强鲁棒性和高锐化聚集度的BGabor-NSPWVD时频分析算法

针对短时傅里叶变换（Short-time Fourier transform，STFT）、Gabor变换和魏格纳-维尔分布（Wigner-Ville distribution，WVD）出现的时频分辨率模糊和交叉项干扰，以及目前一些主流改进算法如STFT-WVD和Gabor-WVD存在的频率分量三维幅度失真，且抗噪性能及鲁棒性能不理想等问题，提出基于局部二值化、归一化处理再结合的二值化Gabor-归一化WVD（Binarized Gabor-normalized WVD，BGabor-NWVD）和二值化Gabor-归一化伪平滑WVD（Binarized Gabor-normalized smoothed pseudo WVD，BGabor-NSPWVD）算法.数值仿真实验结果表明，BGabor-NWVD和BGabor-NSPWVD算法较好地抑制了交叉项干扰，具有较高的时频锐化聚集度，且两种算法的抗噪性能和鲁棒性也较为理想.基于本文方法对硬质合金顶锤工作时产生的疑似破裂信号进行时频分析，在抑制噪声和交叉项的同时能够较为准确地寻找传感器的频率判别窗口，为金属破裂监测设备数据采集卡提供有效的阈值参考.     

基于FRFT的Wigner-Ville分布交叉项抑制方法

针对多分量线性调频信号的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)交叉项干扰问题,提出一种抑制交叉项的方法。该方法利用分数阶傅里叶变换(Fractional Fourier Transform,FRFT)在最佳FRFT域中对给定的线性调频信号具有最好的能量聚集性,将多分量线性调频信号在FRFT域上分解为若干个单分量信号,线性叠加单分量信号的WVD,从而达到抑制交叉项的效果。此外,当多分量线性调频信号为周期信号时周期间存在干扰,进一步提出了在基于FRFT的WVD交叉项抑制方法中增加周期遮蔽处理。仿真结果表明,在保持较高的时频分辨率时,该方法能够有效抑制交叉项,并且有一定的抗噪声能力。     

基于稀疏分解的SFM信号的时频分析方法

针对正弦调频(SFM)信号Wigner-Ville分布(WVD)存在严重的时频交叉项干扰问题,提出了一种基于稀疏分解的时频分析方法。该方法首先由信号的时频参数构建Gabor原子字典,然后利用匹配追踪(MP)算法实现信号分解,并结合改进遗传算法寻找最佳匹配原子,最后将每次分解得到的Gabor原子通过Wigner-Ville变换叠加得到无交叉项的信号WVD。仿真结果表明,该方法能提高对信号稀疏分解的计算效率,且Gabor原子的选取较为灵活,用少量原子可表示信号WVD。与传统的时频分析方法相比,该方法能有效抑制时频交叉项干扰,且保持高时频分辨率。     

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STFT时频比算法的跳频信号盲分离

威格纳—威利分布(WVD)算法会引起交叉项干扰,快速独立分量分析(FastICA)算法会使分离信号的幅度、相位等参数较源信号发生变化,针对这些算法存在的误差问题,结合跳频信号的特点,提出一种基于短时傅里叶变换时频比的跳频信号盲分离法。仿真实验表明,这种算法能够有效地分离出多个跳频信号,比FastICA算法更准确。     

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.     

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。     

几种时频分析方法的性能比较

在时频分析算法的研究中,传统傅里叶变换无法反映时变信号中信号频率随时间变化的关系,而时频分析方法则是处理时变信号的有效工具.为了比较谱图、魏格纳-维尔分布WVD、平滑伪魏格纳-维尔分布SPWVD、局部多项式周期图LPP、S-method、高斯径向核函数RGK时频分布等6种时频分析方法的性能,针对线性调频信号和正弦调频信号,以瞬时频率估计的最小均方误差、信号的时频聚集度、运算时间等方面为指标对上述6种方法进行了比较.并且给出了上述6种方法对多分量信号和蝙蝠声音信号的时频表示比较.为处理不同信噪比下的不同信号选择合适的时频分析方法提供了依据.     

跳频信号SPWVD参数估计方法研究

跳频信号是典型的非平稳信号,必须采用非平稳信号处理方法.WVD是时频分布中最常用的一种手段,可用来进行跳频信号分析,但存在严重的干扰项.SPWVD是WVD的改进,可以减少WVD交叉干扰项的影响.文章介绍了跳频信号的模型以及SPWVD的离散化实现过程,对SPWVD进行了计算机仿真.结果表明WVD和SPWVD均可时跳频信号进行分析,而SPWVD可以抑制交叉项的影响,并且这种分析方法更加有效、合理.     

基于经验模态分解的WVD交叉项抑制法

针对Wigner-Ville分布(WVD)存在交叉项的问题,提出一种基于经验模态分解(EMD)的WVD交叉项抑制方法,将EMD得到的各固有模态函数去伪后进行WVD计算,将WVD分析结果线性叠加后重构出原始信号的WVD时频分布。仿真结果表明,该方法能有效抑制时频分布的交叉项,保证WVD的时频聚集性,分析信号的调幅调频现象。     

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.     

多分量调频信号的阵列处理时频交叉项的抑制方法

在应用时频-MUSIC方法对多分量调频信号进行到达角估计的问题中,针对时频分布中交叉项的存在对估计性能的影响,提出了一种基于阵列信号处理抑制时频分布交叉项的新方法。该方法利用多信源在各阵元上的延迟对时频分布交叉项振荡相位的影响,联合运用多通道信号处理和图像处理的方法,采用二维乘法滤波,减小高频振荡交叉项在时频图像中的占据区域,从而达到抑制交叉项的目的。仿真实验显示该方法具有良好的效果。     

基于时频分析方法LPFT的语音处理GUI系统

由于语音的非平稳性及时变性,时频分析方法是处理语音信号的重要工具.然而线性短时傅里叶变换的时频聚集性较差,而双线性维格纳变换在处理多分量信号时会受到交叉项的干扰.为了克服以上两种时频分析方法的缺点,利用短时傅里叶变换的扩展形式即局部多项式傅里叶变换LPFT来处理语音信号,建立了基于LPFT的语音处理GUI系统,实现了在时域、频域和时频域对语音的分析和对比.并给出语音处理的例子,验证了LPFT方法与其它方法相比所具有的优势.该系统简明直观,是语音处理的较好的平台.     

利用短时分数阶PWVD实现多分量Chirp信号分离

针对加性高斯白噪声背景下多分量Chirp信号的分离问题,采用一种基于短时分数阶傅里叶的伪魏格纳变换来实现对多分量Chirp信号的分离。该方法利用分数阶傅里叶变换四阶中心矩寻找极值点来确定最佳变换域,在最佳变换域对信号进行旋转的短时傅里叶变换,并进行伪魏格纳变换,最后把在时频面得到的冲激信号变换到时域再进行分数阶傅里叶逆变换,实现了多分量Chirp信号的分离。仿真实验证明该方法可有效地实现多分量Chirp信号分离,有助于后续对各分量的参数估计。