EEMD和Cohen类联合抑制交叉项的时频特征提取方法

Wigner-Ville分布是一种双线性时频分布,对多分量信号分析存在交叉项干扰.本文提出了一种基于EEMD和Cohen类时频融合算法,该算法采用EEMD算法将信号从频域上分离为若干个固有模态函数之和,再对伪分量之外的各分量进行Cohen类时频变换并叠加,得到信号的时频分布,消除了信号内部各模态函数之间时频分布的交叉项.通过对EEMD和Cohen类时频融合算法进行仿真,与小波分解和Cohen类联合时频算法、EMD和Cohen类联合时频算法的仿真进行比较,结果表明,该算法抑制交叉项效果最好,重构误差最小,同时抑制了噪声对时频特征的干扰.     

基于ARMA模型滤波的微弱信号辨识

双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征,但双线性时频变换固有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的应用,提出采用ARMA模型滤波的方法来抑制双线性Wigner-Ville时频变换的交叉项干扰,并给出算法推导。结合实验数据,对比平滑伪Wigner-Ville算法的信号辨识结果,表明基于ARMA模型预滤波的双线性时频分析能更好的抑制交叉项干扰,具备更高的时频分辨能力和瞬态微弱信号辨识能力。     

一种魏格纳-威利分布交叉项剔除新算法

为抑制魏格纳-威利分布分析多分量信号时交叉项的干扰,提出了一种交叉项剔除新算法,该方法通过分析多分量信号及跳频信号的魏格纳-威利分布交叉项特性,得出其交叉项数目和频率的一般规律,然后采用带通滤波器对时频分布结果中交叉项进行滤除。理论分析和仿真验证表明,该算法可以有效剔除多分量信号魏格纳-威利分布中的交叉项干扰,且具有优异的时频聚集性。     

基于非正交联合对角化的跳频信号盲分离算法

针对组网跳频信号网台分选需求研究跳频信号的有效盲分离问题,现有基于联合对角化的跳频信号盲分离算法要求严格正交对角化,而实际中往往难以满足,为了放宽正交性条件,提出基于非正交联合对角化的多个跳频信号盲分离算法。该算法先把整个时频域划分成多个时隙后逐一处理,采用基于降噪处理的梯度范数法对观测信号进行处理,从而能精确提取具有特征矩阵结构的自项时频点,在计算其对应空间时频分布矩阵基础上,通过非正交联合对角化估计分离矩阵,能分离多个混叠跳频信号。仿真结果表明:该算法能有效实现跳频信号盲分离,与其它跳频信号盲分离算法相比具有更好的鲁棒性。     

时频相关匹配法在信号提纯中的应用

非平稳信号与噪声之间存在较强的时频耦合,这使得经典的消噪方法难以实现信噪的有效分离。在分析短时傅里叶变换(STFT)、Wigner〖XC半字线.tif,JZ〗Ville时频分布(WVD)、Chirplet时频变换三大时频变换方法的理论基础上,提出了一种采用时频相关匹配进行非平稳信号噪声抑制的算法。该算法将信号的WVD作为模版与STFT能量谱分布互相关处理,得到无交叉项干扰且具有较高时频分辨率的信号时频二维谱(简称为自谱窗WVD)。采用二维最小二乘拟合方法将被分析信号中的有用成分匹配成Chirplet基函数     

基于组合时频分布的跳频信号分析

针对常用的非线性时频分析方法不能较好地抑制交叉项干扰的问题,文中提出一种新的跳频信号时频分析方法。将组合时频分布TF方法用于跳频信号分析,提出了跳频信号持续时间、跳变时刻和跳频频率盲提取的改进算法,通过计算机仿真验证了该方法的有效性。     

时频分析的欠定盲源分离算法

随着跳频通信系统性能的不断提升,传统信号处理方式无法适应跳频信号载频时变的特性,提出一种改进思想,采用时频分析方法对多跳频欠定盲源分离问题进行研究分析.由于线性时频分析方法满足线性叠加原理并且信号间没有交叉项干扰的影响,采用短时傅里叶变换对多跳频信号进行处理分析;利用自适应时频支撑点阈值设定的方法,剔除低能量噪点对时频单源点的影响,并结合改进的k-均值算法对混合矩阵进行估计;在不同时间段短时傅里叶变换的窗函数中,通过判断频率聚类数的不同,确定跳频信号频率跳变点的时刻及位置;通过时频单源点的时频比矩阵对时变混合矩阵进行估计.仿真实验验证了改进算法对混合矩阵具有较好的估计特性,算法改进的效果也比较明显.     

