速傅里叶变换算法实现,也可以通过小波变换算法实现。研究了基于小波变换算法的S变换在基于结构光投影的三维光学测量中的应用,给出了理论分析,特别讨论了S变换中频率因子的选择,并同基于快速傅里叶变换算法的S变换轮廓术结果进行了比较。完成了计算机模拟和实验研究。