不平衡数据集上的文本分类特征选择新方法*

为了有效消除声发射信号中的噪声,将广义S变换滤波方法应用于声发射信号去噪,分别采用广义S变换中的充零法、基于带通滤波器设计滤波算子法以及时频滤波法进行滤波比较,针对信号的不同时频特性设计了相应的时频滤波算子。结果表明,基于S变换的三种时频滤波法对声发射信号的去噪均有较好的效果,克服了传统滤波方法滤波因子不能随时间、频率变化而变化的缺陷。其中时频滤波法在高信噪比和低信噪比情况下都能更好地去除噪声,可以满足信号处理的要求。     

基于广义S变换的声发射信号去噪研究*

为了有效消除声发射信号中的噪声,将广义S变换滤波方法应用于声发射信号去噪,分别采用广义S变换中的充零法、基于带通滤波器设计滤波算子法以及时频滤波法进行滤波比较,针对信号的不同时频特性设计了相应的时频滤波算子.结果表明,基于S变换的三种时频滤波法对声发射信号的去噪均有较好的效果,克服了传统滤波方法滤波因子不能随时间、频率变化而变化的缺陷.其中时频滤波法在高信噪比和低信噪比情况下都能更好地去除噪声,可以满足信号处理的要求.     

基于时频分析的雷达信号滤波方法

深空目标的雷达回波信号较弱而且受噪声干扰严重,给检测识别工作带来很大的困难;提出了一种时频滤波方法,将基于广义S变换的时频滤波引入到雷达回波信号去噪当中;采用广义S变换对回波信号进行时频分析,利用变换结果求解信号的瞬时频率,并构造了一种时频滤波器.对雷达回波信号进行时频滤波处理并对滤波效果进行分析;仿真结果表明,经滤波后信噪比有较大提高,且很好保留了信号特征。     

归一化窗S变换和TT变换联合时频滤波

基于雷达信号特性及归一化窗S变换与TT变换原理,提出一种新的雷达回波信号二维时频滤波方法。通过对雷达信号进行归一化窗S变换时频滤波,滤除高频杂波和随机噪声;再利用TT变换滤除低频杂波。实验结果表明,相较于传统滤波,所提方法的滤波算子随时间及频率同步变化,克服了传统方法受使用条件限制的缺点;有效滤除杂波的同时保留原信号特征,增强了检测及识别能力。     

时频聚集性能优化的广义S变换

S变换是一种具有短时傅里叶变换和小波变换优点的时频分析方法,已有的一些基于能量聚集度量的优化方法集中度不高,影响了信号检测等应用中时频域局部定位的精度.为了提高S变换的时频聚集性能,提出了一种新的时频能量聚集度量方法优化广义S变换,提高了算法的时频集中度和短时傅里叶变换、S变换、广义S变换等方法实验比较,表明提出的方法能有效地提高广义S变换的能量集中度,并具有较强的抗噪声性能.     

改进的S变换及在地震信号处理中的应用

首先论述了S变换的原理和运算实现.为了提高S变换对不同类型非平稳信号的分析能力,通过一个时窗调节因子改造S变换的可变高斯窗函数,从而改变时窗宽度随频率呈反比变化的速度,得到了时频分辨率可调的广义S变换,提高了S变换在具体应用中的实用性和灵活性.通过对几种合成信号模型仿真,阐述了时窗调节因子对时频分辨率的影响.并对一维人工合成复杂地震信号进行分析,获得了高质量的时频表示,证明了广义S变换在地震信号处理中应用的有效性.     

基于广义S变换的水下目标特征提取

针对水下目标识别中特征矢量难以准确提取的问题,提出了基于广义S变换模时频矩阵奇异值的水下目标特征提取方法。首先对目标信号进行广义S变换,然后提取广义S变换模时频矩阵奇异值作为目标识别特征矢量,最后利用概率神经网络实现目标识别。广义S变换在S变换的基础上,通过改变窗宽因子可提高信号分析的频率分辨率或时间分辨率,从而可根据信号分析需求实现水下目标非平稳非线性信号的时频分析。实验结果表明提取广义S变换模时频矩阵的奇异值作为目标识别特征矢量能够有效区分各类目标,且选取不同的窗宽因子具有不同的识别结果。     

基于参数优化的广义S变换在提取地震信号瞬时参数中的应用

地震信号的瞬时参数因包含丰富的地下地质信息,是地震资料分析的重要工具,因此提取瞬时参数具有很重要的意义。由于传统的各种时频方法在高频处没有较好的时频聚焦性,其能量分布曲线发生畸变导致提取的瞬时参数存在较大的误差,为了解决此问题,本文在广义S变换的基础上,提出了一种优化可控参数的算法,通过用广义S变换方法将信号变换到时频域,结合时频聚焦性准则选取广义S变换窗函数最优化的参数值,使经过优化后的广义S变换在各个频率处具有较好时频分辨率的同时达到最好的时频聚焦性。通过matlab对合成地震信号和实际地震信号仿真表明,该方法提高了信号整体的时频聚焦性,能够更精确的提取瞬时参数,具有具有较高的实用性和灵活性。     

