三种典型信号处理方法浅析

介绍了三种信号处理方法——标准傅里叶变换、短时傅里叶变换、小波变换的联系、区别及各自的特点，并介绍了各种方法的适用条件。     

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。     

地震波形信号小波去噪研究

从小波变换的基本原理出发,讨论了如何选择合适的小波函数及适当的阈值,以实现非线性非平稳地震信号的去噪算法。利用多尺度小波分解对地震波形数据进行了分析,在MATLAB中实现了对地震信号的去噪算法。分析比较了基于傅里叶变换和基于小波变换的两种算法对实际地震信号的去噪效果。结果表明,对于非线性非平稳地震信号的噪声消减,小波变换去噪算法显著优于傅里叶变换去噪算法。     

信号的小波分析及在信号检测中的应用

对典型的线性调频信号进行了小波分析,并运用小波变换方法对噪声中的方波信号和正弦信号进行了检测,讨论了小波变换滤波器参数变化对检测性能的影响,最后,将小波变换与短时傅里叶变换进行了比较。     

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。     

谐波法复杂周期信号周期测量

利用复杂周期信号频谱存在大量等间隔幅度起伏的谐波分量.提出了复杂周期信号的谐波法周期测量.谐波法之FT-Abs-IFT(FAIF)是周期信号频谱包络的反傅里叶变换,输出为频谱包络对应时域信号与周期冲击信号的卷积.其最大值是等幅度或起伏幅度(噪声条件下)的周期冲击信号,通过门限栓测和周期测量得到信号周期(或频率).最后通过与常用周期信号测量方法(同态滤波法、自相关法和AMDF)的仿真比较,表明对于复杂周期信号,谐波法之FAIF测量精度高,误差率低和良好的抗噪性能.     

基于语音建立信号的ROTH加权时延估计方法

给出了一种适合混响环境的语音建立信号ROTH加权时延估计方法.该方法首先通过房间混响模型和快速傅里叶变换提取语音建立信号;然后用语音建立信号来估计语音信号的互功率谱,并进行互功率谱的平滑处理;最后采用ROTH加权方法进行时延估计.仿真结果表明了该方法的有效性.     

基于深度卷积神经网络的语音信号去噪关键技术研究

随着人工智能技术的不断创新发展,语音识别技术一直在迭代升级,而语音去噪是语音识别领域中关键研究点之一.由于这些外界干扰声的存在,就使得原本的语音信号变得不再纯净,或多或少会对所需传输的语音信号有所影响.传统的信号分析以傅立叶变换为基础,但傅立叶分析属于全局变换,变换只能全部在时域变换或在频域变换.因此,傅里叶变换不能获...     

基于局部多项式傅里叶变换的多分量线性调频信号瞬时频率估计*

针对多分量线性调频信号的瞬时频率估计问题,把局部多项式傅里叶变换应用到求多分量线性调频信号瞬时频率估计中,提出了一种不受分量间交叉项干扰的新方法,该方法对多分量线性调频信号进行局部多项式傅里叶变换,把每一个线性调频信号分离出来,根据每一个线性调频信号的局部多项式傅里叶变换谱,通过搜索找到谱的峰值所在的位置,从而找到峰值所对应的频率,准确地估计出了多分量线性调频信号的瞬时频率。仿真实验中与多分量信号的Wigner-Hough变换进行了对比,验证了该方法的有效性。     

Duffing振子与分数傅里叶变换的Chirp水印检测性能对比研究

研究Duffing 振子和分数傅里叶变换在Chirp类水印检测中的性能比较。首先分析目前分数傅里叶变换检测Chirp类水印的不足, 然后将嵌入在载体低频小波域的非周期Chirp信号通过分块平滑转换为单频周期信号, 利用Duffing振子阵列检测器检测微弱的周期信号。实验表明, 当信噪比为-41 dB时, Duffing振子仍然能有效检测到水印的存在, 此时分数傅里叶变换失效; 而当信噪比较高时, 分数傅里叶变换计算较Duffing振子检测简单。     

RFID射频信号的小波消噪方法

为了改善RFID系统的性能,提出使用小波变换去噪的方法降低射频信号的噪声影响.为了提高对物体自动识别的准确率,采用了小波去噪与傅里叶变换去噪方法.根据标准ISO18000-3在LabVIEW 环境下使用调制工具包仿真产生了13.56MHz的RFID射频信号,并用小波分析方法和傅里叶分析方法对仿真产生的RFID射频含噪信号进行去噪.仿真结果表明,与传统傅立叶分析消噪相比,小波消噪具有较高的精度及较好的消噪效果.研究小波分析在射频信号消噪中的应用具有现实意义并切实可行,同时小波分析应用到虚拟仪器测试领域,能够为人们提供更为精确和方便的测试,在工程应用中具有较好的应用前景.     

