非平稳信号度量方法综述

非平稳性度量是非平稳信号处理中的重要课题。尽管已有的度量方法在原理上有较大差异,缺少统一的理论框架和度量标准,但这些非平稳信号度量方法都在其相应领域发挥了重要作用。本文对随机信号非平稳度量方法进行了综述,系统地总结、归纳了不同领域现有的随机信号非平稳性度量方法,包括基于统计量和动力学参数的时域方法、时频域参数方法、信号建模参数方法以及特定类别信号的非平稳性度量方法,给出了各种度量方法的应用,并展望了非平稳性度量的未来发展方向。     

基于非平稳信号频谱分析的指纹图像增强算法

把指纹图像看作一种局部平稳总体非平稳的信号,研究了指纹图像的频谱特性,提出了一种基于统计学的指纹方向和频率估计方法.在此基础上,基于方向一致性分析和频率分析,提出了方向和频率校正算法.实验结果表明,该算法对指纹图像有显著的增强效果,并有效地提高了指纹细节特征提取的准确率.     

基于非平稳信号时频分析的DDoS攻击检测仿真

针对传统的DDoS网络攻击检测方法未提取信号时频特征,而存在检测速度慢,甚至不能完全检测出是否受到攻击的问题,提出一种基于非平稳信号时频分析的DDoS攻击检测方法.因为攻击特征通常表现为一组非平稳的宽带信号,所以需要先构建DDoS攻击信号模型,采用包络延扩展方法,对其进行采样完成模型构建,同时因DDoS攻击非平稳宽带信...     

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MCMC方法的非平稳随机信号分析的探索

在对MCMC方法和随机信号参数模型概念学习的基础上,对非平稳随机信号的时变参数模型的构建进行了探索。通过实例,说明构建时变参数模型的关键技术在于产生稳定的概率密度函数。     

非平稳信号稀疏表示的研究发展

信号分解是从信号中获取特征信息的过程,是模式识别、智能系统和故障诊断等诸多领域的基础和关键。非平稳信号往往包含着反映系统变化的重要信息,并且广泛存在,对其研究具有非常重要的理论意义和工程应用价值。以改进信号表示的稀疏性为主线,分析了推动非平稳信号特征提取方法发展的工程背景,详细描述了5类特征提取方法的特性与机理、历史沿革和面临的挑战,比较研究了各种方法的模型,并系统评述了这些模型在信号处理和分析中的最新进展,以及在一些领域中的应用。最后指出了各种方法目前存在的问题和不足,探讨了进一步的研究重点。     

基于共享参数模型的非平稳信号分析系统研制*

研究了共享参数模型的软件体系结构,设计了非平稳信号分析系统的总体框架,实现了系统模块的统一构架和仪器界面,采用面向对象的编程技术以及VC开发工具,成功开发了面向机械故障特征提取的非平稳信号分析系统,为故障特征提取提供了一个有效的分析工具,并通过实际应用验证了该系统的实用性。     

一种自适应预测非平稳信号的新方法

本文提出一种动态神经网络为非平稳信号作自适应单步预测，它由级联回归神经网络和抽头延时线组成．用它对非线性动态方程产生的时间序列作自适应预测，实验结果表明，其效果远远超过了传统的前馈神经网络．     

一种新的周期信号频谱分析的快速方法

介绍了周期信号频谱分析的方法,指出教科书中的错误,并且结合信号的单目运算,分析了信号频谱的变换规律,提出周期信号频谱信息的快速计算方法。实例展示了应用此方法可以快速计算周期信号的频谱,效果良好。     

基于循环平稳的频谱感知方法

文中提出了一种主用户信号随机出现时基于循环平稳的频谱感知方法。该方法首先推导了在主用户信号随机出现时,基于循环平稳频谱感知方法的判决统计量,然后基于Neyman-Pearson(N-P)准则,推导了在给定虚警概率时所提方法的判决门限和检测概率,最后用仿真结果证实了所提方法在主用户随机出现时相比传统循环平稳频谱感知方法的有效性和优越性。     

基于非均匀采样的频谱分析和弱信号检测

由于采样设备和被采样信号的限制,完全的均匀采样很难实现,实际中很多情况也需要用到非均匀采样,而当采样信号是非均匀时采样定理不再适用。使用基于最小二乘法的非均匀频谱分析法,详细讨论了频谱噪声的产生原因和影响因素。由于频谱噪声会淹没一些弱信号的频率成分,使用基于最小二乘法的幅值衰减法,衰减强信号频率成分和频谱噪声,通过仿真实验成功检测出幅值为强信号幅值一亿分之一的弱信号,并对非均匀采样信号的频率成分进行高精度的参数估计。     

