基于希尔伯特-黄变换的船舶声信号特征提取

将希尔伯特-黄变换(HHT)用于船舶声信号特征提取中,利用HHT对实录船舶辐射噪声进行特征提取后,利用神经网络进行分类.研究表明希尔伯特-黄变换方法对于信号的时频特性具有较高的分辨能力,适用于水声非平稳信号的分析.与传统时频分析方法相比具有很强的自适应特性和较好的时频聚集性,时频分辨力高于小波变换.结果表明对于船舶声信号识别,希尔伯特-黄变换方法是一种有效的特征提取方法.     

地震动的Hilbert-Huang变换与传统分析方法比较

地震动是一种典型的时序非平稳信号,采用Hilbert-Huang变换（HHT）对其进行分析较传统分析方法有着天然的优越性。文章在介绍HHT基本原理的基础上,比较了HHT与Fourier变换在适用条件、时间分辨率和谱分析结果上的差异,以及HHT与小波变换在基底、重构误差、时频分辨率和谱分析结果上的不同。分析结果表明,HHT是对以Fourier变换为基础的线性和稳态谱分析的一个重大突破,它较传统的信号分析方法更加适合地震动的处理与分析。     

用小波变换对心电图进行分析

利用小波变换对心电图中的QRS波进行定位,传统的信号分析方法傅立叶变换只适于周期的、稳态的信号。心电图往往存在许多随机信号,小波分析具有良好的时频局部化性质,对信号的突变点、奇异点有很好的识别能力,是心电图分析中的有力工具。     

基于多窗傅里叶变换的弱Chirp信号检测

关于噪声背景下的Chirp信号检测,已有很多方法：短时傅里叶变换（STFT）、魏格纳-维乐分布（WVD）、Gabor变换等。但在低信噪比条件下,这些方法的检测性能往往难以达到预期的目的。介绍了一种新的时-频分析方法,它联合运用了多种窗长的傅里叶变换分析和局部最大值搜索的方法,运算量小且能有效提高对Chirp信号的检测性能。仿真结果表明,在加性高斯白噪声背景下,该方法对弱Chirp信号的检测能力要优于STFT、WVD和Gabor变换,当信噪比为-9 dB时,依然能检测到信号并确定信号的位置及频率范围。     

参数逼近的自适应时频分析

针对二次时频变换中的交叉项影响,研究了一种基于信号分解的WVD时频分析的方法,它结合自适应高斯提取法的思想和WVD的优良特性,将信号分解为若干个基于高斯包络的chirp信号分量,然后进行WVD时频变换和时频图的综合显示,消除了时频变换中交叉项的影响,也保持了信号自项的时频聚集度．将此时频分析方法应用于雷达信号时频分析,实验结果表明,该分解方法有效地消除了信号交叉项的影响,且保持了原信号的时频聚集度．     

几种时频分析方法的比较及应用

地震信号属于非平稳信号,常规傅立叶变换方法不能刻画任一时刻的频率成分,无法对其进行全面的分析。时频分析方法将一维时域信号变换到二维的时频平面,全面反映地震信号的时频联合特征。本文介绍了短时傅立叶变换、连续小波变换、Wigner-Ville分布、Cohen类分布四种时频分析方法,通过理论合成信号试算,从时间分辨率、频率分辨率,以及对多频率成份信号适应能力等方面阐述了这四种方法的优缺点,进一步分析比较了这四种方法的特点及应用效果。     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.     

一种SP&WVD组合时频分布改进算法

谱图(spectrogram,SP)和维纳-威利分布(Wigner-Ville distribution,WVD)组合时频分布是针对多分量信号的一种新型时频分布算法,为减少谱图交叉项带来的误差,从多角度分析了谱图分布及WVD的交叉项产生原理,提出了一种改进的组合时频分析方法。该方法首先对具有不同窗长和不同窗函数的多个谱图进行叠加综合;然后通过对时频分布综合结果进行阈值化处理获得自项支撑区域,最终实现了对WVD交叉项的抑制。仿真结果表明,该方法保持了WVD良好的时频聚集性,并有效抑制了交叉项。     

基于HHT的电力系统谐波分析

鉴于现有电力系统谐波检测与分析方法的不足,用希尔伯特-黄变换(HHT)进行谐波分析.该方法由两部分组成.首先对谐波信号作经验模态(EMD)分解,得到满足一定条件的固有模态信号(IMF),然后用希尔伯特变换求其瞬时频率和瞬时幅值.该方法适用于非线性非平稳信号的分析,具有概念清晰、计算简单的优点.仿真研究表明,用HHT方法进行电力系统谐波分析是可行的,与傅立叶变换和小波变换等现有方法比较,有很多独特的优点.     

经验模态分解法在地震资料处理中的应用

在连续小波基的平稳序列时频分析方法基础上,对非平稳时间序列的时频分析方法深入研究,引入经验模态分解法,利用信号的局部特征——时间尺度,从原信号中提取若干个固有模态函数(IMF)和一个残余量,用多个固有模态函数表征信号的局部特征,用残余分量表征信号缓慢变化的趋势,并形成非平稳信号经验模态分解算法。通过实例应用研究验证了EMD分解后所作的瞬时Hilbert幅值谱,比连续小波变换CWT分解后的谱的分辨率高,并与地震道波形匹配自然,可用于地震非平稳数据的时频分析。     

