两种时频分析方法在心音信号处理上的比较研究

在介绍小波变换（WT）和希尔伯特一黄变换（HHT）时频分析的基础上,通过非平稳信号实例对比分析了小波变换和Hilbert变换,并将其应用于心音信号的处理。通过比较和分析小波变换和Hilbert变换在心音信号处理上的特点,最后得出结论：HHT变换有较好的计算效率以及较好的时域和频域分辨率,在分析非平稳信号时比小波分析更具适应性,在心脏疾病诊断等研究中有着广阔的应用前景。     

三种时频分析方法在心音信号分析中的应用

文章介绍了一种新的时频分析方法—— Hilbert谱分析 ,并将其应用到心音信号的时频分析中 ,分析对比了短时 Fourier变换 ,小波分析和 Hilbert谱分析这三种方法在处理心音信号时的性能差异 .传统的基于 Fourier的方法不能有效的分析非平稳信号 .文章分析证明了这种新方法在分析像心音信号这种非平稳信号的有效性 ,它能对信号的时频分布做出比短时 Fourier变换和小波分析更为精确的描述 .用这种方法 ,我们能提取心音信号中频率变化的信息 .     

心音信号的时-频分析

与心脏有关的各种疾病的信息常常反映在心音中.心音的改变和心脏杂音的出现,往往是器质性心脏病的最早体征.心音信号是非平稳信号,为全面了解心音信号的特性,文中探讨了短时傅立叶变换和小波分析两种时频分析方法;并利用它们对正常和非正常心音信号进行了分析,通过对比分析结果,比较了各自的优劣.     

基于小波变换的超声多普勒血流信号的分析

超声多普勒血流信号的时—频分布可以作为诊断血管疾病的重要依据,由于多普勒血流信号是窄带且非平稳的,传统的短时傅立叶变换方法进行分析时容易产生较大的误差,小波变换具有多分辨率的特点,其时间—频率窗可以自动调节,能较精确地实现对非平稳信号的分析,通过对模拟的超声多普勒血流信号的分析表明,小波变换可以为超声多普勒信号的分析提供一个有效的方法·     

小波-傅立叶变换综合法的车桥耦合振动分析

将小波变换与傅立叶变换相结合,提出一种处理非平稳信号的新方法小波-傅立叶变换综合法。并用于分析不同车速下桥梁跨中挠度的动力响应曲线,得到完整的时频信息。分析结果表明了该小波-傅立叶变换综合法在非平稳信号时频分析领域有良好的应用效果。     

基于小波分析的轴承故障诊断研究

提出了基于正交变换的滚动轴承故障诊断新方法。利用正交小波基将滚动轴承故障信号变换到时间 -频率域 ,通过小波重构信号的希尔波特变换解调和包络谱分析 ,对轴承的故障进行了有效的诊断。文中实例证明 ,小波变换对处理非平稳信号具有很好的应用效果     

小波变换及其在岩石超声检测中的应用

介绍了小波变换的基本概念和特性。应用小波变换对岩石超声波检测信号进行了时频分析和处理。结果表明,该方法是分析处理具有时变谱特性的非平稳信号的一种有效方法。     

利用EMD方法和小波变换进行信号奇异性检测

本文采用经验模式分解(EMD)与小波变换相结合的方法分析非平稳机械故障信号的奇异性，进行机械故障诊断。与直接对原信号进行小波分析相比较，该方法提取的奇异性特征明显。数值模拟和对故障轴承的振动信号分析表明了该方法的有效性。     

时频表达在心音研究中的应用

心音是一种非平稳信号,用时频分析方法可以获得这种信号的一些重要的特征,为此提出了不同时频表达在心音研究中的几个性能指标：频谱的聚集度,时间包络的覆盖率、均方误差和规则性.基于这些指标比较了心音信号的短时傅立叶变换、连续小波变换、S变换、Wigner-Ville分布等时频表达的性能,并给出了具体应用的例子．     

基于短时傅立叶和小波变换的时频分析

介绍了短时傅立叶变换和小波变换两种时频分析方法.通过对仿真信号的分析,阐述了两种方法在分析非平稳信号时的优势和优缺点.     

基于高斯混合模型的心音信号识别

为了准确区别各种心音信号, 获得更理想的心音识别效果, 提出一种基于高斯混合模型(GMM)的心音信号识别模型. 首先采用小波变换对原始心音信号进行去噪处理, 消除噪声对心音信号特征提取的干扰; 然后对心音信号进行特征提取, 并采用高斯模型构建心音信号分类和识别模型; 最后采用心音信号数据对模型的性能进行验证. 结果表明, 该模型的心音信号平均识别率超过95%, 且心音信号识别结果优于其他模型.     

