关于非平稳过程处理的几个注解

研究了非平稳的含义、非平稳随机过程的等效和幂律过程处理等几个问题．首先，阐述了非平稳存在两种理解，一种是针对确定性过程，另一种针对随机过程，二分别适用于信号处理和随机动力学计算两种情形．其次，证明任何一个非平稳过程都可以用可数个调制非平稳过程来模拟或等效．然后，指出幂律过程为平稳过程，而非献中所声明的非平稳过程．最后，论述了通过理想滤波器概念可以将幂律过程转变为各态历经过程．     

一类部分可观测"有用信号"的最佳递推滤波估计

应用滤波理论在研究一类条件Ｇａｕｓｓ 有谱广义平稳随机序列最佳递推滤估计的基础上，讨论了一类部分可观测“有用信号”在均方意义下的最佳线性递推滤估计与误差问题．讨论结果表明，所得到的最佳递推波方程，对解决该类广义平稳随机序列的非观测分量依可观测分量的最佳估计效果甚佳，为进一步提高该类信号传递系统的效率，提供了一种理想的数学处理方法．     

广义循环平稳随机过程的定义及其性质

循环平稳信号作为一种特殊的非平稳信号，有着广泛的应用前景。首先给出了广义循环平稳随机过程的定义，在此基础上证明了广义循环平稳随机过程的和、差、均方极限、均方导数仍为广义循环平稳随机过程；其次讨论了广义循环平稳过程的均值和自相关函数的周期遍历性，这一性质在处理实际问题时非常有用。     

基于Mallat算法的直流电动机振动信号处理研究

振动信号是最能够全面反映电机运行状态的信号,所以在相关研究中一般都通过分析振动信号提取状态特征．振动信号属于非平稳随机信号．信号的奇异性部分往往包含了非常重要的信息,因此奇异性检测成为振动信号处理的主要内容．小波变换突破了传统傅里叶变换在时域和频域局部化方面的局限,非常适合对非平稳随机信号进行降噪滤波和特征提取．     

小波分析与应用综述

小波分析是在傅立叶变换的基础上发展起来的一种时频分析方法。作为一种新的变换域信号处理方法．小波变换尤其擅长处理在非平稳信号的分析。目前,这种分析方法已经广泛应用于信号处理、图像处理、量子场论、分形理论等领域。     

小波包模糊聚类网络研究及应用

基于小波包变换能够把平稳和非平稳信号根据它们的时频特性分解到不同层次上不同频道内,与模糊数学能够处理工程中的不确定性问题,以及ＭＡＸＮＥＴ聚类结构的网络具有自组织聚类分析的优点,提出了小波包模糊聚类网络．该网络能够处理平稳和非平稳信号的不确定性问题,并且具有自适应、自组织聚类分析功能．最后举例说明了该网络在机械诊断实践中是一种行之有效的智能分类器．     

利用小波变换分析心音信号

心音信号可以用于诊断一些心脏瓣膜和心肌的疾病，心音信号是一种非平稳信号，而小波变换中数字信号处理技术适合于分析非平稳信号。文章阐述了一种利用小波变换分析心音信号的方法。通过对计算机模拟的心音信号的分析实验，分析利用小波变换可以有效地分析心音信号，从而为利用心音信号诊断心脏疾病提供了一种新的方法。     

故障诊断信号的非平稳性

利用时间-指数法检测故障诊断中的非平稳性信号,以便对非平稳阶段进行故障处理。利用小波变换对非平稳信号的分解与重构,有针对性地选取有关频带的信息,对重构信号进行频谱分析来提取故障的典型特征。结果表明,时间．指数法很适用于信号的非平稳性判定,利用小波变换对其进行故障诊断是行之有效的。     

一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题，由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量，这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低．为此，本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件，并在此基础上用高斯混合模型来估计信号的概率分布，提高了信号概率密度估计的精度；同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法，提高了算法的收敛速度．通过对船舶辐射噪声信号的盲分离实验，证明了此分离算法是有效的．     