直扩通信中基于小波变换的跳频干扰抑制方法

跳频信号是一类时频分布不连续的信号。针对直扩通信中的跳频干扰,使用Morlet小波变换,准确估计出跳频干扰的跳变时刻和频率,并通过频域自适应陷波算法对干扰进行抑制。不仅克服了STFT和WVD在对跳频干扰参数估计时的不足,而且不需要任何先验知识,实现了基于小波变换的跳频干扰参数盲估计。计算机仿真表明,该算法可以在较大干信比范围内有效抑制跳频干扰。     

一种联合跳频信号参数估计方法

提出一种新的跳频信号参数联合估计算法,即对跳频信号作较短窗长STFT,然后提取其时频脊线得到跳频周期、跳变时刻的精确估计和跳频频率的粗估计,最后对跳频频率的粗估计值所在频域区间进行Zoom-FFT细化分析,得到跳频频率的准确估计。仿真结果表明,与基于SPWVD和基于小波变换的参数估计方法相比,该方法具有更好的抗噪性能和更小的计算量。     

动车组齿轮箱滚动轴承变转速故障诊断方法

动车组齿轮箱滚动轴承在运行过程中处于高温重载的变转速工况,容易产生裂纹、点蚀等故障,且不易被检测出来。为及时诊断出动车组齿轮箱滚动轴承的故障,保证动车组的安全行驶,提出了一种变转速工况下的滚动轴承故障诊断方法。首先,结合短时傅里叶变换(STFT)无干扰项与魏格纳-威尔分布(WVD)高时频分辨率的特点,提出了一种融合时频分析算法,该算法能够提高变转速信号分析时的时频矩阵精度;然后,针对动态路径规划方法无法处理归一化时频矩阵的局限性,对其进行了改进,并提取出融合时频矩阵中的转速曲线;此外,进一步提出了一种插值重采样的阶次分析方法,根据转速对采集到的原始信号进行插值重采样,在角域对信号进行重构,并得到对应的阶次谱,实现滚动轴承的故障诊断;最后,通过试验台对提出的变转速动车组故障滚动轴承诊断方法进行了验证。结果表明：本文所提出的方法在动车组转速变化的情况下,能够有效提取出滚动轴承的变转速曲线,并且准确识别出齿轮箱中滚动轴承发生的故障类型。     

基于WVD改进算法的跳频信号参数估计

针对平滑伪维格纳分布（SPWVD：SmooLhedPseudoWigner—VilleDistribution）在跳频信号参数估计中存在的分辨率下降和运算量过大等问题,提出基于sTfTr（Short—TimeFourierTransform）与WVD（Wigner—VilleDistribution）的联合算法（STFT—WVD）,实现了跳频周期、跳变时刻和跳频频率等参数的盲估计。在参数估计的过程中,STFT—WVD算法有效地抑制了WVD的交叉干扰项,保持了WVD较高的时频分辨率,在运算量上和WVD相近,没有增加运算的复杂程度。仿真实验证明,STFT—WVD比SPWVD具有更好的整体性能,在信噪比优于-1dB时,能得到更为精准的估计值。     

Hilbert-Huang变换应用中的预处理方法研究

为提高Hilbert-Huang变换（HHT）中瞬时频率计算的真实性和稳定性，提出了一种信号的预处理方法.该方法首先对信号作傅里叶变换，然后根据插值点数作补零处理，再进行傅里叶反变换，完成傅里叶插值功能.对傅里叶插值处理后的信号作经验模态分解（EMD）得到一组固有模态函数（IMF），计算所有IMF的瞬时频率和幅值，最终获得信号时频分布的Hilbert谱.结果表明，该傅里叶插值的预处理方法能够有效消除和抑制HHT分析中的瞬时频率波动和虚假成分产生，增强了瞬时频率的准确性，提高了HHT方法的信号分析频率，该方法能有效应用于实际信号处理的HHT时频分析中.     

一种混合网台跳频参数盲估计算法

针对低信噪比（SNR）和复杂电磁环境条件下跳频参数估计精度低及算法复杂度高的问题,提出了一种短时傅里叶变换（STFT）和平滑伪魏格纳分布（SPWVD）的组合时频分析方法.该算法首先利用STFT将天线接收信号变换到时频域,并对时频信号进行自适应降噪处理;通过自适应聚类算法进行频率的精估计;提取时频信息并剔除各类干扰,再通过网台分选后得到各类网台跳时粗估计;最后采用SPWVD及修正后的截断门限进行跳变时刻的精估计.仿真结果表明,该算法在混合网台和低SNR条件下,跳频参数估计精度较高,算法复杂度较低,有效解决了实际跳频通信系统存在频率转换时间条件下的参数估计问题.     

基于广义S变换的测井信号时频谱分析

S变换虽兼备短时傅里叶变换和小波变换的优点,但基本小波固定,在薄互层识别方面受到较大限制。广义S变换,通过引入λ,p两个参数对S变换中的高斯窗函数进行改造,时频分辨率得到了明显提高。本文在对广义S变换方法原理进一步研究的基础上,应用VC++在Qt平台上编写了广义S变换时频分析程序,并构造平稳信号和非平稳信号进行了对比分析,凸显了广义S变换的时频聚焦性。最后,应用该方法对实际测井信号进行了时频谱分析,取得了良好效果。     

强噪声干扰源下的多分量LFM信号检测方法

提出了一种盲分离联合时频谱分析的多分量线性调频信号检测方法,该方法采用先时域分离后时频分析的思想,有效抑制了传统的基于WVD类方法检测多分量线性调频信号时受交叉项困扰的问题,并且有效抑制了强噪声干扰源对传统的时频分析检测方法的影响．仿真结果表明,提出的方法与传统时频分析方法相比,对多分量线性调频信号的分离及特征提取效果...