基于S变换的信号瞬时频率特征提取

S变换是一种优越的时频分析方法,能够清晰表达信号瞬时频率的变化特征。与传统时频分析方法相对比,S变换的抗噪性较强,无交叉项干扰。本文提出了采用S变换来提取调制信号的瞬时频率。仿真实验结果表明,S变换时频谱能够清晰表示出不同信号的瞬时频率特征。     

基于S变换的线性调频信号时频滤波

线性调频(LFM)信号是一种典型的非平稳信号。对非平稳信号的分析和处理不能仅依靠传统的基于傅里叶变换的分析方法,必须采用时域和频域联合的时频分析方法。将S变换(ST)的时频分析方法应用到LFM信号的滤波中,用tST-tIST和fST-fIST 2种算法组合分别实现了对LFM信号的滤波,然后采用均方误差(MSE)的衡量标准,仿真对比了以上2种算法组合的滤波性能。仿真结果表明:fST-fIST算法的滤波误差较大,不适合对LFM信号的滤波;tST-tIST算法的滤波性能较好,适合对LFM信号的滤波。     

故障信号的分析与检测方法

讨论了小波变换及其基本性质,探讨了基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法。在不同尺度上分析和处理信号的各种频率成分,使信号的奇点、突变点被放大,成为诊断故障信号的手段。     

MT8880的音信号检测在交换系统中的应用

主要介绍了MT8880忙音检测功能在交换系统中的应用，给出了忙音检测的算法，并利用软件控制DTMF的时钟Φ2，减少了电路设计的复杂性。     

信号的广义时频表示

研究出一种真正的非平稳信号分析方法，用时频图表示非平稳信号的的动态频谱，经历了四十多年丰富多彩的发展，终于在最近几年中取得了重要进展，并与小波理论相结合，形成了能概括大部分重要分布的统一理论框架，称为广义时频表示，本文概述和评论广义时频表示的最新研究成果，并以语音信号的时频表示为例，论述了它的广阔应用前景。     

非线性调频信号的自适应时频滤波算法

针对传统的时域或频域滤波算法对非线性调频信号滤波去噪效果不好的问题,本文提出了一种时频域内非线性调频信号的自适应滤波去噪算法。首先对原信号进行广义S变换获得其时频分布,接下来利用有效信号时频分布特性选取时频通域,构造区域滤波算子并去除掉时频通域外的噪声分量的时频分布;然后利用有效信号分量的时频聚集性构造自适应时频滤波算子,对含有随机噪声的有效信号分量进行滤波处理,得到滤波去噪后的信号的时频分布;最后利用广义S逆变换将处理后的时频分布变换到时间域,得到滤波去噪后的信号。通过仿真实验的结果可知,本文提出的算法在非线性调频信号的滤波去噪和有效特性保持方面取得了较好的效果。      

基于S变换的信号时频特性分析

介绍了S变换的基本原理,从理论上分析了S变换与短时傅里叶变换和小波变换的关系。对比分析了短时傅里叶变换、Wigner-Ville分布与S变换的时频谱特点。实验结果表明,S变换的时频窗口可以随频率自适应的调整,这使得S变换在非平稳信号的应用中更有实用性和灵活性。     

基于时频分布的多分量LFM信号检测

采用二次型时频分析方法对多分量线性调频信号进行分析,获取信号的时频域能量分布。首先讨论了线性调频信号的两种二次型时频分布：魏格纳-威尔分布及其改进形式——重排魏格纳-威尔分布;在此基础上,进一步对比验证了霍夫变换和若当变换对线性调频信号时频域能量的积累效果,以实现噪声背景中的多分量线性调频信号检测。仿真结果显示基于二次型时频分布的处理是实现多分量线性调频信号检测的一个有效方法。     

斜坡类信号频谱分析时应注意的一个问题

斜坡类信号属功率无限信号,针对常见于各种复变函数与积分变换类教科书中此类信号的傅里叶变换结果提出了质疑,认为以傅里叶变换所体现的此类信号的频谱特性不具有实际意义或应用背景。通过对傅里叶变换基本定义、运算性质、物理意义以及斜坡信号频谱特性的分析,表明在信号频谱分析过程中,傅里叶变换这一频谱分析工具不一定适用于功率无限信号。     

时频域重叠多信号智能检测方法研究

针对现有基于深度学习理论的信号智能检测方法大多只能对单信号或时频域不重叠的信号进行检测,本文提出了一种基于掩膜区域卷积神经网络(Mask R-CNN)与Criminisi算法的时频重叠多信号智能检测新方法.首先将一维时域信号通过时频变换得到二维时频图像.然后针对时频图中多信号重叠部分像素位置信息缺失这一问题,提出了利用...     