一种重排时频谱的非平稳信号盲源分离方法

在Akira Morimoto等人提出的空间时频盲源分离算法基础上,通过对时频谱进行重排使得信号的空间时频矩阵更接近于对角阵,从而得出一种新的盲源分离方法.该方法能有效分离各种非平稳信号且性能较好.     

多Chirp成分信号双线性时频分布的交叉项分析

以广泛出现在许多工程应用领域和物理现象中的多Chirp成分信号为对象，研究了双线性时频分布对这种信号时频分布的交叉项特点，推导了几种分布的交叉项的数学表示，从模糊平面分析了交叉项抑制的机理，提出了双线性时频分布对多Chirp成分信号时频表示存在局限，仿真试验结果显示理论分析正确．     

VMD与Cohen核结合的时频分布交叉项抑制方法

在非平稳信号时频分析中,使用Cohen核所得时频分布的交叉项抑制与时、频分辨率难以兼顾。针对此,提出一种将变分模态分解（VMD）与Cohen核相结合的时频分析方法。首先对信号进行VMD分解,得到一组具有不同频率成分,相互独立的固有模态函数（IMF）分量,然后对每个IMF分量进行Cohen核时-频变换,再线性叠加重构出原始信号的时频分布。通过仿真分析,结果表明：该方法可以在保持时频分布中较高时、频分辨率的基础上,有效消除交叉项的干扰。     

一种联合GSC麦克风阵列和MMSE-LSA的语音增强系统

单通道语音增强算法自上个世纪60年代已来有了长足的发展,但由于时频域处理的局限性,目前现有的单通道语音增强算法无法有效抑制背景噪声中的突发噪声成分。突发噪声通常表现为短时、能量强、时频域有纹理特征的噪声,在参数上无法和语音进行有效区分。但对于背景噪声中的突发噪声,其在空间上通常是具有方向性。因此,本文提出了一种联合空间和时频域的语音增强系统。即在语音采集的前端使用GSC麦克风阵列形成波束,使主瓣对准期望语音信号、旁瓣对准突发噪声从而从空间上抑制突发噪声,然后对采集到的语音信号进行时频域语音增强处理。本文选取MMSE-LSA作为时频域的处理算法,因其在保留语音的可懂度、自然度方面有突出的性能。实验表明,该系统可以有效地抑制含有突发噪声的背景噪声。     

基于多窗口时频重排的非线性调频信号时频结构分析方法

基于时频重排的高时频聚集性和多窗口分析方法低方差、高分辨率等优点,提出一种基于多窗口时频重排的非线性调频信号时频结构分析方法.该算法结合时频重排和多窗口分析方法,降低由重排振荡和噪声引起的波动,保持时频重排的高时频聚集性,同时清楚地展示了非线性调频信号的频率调制规律.仿真实验结果证实该方法对两个相距很近的二次多项式调频信号和实际的蝙蝠声纳信号都非常有效.     

基于连续小波互谱的宽带Chirp信号DOA估计

提出一种时频域宽带源波达方向（DOA）估计算法．该算法通过计算参考阵元和其他阵元的连续小波互谱，构造出一种新的时频域数据向量模型，并利用Chirp信号的局部窄带特性，在信号的主要能量聚集区选择时频点构造时频相关矩阵代替传统的阵列相关矩阵，进行特征分解实现信号的DOA估计．该方法同时在空域和时频域进行处理，充分利用了时频分布的能量聚集性，实现了非平稳信号时频域的分离，仿真结果验证了新方法的有效性．     