非均匀采样信号的频谱分析及信号处理系统

非均匀采样由于具有不受采样频率限制、频率分辨率高以及抗混叠等优点,应用十分广泛。推导出非均匀采样信号的离散傅里叶变换方法,分析了采样时钟抖动对非均匀离散傅里叶变换的影响,并给出仿真结果。研制了基于数字信号处理器和可编程逻辑器件的非均匀采样系统,以此为硬件平台,实现了非均匀采样信号的频谱分析。理论和实验结果表明,非均匀采样系统和频谱分析方法是有效实用的。     

周期信号频谱分析应注意的问题

在实际应用中,常用ＤＦＴ算法对周期信号作频谱分析,但周期信号的频谱和一般信号的频谱有着不同的物理意义。一般信号的ＤＦＴ结果表示该信号在频率Ω处的频谱密度,它是一个连续信号,周期信号的ＤＦＴ仅表示它的基波及各次谐波的幅值,是一个离散信号。一些对一般信号进行频谱分析的方法,使用于周期信号则不合适。另外,如果采样时基选择不好、于周期信号则不合适。另外,如果采样时基选择不好、时基偏移或干扰等原因,都会造成     

基于复调制细化谱的非平稳信号分析研究

信号分析方法是当前电子通讯工程系统检测中重要的基础技术,分析结果的精确程度是诊断成功与否的关键因素。在系统故障诊断信号分析中,往往会遇到密集型频谱信号,要求有足够高的频率分辨率。目前有多种高分辨率FFT算法,但这些算法各有长处和不足。本文采用复调制细化谱法对电子通讯设备信号进行检测分析。实验仿真证明,该方法能对任意给定频率附近的频谱进行细化,并且从分析精度、计算效率、分辨率、灵活性等方面来看,基于复调制细化谱方法都是一项行之有效的方法。     

无线分布式网络非平稳信号时延估计方法

如果只凭借整数倍的采样间隔计算平稳信号,会存在时间延迟问题.为解决上述问题,提出无线分布式网络非平稳信号时延估计方法.由于网络中含有噪声信号、干扰信号和网络信号,针对三者建立时延估计模型,运用二次相关算法降低干扰信号对网络信号影响,保证在低信噪比环境下对时间延迟的有效计算.为了避免出现伪峰值,影响计算结果,将二次相关函数与希尔伯特变换算法相结合,使相关函数的偶对称性转换为奇对称性,并将对峰值的检测转换为过零检测,将误差控制在最低,完成对时延的估计.通过仿真结果表明,所提方法有着较优的计算效果,且在噪声环境和混响环境下,依然可以实现对非平稳信号时延的有效估计.     

基于非线性混沌理论的非平稳信号的比较分析

本文研究采用基于非线性混沌理论的两种非线性参数估计方法(代替数据法和Lyapunov指数估计法)对非平稳信号进行分析.首先对上述两种非线性方法的具体算法进行介绍,然后对两组本质不同的非平稳振动信号进行对比分析.这两组信号是通过测试具有不同非线性约束边界条件的薄壁构件获得.分析结果表明,在时域波形上直观相似的非平稳信号,用上述非线性混沌分析的方法可以有效地加以定量区分.     

基于插值同步算法的频谱泄漏分析与仿真

本文针对非同步采样情况下离散傅立叶算法进行谐波分析时所出现的频谱泄漏问题,分析了其产生的原因,并提出了一种应用插值函数的同步化算法,用于修正初次采样序列,从而得到近似理想同步采样点,以减小DFT分析产生的频谱泄漏。仿真结果表明该算法使频谱泄漏大大小于未同步化方法,减小由泄漏带来的测量结果误差,且算法计算量小,具有一定的应用价值。     

基于蒙特卡罗方法的非平稳随机信号分析的探索

在对蒙特卡罗方法和随机信号参数模型概念学习的基础上,对非平稳随机信号的时变参数模型的构建进行了探索。通过圆剧率计算的实例,说明构建时变参数模型的关键技术在于产生稳定的概率密度函数。     

基于递归神经网络结构的非平稳信号自适应盲分离

基于递归网络分离结构并利用时间相关的评价函数,针对二输入二输出盲信号分离问题,提出了一种非平稳信号的自适应盲分离算法。该算法计算量小,可根据输出信号能量大小有选择地更新分离系数。并可扩展到多输入多输出盲分离问题。仿真验证对声音等非平稳信号具有良好的分离效果。