认知无线电跳频信号检测及特征参数提取

侦察截获是电子攻击的前提。针对认知无线电系统中的新型跳频信号,为了实现对目标信号的快速侦察截获,研究快速准确的信号检测和参数测量方法成为必要。根据认知电台的信号特征,采用宽开接收和数字信道化接收体制,所有信道同时采用功率谱附加能量检测的方法检测信号的有无。然后利用短时傅里叶变换、校时算法、补零法则和Welch修正平均周期图等处理方法提取信号特征参数。最后针对仿真信号和实际电台信号进行了无线电信号检测和多维特征参数提取的仿真实验,信号驻留时间估计误差的数量级在驻留时间为毫秒量级时为10-7;信噪比估计误差为3 d B。     

一种基于时频分析的信号检测算法

为克服传统时频分析对噪声敏感、交叉干扰严重及运算量大等缺点,提出一种新的基于时频分析和形态学预处理的算法,该算法能够实现信号检测、参数估计及多址方式识别的功能。采用数学形态滤波方法消除卫星频带噪底起伏带来的影响;设计了一种新的时频谱图生成方法,将生成的时频图作为二维图像进行形态学预处理;对处理后的谱图进行分析,检测信号是否存在,对信号参数作出初步估计并对信号的多址方式进行识别。该算法简单易实现,噪声对检测的影响较小,理论分析和仿真结果证明了算法的有效性。     

一种基于时频分析的窄带雷达飞机目标分类特征提取方法

针对低信噪比情况下窄带雷达目标分类问题,该文提出基于时频分析的窄带雷达飞机目标分类特征提取方法。该方法利用喷气式飞机、螺旋桨飞机和直升机3类目标调制周期的差异,提取时频谱域的熵值变化特性,并给出时频分析中窗函数长度的优化选择方法。基于仿真和实测数据的实验结果表明,该文方法可以在低信噪比情况下显著提升飞机目标正确分类概率。     

跳频信号盲检测的时频语义对消方法

复杂电磁环境下精准检测跳频信号是实施跳频信号侦查的先决条件。针对复杂干扰下跳频信号难以检测的问题,本文提出一种名为时频语义对消的方法。该方法设计了一种具有自注意力和图注意力机制的暹罗嵌套UNet,并根据该网络提取包含跳频信号、干扰信号和噪声的时频图语义信息。将得到的结果与不包含跳频信号时频图的语义信息相消就可以得到仅包含跳频信号的时频图,实现对跳频信号的检测。仿真结果表明所提方法可以在复杂干扰下实现对跳频信号的参数估计与盲检测,在信噪比高于-5 dB和信干比高于0 dB时,虚警概率与漏警概率低于1‰。在信号时频范围检测中,对比实验表明语义对消检测方法比语义分割检测方法交并比分数提升0.31,消融实验表明注意力模块对交并比分数提升为0.022。同时分析了所提网络的复杂度,结果表明该方案具有较小的参数量以及较快的处理速度,可以运用于跳频信号的实际检测当中。      

微笑表情的近红外耳额穴信号小波特征提取

提出一种抽取微笑表情特征的近红外额耳穴信号小波分析方法,优点是无损间接测量脑额区的神经递质涨落。针对分别呈现平静或微笑表情的16名大学生被测者(男11人,女5人,平均年龄24±4岁),该方法选取右耳额穴,采集960nm近红外透射信号,做10级小波分解与重构,构造出超低频功率谱特征;统计结果表明,81%的受试者具有微笑小于平静的小波超低频功率谱特征。     

脉搏波信号的特征提取方法研究

脉搏波信号是重要的人体生理信号,但在采集过程中会存在一定的干扰,在分析软、硬阈值去噪方法的基础上,提出一种改进的阈值量化方法,能够克服软、硬阈值存在的缺陷,实验表明,改进的阈值方法可以有效地去除不同噪声干扰,明显优于软、硬阈值去噪方法。针对传统特征提取方法的缺陷,提出一种幅度阈值与滑动窗口相结合的主波波峰定位方法,经实验验证,所提出的方法准确率高、抗干扰强。     

信号功率谱特征提取的进化规划方法

本文提出了一种提取信号功率谱中连续谱和线谱特征的新方法，该方法利用进化规划实现连续谱的最佳非线性曲线拟合，从而获得连续谱的轮廓特征及线谱的位置和相对强度，并对该方法用于被动声纳信号和振动信号的处理和分析，应用结果表明本文提出的方法能准确有效地提取信号功率谱的特征。     

基于短时稀疏时频分布的雷达目标微动特征提取及检测方法

为有效提高强杂波及目标复杂运动特性条件下的雷达动目标探测能力,该文结合时频分布(TFD)类动目标检测和稀疏表示方法的优势,建立了短时稀疏TFD(ST-STFD)原理框架,提出短时稀疏傅里叶变换(ST-SFT)和短时稀疏分数阶傅里叶变换(ST-SFRFT)雷达动目标检测方法,并应用于海上目标微动特征提取及检测中。实测雷达数据验证表明,该方法在时间-稀疏域能够实现时变信号的高分辨低复杂度时频表示,具有运算效率高、时频分辨好、抗杂波等优点,为进一步提升雷达杂波抑制和动目标检测能力提供了新的思路和途径。     

基于混合时-频分布的信号检测与瞬时频率估计

提出了一种基于分数阶线性及分数阶非线性时-频分布混合法,该方法将分数阶维格拉分布与加窗分数阶短时傅里叶变换相结合,在适当的分数阶时-频域进行信号检测与瞬时频率的估计.对于多分量信号,该方法能够有效地消除交叉项,同时提高自项的时-频分辨率.在对线性调频信号检测与瞬时频率估计应用中,计算机仿真表明该方法是有效的,具有良好的工程应用前景.     

HHT在水下目标信号特征提取中的应用

将希尔伯特-黄变换（HHT）用于水下目标特征分析,利用HHT对实录舰船辐射信号进行了特征提取,结果表明其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。