基于联合时频分析的混合神经系统在信号分类与模式识别中的应用

介绍了一种基于STFT,WVD和Wavelet变换的混合神经系统在特征提取和信号分类中的应用.它运用时频信号处理技术与混合神经网络结构以及高级训练算法相结合的设计思想,辅之以主元分析和全局决策融合策略,对传统的模式识别技术进行了有效地改进.本文将所述基于WT,STFT和WVD的混合神经系统信号分类器(WSWHNS)的算法程序嵌入一汽车实时智能故障诊断软件包中做了现场实验,获得了非常满意的诊断效果.     

基于能量归一化窗S变换的跳频信号参数盲估计

提出一种基于能量归一化窗的S变换的跳频信号参数盲估计方法。详细阐述了能量归一化窗S变换的基本原理,应用能量归一化窗S变换对跳频信号进行了分析并与其它时频分析方法作了比较,最后给出了跳频信号参数盲估计的具体算法步骤,并进行了仿真实验及性能分析。仿真结果表明该方法切实有效。     

基于遗传匹配追踪分解的汉语孤立字声韵分割

汉语实际发音中声母能量小,其频率成分多且分布分散;而韵母能量相对较大,其频率成分较少且集中于中低频。运用时频分析方法,将声母和韵母发音的这些差异同时体现在时频平面的时频原子特征上,提出利用所得到的Gabor原子参数的不同对汉语孤立字进行声韵分割的新方法,并通过引入遗传算法降低匹配追踪算法搜索原子的运算量。对115个汉语孤立字的仿真实验显示,该方法的分割正确率可达80.87%。     

DS_CDMA系统中的DOA估计算法研究

DS-CDMA系统中,智能天线方向图的形成必须依赖于对移动台的到达方向估计.为精确估计来波方向,首先分析研究了适用于DS-CDMA系统的DOA估计的传统算法:MUSIC算法和ESPRIT算法.这两种算法基于子空间分解,运算量大,不易于实时实现.提出使用两种基于MUSIC算法和ESPRIT算法的改进算法进行DOA估计,计算量大大降低.通过模拟实验证明,在CDMA系统多径信号环境下,两种改进算法易于实时实现.     

基于MUSIC算法的罗兰C接收机天地波自动识别方法研究

针对常规罗兰C接收机天地波识别方法不能有效利用信号能量的缺点，根据天波到来时间的估计与合成信号频率的分离相似的特点，提出了一种基于多信号分类算法估计天波延迟的方法．该方法在低信噪比条件下可分离出地波和天波，并能根据天波的延迟变化实时地选择接收机采样基准点的最佳位置．计算机仿真结果表明，该方法可以用于天地波的自动识别，能增加基准点处的信噪比，因而能显著提高罗兰C接收机的性能．     

时频分布算法的并行实现

二次时频分布(TFD)是一种常用的非平稳信号分析方法,以最常用的Wigner-Ville分布(WVD)为例,分析了离散时频分布算法实现,针对该算法的复杂性和计算量大的特点,实现了离散信号时频分布的并行算法,通过采用缓冲池和计算结果的压缩传输,同时减小了并行计算中传输数据总量和传输次数,将通信开销从O(N2)降低到O(N),解决了并行时频分布计算中数据传输“瓶颈”问题。     

正弦扫描振动响应的时频分析

以一个正弦扫描振动响应信号为例,分别应用常用的正弦约减法与短时Fourier变换和Wigner分布进行了对比分析,讨论了在正弦扫描振动激励下结构响应的时频分析问题。结果表明,时频分析方法可以更好地揭示结构的非线性特性或由于层间间隙、连接不牢引起的碰撞等动力学行为,是一种更为有效的正弦扫描振动响应分析方法。     

时频分布的弱信号检测技术的研究及其应用

双线性时间-频率变换在时间域与频率域都具有较高的分辨率,有利于复杂背景条件下微弱瞬时信号的探测。研究发现,频谱图的分辨率较低,W igner-V ille分布存在很强的交叉项,不适合瞬时信号的检测。Cho i-W illiam s分布存在频率混叠及信息丢失现象,检测效果也不理想。提出了一种无混叠时频分布,能够避免CW D中的信息丢失,有效抑制交叉项,而且具有较高的分辨率。通过数字仿真与齿轮箱故障检测实例,证明新的时频分布能够有效检测复杂信号中的瞬时分量。     

爆破振动信号的时频分析

爆破振动信号的研究方法已由单纯的频域分析过渡到时频联合分布分析。在讨论FOURIER变换(FT)和短时 FOURIER变换(STFT)不足的基础上,论述了基于连续小波变换(CWT)和离散小波变换(DWT)在爆破振动信号分析中的应用。作为一种严格的时频分析方法,论文尝试利用二次型时频分布来进行爆破振动信号的时频联合分析;通过几种二次型时频分布的对比分析,认为CWD在具有较强的时频聚集性的同时又较好的对交叉项进行了抑制,适合于进行爆破振动信号的时频分析。     

经验模式分解与Hilbert谱的分析及应用

为了验证经验模式分解与Hilbert谱分析的有效性,首先,引出它的概念,指出它在时频变换领域的优点;然后,对其进行了详细阐述,包括瞬时频率求解、经验模式分解过程及Hilbert谱绘制;接着,提出了经验模式分解过程中边缘处理和内在模准则确定问题,并给出了解决方法;最后,用Duffing方程平均频率验证和压电智能结构中压电片局部脱胶试验2个实例对该方法进行了理论和试验验证,结果表明:经验模式分解与Hilbert谱是一种有效的时频信号分析方法。