声信号分析方法在轴承故障诊断中的应用

由于轴承故障声信号的混响及临近的机械设备的噪声,造成声信号的频域分析很困难.通过小波变换原理,对滚动轴承故障声信号进行时频分析.通过对声信号的多尺度分解,分离出由故障造成的声信号突变.实验结果表明,较之以往的时域、频域信号处理技术,该方法对声音信号分解更趋合理,是一种可靠和有效的滚动轴承故障诊断新方法.     

基于独立分量分析的混合声音信号分离

论文简要介绍了有关独立分量分析（ICA）的基本理论和算法;探讨了独立分量分析在混合声音信号分离中的应用。针对ICA输出结果排序的不定性以及在长时间记录声音信号的过程,ICA混合模型系数存在时变性等问题,提出了一种结合小波变换和独立分量分析的解决方法;试验结果表明,该方法能有效地提高运算效率并获得较好的分离效果。     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

钢筋混凝土材料损伤的声发射信号处理

针对钢筋混凝土材料试件进行了加载破坏试验,采用小波变换对现场采集到的混凝土断裂过程中的声发射信号进行分析处理。试验结果表明用小波变换进行消噪处理,噪声消除效果显著,提高了声发射信号对结构健康监测的准确性,为实际监测钢筋混凝土材料的损伤提供了依据。     

微弱信号提取中的小波方法研究

针对于实际应用中的小信号特别是完全被噪声淹没情况下的微弱信号提取的问题，本文依据白噪声信号的小波变换系数相对比有用信号的小波系数小的特点，利用小波变换对信号进行消噪来提取微弱信号，仿真结果表明：小波变换能够有效的消除噪声，将有用微弱信号从受噪声污染的信号中提取出来。     

Chirplet变换中的参数选择研究

针对参数选取不当时Chirplet变换结果无法有效表征信号的时频特性，提出了根据待分析信号特点恰当选取Chirplet变换中各参数的方法．与修正Chirplet变换中的参数选取方法不同，该方法将伸缩因子的选取转化为构造目标函数求解最优化问题来解决．最优伸缩因子与时间、频率上的线性调频率有关，应用恰当选取的时间、频率上的线性调频率及将两者作为输入选取的最优伸缩因子，可使Chirplet变换结果具有较高的时频分辨率．采用所提方法分析两个Chirp的线性叠加信号及合成地震沉积旋回信号，在时频平面可以清晰地辨别应用短时傅里叶变换和小波变换所不能区分的两个Chirp信号，并且更精细地刻画了沉积旋回的韵律．新方法为用地震资料进行沉积旋回分析及储层研究提供了一个有力的工具．     

基于自适应阈值的心音分段算法研究

心音信号可以反映人体心脏瓣膜活动情况,对心音进行分类可以区别出不同心音的病理性信息,这对于临床上诊断不同的心脏疾病具有重要的意义.心音分段是进行心音分类的前提,通过心音分段可以定位出心音中的第一心音(S1)和第二心音(S2),为心音特征参数提取与心音分类提供定位基准.为此,本文提出了一种新的自适应阈值选取心音分段算法.该方法首先利用小波变换默认阈值法对心音信号进行去噪;然后使用归一化香农能量来提取较为平滑的心音包络;接着对包络进行有效地峰值检测,从而确定初始大阈值TH1,并通过迭代法得到最终稳定的双阈值;最后进行心音分段以及分段结果分析.针对部分异常心音分段结果,如心音分裂等的分段结果,利用心音时域、能量等特性实现心音段的合并或去除,保证了分段结果的准确性.实验结果表明,本文方法对正常及异常心音分段准确率分别为97.24%和91.83%,总体分段准确率为95.56%,分段准确率高于传统的阈值选取分段方法.     

二维非平稳信号的小波谱均衡分析方法

小波变换对信号的分时分频的精细表达和多分辨率的全面把握，使我们能更深入地认识信号和噪声的特性，便于基于小波域进行更有效的高分辩率的处理工作；而谱均衡处理技术是提高信号纵向分辨率的有效方法．本文结合上述两种处理手段，提出了一种小波谱均衡方法：先将二维非平稳信号进行小波分频处理，得到不同尺度的信号；然后将各尺度上的信号分别进行谱均衡处理，再将经谱均衡处理的不同尺度信号进行重建，从而得到高分辨率信号．利用小波谱均衡进行实际信号处理，处理结果表明该方法的处理效果要好于常规的谱均衡方法，它既能提高二维非平稳信号的纵向分辨率，同时又能保持原信号的固有特征．     

用振动信号的小波变换监测泥浆泵的吸入状态

将小波变换理论用于泥浆泵吸入状态的监测。研究结果表明 ,用振动信号绝对值小波分解后的逼近信号可较准确地判断吸入阀的关闭时刻 ,进而准确地判断泵的吸入状态。该方法可排除随机干扰的影响 ,具有信号特征简单、监测准确性较高及便于在现场推广应用等优点 ,在不测量缸压的情况下 ,较容易实现对泥浆吸入状态的缸外监测