一种基于时频分析的盲信号分离算法

利用模糊函数的时频分布特征选取时频点,提出一种新的时频域盲信号分离算法．与传统的维纳时频分布相比,不仅显著缩小了时频点的选择范围,而且不需要设定阈值．算法利用一种非正交联合对角化方法求取分离矩阵,在原始信号具有互相关的情况下也能达到良好的分离性能．仿真试验表明,该算法计算量小,分离精度高,可实现高斯源或相关源信号的盲分离．     

一种分离噪声盲源信号的FastICA改进算法

大功率机械所产生的非平稳噪声源,用FastICA算法可以有效地分离出噪声信号,但噪声源识别的准确性较低,为此提出了一种分离噪声源的FastICA改进算法。新方法将最大相似准则、优化算法和快速傅里叶变换相结合,对分离信号的不确定性进行了有效校正。经仿真实验验证,新方法能够完整地还原仿真波形信号,表明该改进算法确实可行且准确性较高。     

基于广义S变换的信号提取与抑噪

S变换结合了短时傅里叶变换和小波变换的优点,是非平稳信号时频分析的有力工具.为了提高S变换在应用中的实用性和灵活性,该文将S变换改造成时频分辨率可调的广义S变换.广义S变换具有多分辨率特性,利用其高质量的时频分布,在时频域中设计了两种时频滤波器.前者用来实现非平稳信号中特定信号分量的提取,也可滤除处于特定时频平面中的噪声;后者直接应用广义S变换的时频谱实现,用于含高斯白噪声信号的滤波,达到了突出有效信号和压制噪声的效果.几种信号模型的仿真试验显示了它们在信号提取和抑制噪声中应用的有效性.     

基于应变信号时频分析与 CNN网络的车辆荷载识别方法

针对现有神经网络车辆荷载识别方法的识别精度不足且训练样本采集困难的问题,提出了一种基于应变信号时频分析与CNN网络的车辆荷载识别方法,对移动车辆总重进行荷载识别.首先,利用连续小波时频变换方法处理桥梁跨中应变信号,得到应变信号的时频特征,并利用双线性插值算法将时频信号矩阵变为大小为64×64的数值矩阵,作为CNN网络的输入数据;其次,利用CNN网络的回归学习算法,在训练少量数值矩阵后直接建立应变响应与车辆荷载的映射关系,从而实现对未知车辆荷载的识别;最后,通过模拟试验发现虽然在不同路面粗糙度和噪声影响下,CNN网络的荷载识别结果会受到不同程度的影响,但在一定范围内的路面粗糙度和噪声影响下仍然能较精确地识别车辆荷载.     

一种改进的基于小波偏微分方程的图像去噪方法

提出一种基于小波分解和四阶偏微分方程相结合的方法用于图像去噪,利用小波良好的时频局域化特性和偏微分方程能够很好地保留图像的边缘和细节的特点对图像噪声进行消除.传统的二阶线性扩散方程计算效率低,易产生阶梯效应,这里采用一种用拉氏锐化算子替代拉普拉斯算子的四阶偏微分方程模型.实验结果表明,本方法是一种高效的去除噪声并能很好地保持图像边缘的算法.     

炭素制品X射线图像的小波边缘提取

针对经典的边缘检测算法在炭素制品X射线有噪图像的边缘检测效果问题,提出了基于小波变换的多尺度局部模极值边缘检测算法.该方法充分利用了小波变换优越的时频局部化分析能力及图像边缘点和噪声点的小波变换局部模值和方向在不同尺度下呈现不同的特性的特点.首先对图像进行小波增强处理,改善了图像的质量,在此基础上,确定了检测X射线图像边缘的最优边缘检测滤波器(小波基)和尺度,给出了小波多尺度局部模极大值的算法,并将该算法与经典的边缘检测算子进行了比较.实验结果表明,该方法明显比传统检测算子的效果要好,为进一步的缺陷模式识别等高层处理奠定了良好的基础.图3,参15.     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分，从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法，然后分析了三种主要的数字调制信号的小波变换特征，提出了一种基于小波的数字调制信号识别算法，仿真结果表明该算法能够识别典型的数字调制信号，而且具有较好的抗噪声性能.