基于声发射的机械密封状态识别

为了适应声发射信号频率覆盖范围广且频率高的特点,本文使用了在S变换的基础优化而来的广义S变换,并通过对广义S变换的时频分辨率特性进行了分析,选取广义S变换的参数，使得其在20khz~1000khz 的频率范围内依然拥有1khz~2khz的频率分辨率。随后在广义S变换分析的基础上对机械密封端面的声发射信号进行滤波和特征提取,并使用GA优化的TWSVM对密封的磨损状况进行了识别,准确率达到了100%,高于GA-SVM的识别率。说明相比传统的SVM在TWSVM在模式识别上更具有优越性。     

广义S变换地震频谱分解计算方法及应用

广义S变换依据地震信号的特征,用振幅、能量衰减率、能量延迟时间及视频率四类参数构造基本小波,克服了S变换中基本小波固定不变的缺点,是一种高分辨率的时频变换。论文研究将广义S变换用于地震频谱分解,形成了广义S变换地震频谱分解算法和流程。广义S变换频谱分解技术不受时窗长度的限制,大大提高了抗噪性、稳定性和分辨率。实际算例证明,广义S变换地震频谱分解对河道等地质现象的刻画精度要大大高于傅氏变换频谱分解方法,是石油地震勘探中薄层储集体预测的有效手段。     

差动滤波法在弱信号检测及处理中的应用研究

弱信号检测及处理是雷达、声纳、通讯以及物理中微小量测量等工程技术领域中普遍存在的一个难点。差动滤波分析法是将其在时域、频域、时频域上进行各种变换然后再进行差分处理,把有用的信号过滤出来。将该信号在时域的波形图绘出,再对其进行傅立叶变换,之后用其结果在频域上绘制图形,这样就可以得到所需要的信号并对该信号进行分析。主要手段是运用人工神经网络的方法进行信号特征辨识以及在复杂背景下弱信号的检测,必要时也应用其他的信号处理方法作为补充,就可以达到检测与处理微弱信号的目的。     

颤振信号处理中的时频域滤波方法

根据颤振试验的原理和观测信号特点,提出一种时频域滤波方法.该方法通过对信号进行自适应分解并求其时频谱,进而在联合时频域对其进行滤波重构.主要用于飞机颤振试验信号的预处理,对颤振模态参数提取与颤振边界预测有着直接的意义.数字仿真及物理试验验证了该方法的有效性和可行性.     

颤振试验中加速度计信号的时频滤波方法研究

针对飞机颤振试飞试验数据信噪比偏低的问题,提出了两种加速度计信号的时频域滤波算法,分别借助小波和分数阶傅里叶变换对数据进行时频分析,并在时频域内滤波.该类算法的共同思想是利用扫频信号在时频域内的聚焦特性,有效提取真实响应信号,达到了信噪分离的目的.文中给出了具体的滤波算法,并通过仿真算例和实际试飞数据检验了滤波效果.结果表明两种方法均可显著提高加速度计信号的信噪比.其中,小波变换方法的通用性较好,而分数阶傅里叶变换在处理线性扫频激励数据时表现了更优的去噪效果.     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15～10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS＿TCT、CWT＿MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

基于MUSIC谱估计的探地雷达回波处理方法

为了克服现有信号处理算法对探地雷达噪声及杂波滤除的不足,提出了一种基于MUSIC谱估计时域与频域联合滤波方法。利用常用的去直流波和均值滤波抑制方法进行雷达信号预处理,在此基础上,引入谱分析中信号子空间与噪声子空间的概念,将MUSIC算法与最小二乘法相结合来进行探地雷达杂波及噪声处理。仿真及实验结果表明,提出的回波处理方法可以有效地抑制雷达信号中的噪声和杂波,能提高测量数据的精度,具有较高的实用性和可用性。     

基于Levenberg-Marquardt算法和广义S–变换的无绝缘轨道电路补偿电容的故障检测

本文利用传输线理论分析了无绝缘轨道电路补偿电容故障对轨道电路短路电流幅度包络的影响,提出了短路电流幅度包络的回归模型,并利用Levenberg-Marquardt(L-M)算法验证了该模型的正确性和适用性.根据机车信号的工作原理,将对短路电流幅度包络的检测转换为对机车信号感应电压幅度包络的检测.在利用L-M算法进行分段指数拟合以去除信号的衰减趋势的基础上,通过广义S变换(GST)得到信号的瞬时频率变化,最终根据短路电流幅度包络的回归模型,对瞬时频率变化结果进行判决,得到发生故障电容的具体位置.实验表明,GST具有较高的时–频分辨率,可以此对故障电容进行准确定位.由于该方法的检测数据全部来自于机车信号的日常运用,使得利用本文方法可大大缩短补偿电容的检测间隔时间,在很大程度上克服了目前检测方法在检测的及时性、成本和影响铁路运输等方面的不足.     

基于S-霍夫变换的LFM信号时频检测

针对多分量线性调频（LFM）信号,提出一种新的变换-S-霍夫变换,该方法首先对多分量线性调频信号进行S变换,实验仿真结果显示相对Wigner-Ville分布有交叉项干扰,s变换克服了多分量线性调频信号产生的交叉项干扰,然后在时频平面内对s变换后的多分量线性调频信号,利用霍夫变换检测出各个线性调频信号分量,仿真实验结果证明该方法可以有效克服多分量线性调频信号产生的交叉项干扰,能够对多分量线性调频信号进行正确检测。