基于ARMA模型滤波的微弱信号辨识

双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征,但双线性时频变换固有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的应用,提出采用ARMA模型滤波的方法来抑制双线性Wigner-Ville时频变换的交叉项干扰,并给出算法推导。结合实验数据,对比平滑伪Wigner-Ville算法的信号辨识结果,表明基于ARMA模型预滤波的双线性时频分析能更好的抑制交叉项干扰,具备更高的时频分辨能力和瞬态微弱信号辨识能力。     

一种组合时频分布在跳频信号参数估计中的应用

为了有效分析跳频信号并估计其参数,根据跳频信号的特点,提出了一种基于频率分解的组合时频分布．这种新的时频分布先将多分量跳频信号通过带通滤波变成多个单分量信号,再将每个分量的Wigner-Ville分布线性叠加．理论分析和仿真结果表明,这种新的组合时频分布能够有效抑制跳频信号的交叉项干扰．与现有的方法相比,具有更高的时频分辨率,更适合于跳频信号的时频分析和参数估计．     

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。     

时频域自适应均值脊波变换滤波及检测方法

针对Wigner-Ville Hough变换(WHT)在低信噪比下检测性能降低的问题,提出了互Wigner-Ville自适应均值脊波变换滤波检测方法.该方法采用互Wigner-Ville(XWVD)代替Wigner-Ville(WVD)在时频平面上提高了信噪比,且避免了信号多分量时各分量间的交叉项干扰.由于信号和噪声的时频聚集特性不同,且考虑到滑动窗长对均值滤波的影响,设计了自适应轴向均值滤波器及采用脊波变换滤波方法在时频域滤除噪声,最后采用Hough变换检测信号,并给出了详细的滤波检测算法.仿真和海试结果表明,该方法与WHT检测相比,在低信噪比下通过时频域滤波能有效的滤除噪声从而提高检测性能.     

基于改进EMD算法的跳频信号参数估计

针对短时傅立叶变换时频分辨率不能同时很高,小波变换运算时间偏长,抗噪性差,Wigner-Ville变换及其改进方法受交叉项影响等问题,提出了一种基于希尔伯特-黄(HHT,Hilbert-Huang Transformation)算法的跳频信号参数估计.该方法的分解是自适应的,计算出的瞬时频率有很高的时间分辨率和较高频率分辨率.对于HHT算法中出现的虚假分量和端点效应问题,通过互相关方法来消除虚假分量,镜像闭合延拓方法去除端点效应.仿真结果表明该方法能很好解决上述两个问题.     

跳频信号的时频分析新方法

根据跳频信号的特点,提出了一种基于信号分解的时频分析方法。该方法先将多分量跳频信号通过带通滤波变成多个单分量信号,再将每个分量的WVD线性叠加得到新的时频分布。理论分析和仿真结果表明,这种新的时频分析方法能够有效抑制跳频信号的交叉项干扰,与现有的方法相比,具有更高的时频分辨率,更适合于跳频信号的时频分析和参数估计。     

基于时频特征检测的网络入侵信号盲源分离算法

网络入侵信号是一种非平稳随机信号,传统的检测算法难以有效提取信号的冲激响应特征,盲分离性能不好,故提出了一种基于时频分析和干扰滤波匹配的网络入侵信号盲源分离算法.采用时频特征检测方法进行信号的盲源分离处理,构建网络入侵信号时频分析处理模型,使用WVD时频分布结合Hough变换进行时频分析,设计盲分离滤波器实现对入侵信号的检测滤波,提取三阶统计量、四阶统计量及高阶谱作为信号的时频特征,估计信号的瞬时频率,得到入侵信号的盲源参数估计结果,基于时频特征检测实现对信号的盲源分离改进.仿真结果表明,采用该算法进行网络入侵信号的盲源分离和检测,准确检测概率较高,实现了对入侵信号的盲源分离和准确拦截.     

