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。     

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.     

雷达信号时频分析的特征提取

针对目前应用时频图像进行雷达信号特征提取时算法复杂度高的问题,提出一种基于矩阵简化的特征提取算法。首先对雷达信号进行非高斯核函数的时频分析,随后直接对时频分布矩阵进行分析处理,通过分析矩阵中各元素的物理意义,提取能量中心点即可得到含有调制类型特征的一维特征向量。仿真结果验证了所提算法的有效性以及在较低信噪比(SNR)条件下仍然能保持较高的正确率。     

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.     

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。     

组合谱图法在跳频信号时频分析中的应用

提出了一种应用于跳频信号的组合式谱图时频分析方法,采用两种不同长度的窗函数对信号进行时频分析,分别得到具有较好频率和时间分辨率的两组分析结果;结合两组结果的优点,提高了原谱图法的时频分辨率,并通过理论分析和仿真结果予以证明。在高斯白噪声条件下,对组合谱图法在跳速估计中的性能进行仿真,结果表明该算法的信噪比性能较谱图法提高了3 dB左右。     

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。     

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。     

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。     

Hilbert-Huang变换在语音信号精细时频分析中的应用

语音信号是一种典型的非平稳信号,其特性及表征本质特征的参数均是随时间变化的,而时频分析是分析时变谱的有力工具,Hilbert-Huang变换是一种新型的具有自适应性的时频分析方法,对于非线性、非平稳信号有清晰的物理意义,通过HHT变换,能够得到信号的时间-频率-振幅三维分布特征。分析了HHT算法的原理,采用了合适的端点效应处理方法提高了EMD的分解精度,通过仿真实验得到了语音信号更加精细的时频结构,并与STFT、WVD及Choi-Williams分布进行了对比,显示了HHT算法的优越性。     

混凝土结构超声检测信号的时频分析研究

非均质材料的无损检测是一项非常重要而又非常困难的工作,混凝土是一种典型的非均质材料,它的结构缺陷的检测尤其是小尺寸或浅层的缺陷检测非常困难。研究表明,在缺陷检测时,仅仅利用时域或频域信息往往是不够的。因此,本文对超声检测信号的时频分析的潜能进行了探索,在短时傅利叶变换的基础上,导出了用超声检测辨识混凝土板缺陷的时频等离线特征,该特征具有良好的直观辨识效果。随后,针对时频等高线图抽取了用于自动识别的特征,用模式识别方法对此特征进行了分析。结果表明,相对时域信号和频谱图而言,时频等高线特征可为自动判别提供更多的信息。     

旋转机械振动测试脉冲干扰的幅值倾角双判据滤波法

针对旋转机械振动测试过程中经常出现的脉冲干扰信号,在限幅滤波法的基础上设计了基于幅值与倾角双判据的滤波算法,并将其嵌入已开发的旋转机械状态监测与故障诊断系统中。通过测试,该算法弥补了原有各种剔除脉冲干扰方法的缺陷,具有很强的工程应用价值。     

语音信号的预处理和特征提取技术

语音信号处理是一门多学科交叉的综合学科,它包含了语音学和数字信号处理等基础学科。这篇文章对语音信号作了两个方面的研究：语音信号的预处理和语音信号的特征提取。预处理是为了更好地进行语音信号的特征提取。是语音信号特征提取获得成功的重要保障。语音信号的预处理介绍了信号的主分量分析（PCA）技术和白化（whitening）技术．而语音信号的特征提取分为时域的和频域的特征提取。并用Madab编程实现了一段语音信号的分析处理。     

语音信号的预处理和特征提取技术

语音信号处理是一门多学科交叉的综合学科,它包含了语音学和数字信号处理等基础学科。这篇文章对语音信号作了两个方面的研究:语音信号的预处理和语音信号的特征提取。预处理是为了更好地进行语音信号的特征提取,是语音信号特征提取获得成功的重要保障。语音信号的预处理介绍了信号的主分量分析(PCA)技术和白化(whitening)技术.而语音信号的特征提取分为时域的和频域的特征提取。并用Matlab编程实现了一段语音信号的分析处理。     