周期性序列的傅里叶变换求解法

对周期性序列傅里叶变换的三种求解方法进行了分析和讨论。目前大多数教材中都是采用通过直接给出变换的结果,再代入反变换的公式中求证的方法,从教学效果看,这种方法比较抽象,使学生难以理解。本文提出的根据离散时间傅里叶变换（DTFT）和傅里叶变换（FT）的关系以及利用周期序列的离散傅里叶级数（DFS）的求解方法可以使求解过程简化,易于被学生掌握。     

小波与傅里叶变换耦合的静电监测信号去噪法

针对航空发动机气路静电监测信号微弱、背景噪声大、信噪比低、信号特征难以提取的问题,根据傅里叶变换和小波阈值降噪理论,提出了小波分解与傅里叶变换耦合的滤波法,并与常规的陷波器消噪法、小波阈值消噪法进行了对比研究.模拟实验结果显示小波分解与傅里叶变换耦合法的滤波效果明显优于其他两种方法,将该方法用于发动机气路模拟实验采集的监测信号处理,结果表明:小波分解与傅里叶变换耦合的滤波法适合对航空发动机模拟气路静电监测信号做滤波处理,可以用来提取异常信号发生的位置.     

微弱正弦信号参数估计算法研究

该文提出了一种强噪声背景下微弱正弦信号频率、幅值与相位三个参数的估计算法.根据离散小波变换,对强噪声背景下采样序列进行预处理,构造N+2个新的序列.对该序列实施离散傅里叶变换,结合序列的构造方式得到了正弦信号频率,相位和幅值的估计算法.仿真实验表明,在不同类型的噪声背景下,该算法具有较高的估计精度与较强的鲁棒性.     

多速率STFT超宽带信号瞬时频率估计研究

提出多速率短时傅里叶变换(Multi Rate Short Time Fourier Transform,MR-STFT)瞬时频率估计算法,提高了超宽带信号瞬时频率估计精度;该方法将多速率信号处理算法与短时傅里叶变换(STFT)技术相结合,兼顾采样频率和被测频率,将宽频范围进行分段采样,对分段处理结果进行拟合,构成多速率STFT算法,实现超宽带信号瞬时频率的高精度测量;通过对仿真信号和实测信号进行处理,研究了方法的可行性和频率估计精度,结果表明MR-STFT算法较大提高了超宽带信号瞬时频率估计精度,尤其对低信噪比的超宽带信号效果显著。     

基于有限更新率的非带限信号采样与重建算法

针对Shannon采样定理中要求信号带宽有限的缺陷,提出了一种基于有限更新率的非带限信号采样和重建的方法.该方法借助奇异值分解技术,从空间变换的角度实现了对与狄拉克流有关的一类特殊有限更新率信号的采样与重建.它用采样点的离散傅里叶变换系数构成一个Hankel矩阵,通过对该矩阵进行奇异值分解求得狄拉克流的位置信息,然后再求解范德蒙方程组求取狄拉克流的权信息,重建出原信号.计算机仿真结果表明,只要以不低于信号更新率的速率对信号进行采样,利用该算法就可以准确地重建出原信号,而且具有很好的抗噪性能.     

基于MATLAB的音频信号滤波处理设计

本论文主要介绍的是的音频信号的滤波处理。本论文运用数字信号学基本原理实现音频信号的处理,在Matlab8.0环境下综合运用信号提取,幅频变换以及傅里叶变换、滤波等技术来进行音频信号处理。     

基于FRFT及Wigner—Hough变换的非平稳信号时频分析

考虑到时频分析在非平稳信号处理中的广泛应用,本文比较了几种常用的时频分析技术,提出了一种基于分数傅里叶变换和Wigner-Hough变换的非平稳信号时频分析方式。仿真实验结果表明,基于分数阶傅里叶变换和Wigner—Hough变换的方法较之常用的二次型时频分布不同的是它消除了交叉项的干扰,同时也很容易估计参数,分析信号的瞬时频率,恢复信号的信息。     

连续波背景下多信号处理方法

对接收到的信号进行短时傅里叶变换，通过分析短时傅里叶变换中每一个时间片内的信号频谱，检测出连续波背景下的脉冲信号。滤除线性调频脉冲信号成分，保留连续波信号成分，得到调频连续波信号具有周期性的时频变化曲线。根据连续波信号时频变化曲线的频谱特征，估计出其主要参数，然后滤除脉冲信号出现时间内信号中的连续波成分，并采用相应的方法估计出其参数。仿真结果表明，本文算法可以准确估计出线性调频连续波（LFMCW）信号和线性调频（LFM）脉冲信号的参数，当LFMCW信号的信噪比高于-8dB，并且其功率比脉冲信号功率小6dB以上时，算法具有良好的估计精度和稳定性。     

脉象信号的频谱分析

根据人体脉象信号的特点,介绍了信号采集系统对脉象的采集,提供了脉象信号的一种频域分析方法--功率谱分析,应用快速傅里叶变换方法对脉搏信号进行分析,并通过读功率谱特征的分析和比较,最后,提出了利用径向型网络对4种脉象信号进行分类,以脉象信号的频谱特征作为神经网络输入时的训练结果的差异.尽管文中的训练样本有限,但仿真结果表明:对脉象信号的一些特定的特征值,利用神经网络进行识别是一种可行而有效的方法,在自适应、自学习能力方面较传统的模式识别方法具有明显的优越性.