非线性时频分布重排算法在非合作跳频信号检测中的应用

在简述重排时频分布主要理论的基础上，具体分析了基于平滑伪Wigner-Ville分布的时频重排（rearrangement of the smooth pseudo Wigner-Ville distribution，RSPWVD）算法和基于Morlet小波的尺度图重排（rearrangement of the Morlet scale chart，RMSC）算法识别信号的基本原理，并导出了各自的重排算法表达式。分析结果表明，RMSC算法不仅可以获得比RSPWVD更为理想的抗干扰效果，而且可进一步提高信号时频分布的时频聚集性，从而更加精确地对跳频信号参数进行盲估计。最后给出了计算机仿真结果，并验证了其可行性和有效性。     

基于S-method的多分量雷达辐射源信号检测

针对传统时频方法在处理多分量雷达辐射源信号时存在交叉项,不能检测各分量信号时域参数,难以适应低信噪比环境的问题,提出一种基于S-method(SM)的多分量雷达辐射源信号检测新方法。该方法首先计算信号的SM时频分布,然后在时频面的基础上检测各信号分量的瞬时频率和脉冲起止时间。实验结果表明,该方法能处理线性及非线性调频信号、时频分辨率高且不受交叉项干扰,时域检测精度大于98.60%,频域检测精度大于99.48%,信噪比降低时仍然保持强检测能力。     

一种最大密度检测欠定混合矩阵估计算法

针对源数未知条件下欠定盲源分离混合矩阵估计问题,提出了最大密度检测混合矩阵估计算法。在观测信号稀疏表示的基础上,首先对观测信号进行预处理;然后寻找观测信号的最大密度点;接着在此基础上确定有效样本点集合,再聚类得到辐射源数和混合矩阵。为验证算法的有效性,在时频单源点检测法和小波变换法下开展了仿真实验。结果表明,所提出算法的源数和混合矩阵估计效果优于参考算法,计算复杂度远低于参考算法。进一步实验表明,所提出算法对于正定、超定和欠定盲源分离混合矩阵的估计都具有较好的适用性。     

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。     

一种基于时频分析的目标架次识别方法

针对常规窄带雷达无法直接在距离和方位上识别目标架次的缺陷,利用编队目标间距引起的多普勒频率的差异,给出了一种基于时频分析的窄带雷达目标架次识别方法．该方法既有良好的时频分辨特性,同时又能抑制交叉项,因而能对目标架次做出准确的判断．计算机仿真结果验证了该方法的有效性．     

动平衡信号的时频分析方法研究

针对动平衡信号面向去重平衡机应用时存在的非线性、非平稳性以及实时性,本文在分析硬支撑动平衡理论的基础上,以联合时频分析方法对标准工件进行加重获得的动平衡信号为研究对象,分别用短时傅立叶变换(STFT)、Wigner-Ville分布(WVD)、小波变换和Hilbert-Huang变换(HHT)对动平衡信号进行时频分析。仿真结果表明,STFT是基于窗函数变换的分析方法,对信号局部分析能力不足且分析精度不高;WVD虽然具有好的时频聚集性,但对多分量信号存在交叉干扰项;小波变换局部分析能力强且分析精度高,但涉及小波基的选择,对非平稳信号不具有实时性;HHT可根据信号的局部时变特征对其进行自适应分解,最终给出信号的时频谱和幅值谱,能够准确描述动平衡信号的特征,具有很高的时频分辨率和时频聚集性。     

时频分析在机载武器振动应力研究中的应用

针对时频分布的交叉干涉项信号简述了短时傅里叶分析、Winger-Vill分布和由其演化的几种时频分布方法、特点以及时频分布的重排原理.通过实例比较了这几种时频分布方法在实际信号处理中的应用效果,结果表明重排后的时频分布可以有效地抑制交叉项与提高信号的时频聚集性,从而为准确定义机载武器的试验时间提供理论依据.     

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。