魏格纳--维尔分布在非平稳信号分析中的应用

简要介绍了魏格纳——维尔分布及其性质，通过列举两个应用魏格纳——维尔分布来分析非平稳信号的实例，显现这种方法在分析非平稳信号中的作用．     

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．     

基于Wigner—Ville分布的非平稳信号盲分离

许多盲源分离方法限于非高斯、平稳且相互独立的源信号，在实际应用中往往全产生许多问题，因为自然界中的源信号通常不满足这些假设．本文基于时频分析，通过利用信号的Wigner-Ville分布，得出一种新的盲源分离方法，该方法能有效分离非平稳信号．     

正交小波变换的残余相关分析

构造了正交小波变换矩阵，分析了平稳模型和非平稳模型下正交小波变换的残余相关特性．实验结果表明，对于非平稳信号，正交小波变换的去相关性能好于离散余弦变换；而对平稳信号，正交小波变换性能较差，因此，在数据压缩应用中，应使用正交小波变换与其它经典变换相结合的编码方法     

一类部分可观测“有用信号”的最佳递推滤波估计

应用滤波理论在研究一类条件Ｇａｕｓｓ有谱广义平稳随机序列最佳递推滤估计的基础上，讨论了一类部分可观测“有用信号”在均方意义下的最佳线性递推滤估计与误差问题。讨论结果表明，所得到的最佳递推波方程，对解决该类广义平稳随机序列的非观测分量依可观测分量的最佳估计效果甚佳，为进一步提高该类信号传递系统的效率，提供了一种理想的数学处理方法。     

基于小波阈值去噪的方法研究

在地震资料处理中,提高地震资料信噪比是处理追求的目标,对于不同的信号特征需要用不同的处理方法。信号处理中难度较大的问题是频带重叠的有效信号与随机干扰信号的分离。在传统的匹配滤波方法中,总是假定有效信号和噪声均为平稳信号,并且对信号的先验知识要求较多,但在实际问题中,随机噪声信号众多而又复杂,它们会呈现许多不同的统计特性,如非平稳过程具有的时变性质。对于这一类信号由于对先验知识已知甚少,使用传统的匹配滤波处理方法则显得力不从心。     

基于经验模式分解的旋转机械振动信号降噪处理

分析了经验模式分解的滤波性能；针对旋转机械振动信号信噪比低及非平稳特性，应用经验模式分解对振动信号进行降噪处理，突出了有用振动信号，为旋转机械在线监测和故障诊断提供了有效的依据；仿真实验及真实数据分析表明，经验模式分解在振动信号降噪处理中是有效的，为振动信号分析提供了新的方法。     

信号分析方法及其在地震波处理中的应用

地震波是一种非平稳信号,从根本上讲,传统的处理平稳信号的方法是不能从根本上分析非平稳信号的各种频谱特征的.从线性时频分析理论出发,运用Matlab信号处理工具箱,对抗震数值模拟中所用的地震波进行了系统全面的分析,提出了地震波输入的一些注意事项,并提出了相应的措施.     

短时傅立叶变换在数字信号处理中的应用

针对基于傅立叶变换对于非平稳信号的分析不能随时间的变化而得出精确频谱变化的问题,提出用Matlab软件编程处理非平稳信号,将非平稳信号加窗截断,分为一个个趋近于平稳的短时信号,分段进行快速傅立叶变换进行频谱分析,从而可以较精确地观察非平稳信号的频谱变化情况.     

小波分析法在变速机械故障诊断中的应用

首先利用小波分析将非平稳随机信号进行分解，然后再由Ｆｏｕｒｉｅｒ变换对分解后的信号进行频谱分析，最终根据各频谱特征，实现对变速机械的故障诊断．以某冷轧厂新增３５００ｔ／ｈ大型冷却塔用变速及冷却系统的故障诊断为例，验证了本文提出的用小波分析对变速系统进行故障诊断的有效性     

论局域波法中瞬时频率分析

在工程实践大量非平稳信号中，瞬时频率是这类时变信号的一个重要参数．指出了关于瞬时频率的传统定义存在的不足，同时在信号进行局域波分解的基础上，对非平稳信号的瞬时频率进行估计，给出了相应的计算公式，并通过仿真试验验证了其可行性和有效性．