排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
强鲁棒性和高锐化聚集度的BGabor-NSPWVD时频分析算法 总被引：1，自引：0，他引：1
针对短时傅里叶变换（Short-time Fourier transform，STFT）、Gabor变换和魏格纳-维尔分布（Wigner-Ville distribution，WVD）出现的时频分辨率模糊和交叉项干扰，以及目前一些主流改进算法如STFT-WVD和Gabor-WVD存在的频率分量三维幅度失真，且抗噪性能及鲁棒性能不理想等问题，提出基于局部二值化、归一化处理再结合的二值化Gabor-归一化WVD（Binarized Gabor-normalized WVD，BGabor-NWVD）和二值化Gabor-归一化伪平滑WVD（Binarized Gabor-normalized smoothed pseudo WVD，BGabor-NSPWVD）算法.数值仿真实验结果表明，BGabor-NWVD和BGabor-NSPWVD算法较好地抑制了交叉项干扰，具有较高的时频锐化聚集度，且两种算法的抗噪性能和鲁棒性也较为理想.基于本文方法对硬质合金顶锤工作时产生的疑似破裂信号进行时频分析，在抑制噪声和交叉项的同时能够较为准确地寻找传感器的频率判别窗口，为金属破裂监测设备数据采集卡提供有效的阈值参考. 相似文献
2.
针对高聚集度Wigner-Ville distribution (WVD)时频分析方法存在严重的交叉项干扰问题, 利用广义Warblet变换(Generalized Warblet transform, GWT)不产生虚假频率分量的特点, 提出了WVD与GWT相结合的归一化广义Warblet-WVD (Normalized generalized Warblet-WVD, NGWT-WVD)算法. 该算法将GWT与WVD进行矩阵运算, 实现滤波效应, 抑制WVD产生的新交叉项以及混入自项的交叉项, 提高WVD的时频分析质量. 实验结果表明, NGWT-WVD方法有效地去除了多分量信号的交叉项干扰, 提高信号分析结果的时频聚集度, 还原多分量信号的真实时频分布. 采用NGWT-WVD方法处理金属疑似破裂样本信号, 获取破裂发生区间的时间和频率标志段, 为监测传感器设置有效门限值提供判据, 取得了良好效果. 相似文献
1