基于加速度传感器的高频振动信号检测分析

介绍了一种基于普通压电加速度传感器的高频振动信号检测技术的实现方法,并论述了高频振动信号的采集、时域分析、频域分析及功率谱分析程序的实现。检测系统硬件部分主要包括压电加速度传感器、信号调理器、高速采集卡。用这套检测系统对各频段的信号进行检测对比实验,实验结果表明此系统能有效地检测到高频振动信号的变化。     

一种超低频绝对振动信号参数检测的实现方法

超低频绝对振动信号参数的检测在工程上有着十分广泛的应用前景。提出一种软硬件相结合的超低频绝对振动信号参数的检测方法,根据被测信号的特殊性,以8032单片机为核心构建了专门的信号处理电路。经实际应用表明,它具有自动校零、可靠性高、性能好、实用性强等特点,适用于工程上对超低频绝对振动的测量。     

一种基于压缩感知和动态时间规整的信号肽特征提取新算法

准确识别出信号肽对蛋白质的研究和定位有着非常重要的意义。压缩感知技术能够在保留生物序列主要信息的同时降低冗余信息,将高维信息投影到低维空间上进行特征提取。因此本文基于压缩感知技术再结合动态时间规整算法提取出新的特征向量,提出一种高鉴别性的信号肽特征提取新方法。该算法所提取的特征不但体现了信号肽中的氨基酸组成、排列顺序、结构等重要信息,还能把信号肽的不同区域在时间维度中非线性地弯曲对整,为机器学习算法提供有效的信号肽特征表达。实验结果显示,新方法提取的特征向量在3个数据集Eukaryotes, Gram+ bacteria, Gram-bacteria上的识别率分别达到99.65%, 98.05%和98.56%,并且这种方法能简单地运用到其他生物序列的识别过程中。     

基于奇异值分解和小波包分析的液压泵振动信号特征提取方法

针对液压泵故障特征提取问题,提出了一种基于奇异值分解和小波包变换的液压泵振动信号特征提取方法.通过奇异值分解将噪声非均匀分布的液压泵振动信号正交分解为噪声分布相对均匀的分量,对各分量进行小波包阈值去噪,重构去噪后分量,对去噪后信号进行小波包分解,提取各频带能量特征.以齿轮泵为例,将该方法对齿轮泵的气穴故障、齿轮磨损和侧板磨损3种常见故障和正常状态的振动信号进行特征提取分析,结果表明,该方法可有效提取齿轮泵故障特征.     

基于小波的心音信号分析及其特征提取

心音信号是人体最重要的生理信号之一,它包含了人体心脏和血管中丰富的原始信息.心脏杂音和心音改变的出现,往往是心脏病的最早特征.由于心音信号是一种典型的非平稳信号,所以传统的频域分析已经不能满足研究的需要.文章将时域、时频和功率谱能量等特性分析相结合,研究心音信号的分析方法,提取各种特征以区分不同的心音.理论分析和仿真实...     

Fractional Envelope Analysis for Rolling Element Bearing Weak Fault Feature Extraction

The bearing weak fault feature extraction is crucial to mechanical fault diagnosis and machine condition monitoring. Envelope analysis based on Hilbert transform has been widely used in bearing fault feature extraction. A generalization of the Hilbert transform, the fractional Hilbert transform is defined in the frequency domain, it is based upon the modification of spatial filter with a fractional parameter, and it can be used to construct a new kind of fractional analytic signal. By performing spectrum analysis on the fractional envelope signal, the fractional envelope spectrum can be obtained. When weak faults occur in a bearing, some of the characteristic frequencies will clearly appear in the fractional envelope spectrum. These characteristic frequencies can be used for bearing weak fault feature extraction. The effectiveness of the proposed method is verified through simulation signal and experiment data.