基于Wigner分布和经验模态分解的谐波分析方法

在电力系统中,谐波对电网的危害日益严重,准确地对电力系统谐波进行检测有着重要的意义。Wigner分布是采用非线性变换处理非平稳信号一种常用的时频分析方法。将Wigner分布与经验模态分解结合起来,经验模态分解作为Wigner分布的一个预处理环节,信号分解为一系列固有模态函数,分别对单个固有模态函数进行Wigner分布。该方法用于多分量谐波的信号分析,具有很好的时频聚集性,且能够很好的抑制交叉项的干扰。仿真结果表明了该方法的有效性。     

基于Wigner分布和经验模态分解的谐波分析方法

在电力系统中,谐波对电网的危害日益严重,准确地对电力系统谐波进行检测有着重要的意义。Wigner分布是采用非线性变换处理非平稳信号一种常用的时频分析方法。本文将Wigner分布与经验模态分解结合起来,将经验模态分解作为Wigner分布的一个预处理环节,将信号分解为一系列固有模态函数,分别对单个固有模态函数进行Wigner分布。该方法用于多分量谐波的信号分析,具有很好的时频聚集性,且能够很好的抑制交叉项的干扰。仿真结果表明了该方法的有效性。     

旋转机械故障诊断的时频分析方法比较

旋转机械故障振动信号具有非平稳的特性,传统的傅里叶变换方法难以满足分析非平稳信号的要求,时频分析是非平稳信号分析的有力工具。以滚动轴承外圈故障信号为研究对象,对比分析研究了几种时频分析方法如STFT、Wigner-Ville分布、小波变换和Hilbert-Huang变换。结果表明:Hilbert-Huang变换能够更加清晰、准确给出故障信号时频分布,分析效果优于STFT、Wigner-Ville分布、小波分析(WT)。     

Wigner分布干扰项抑制及其算法

Wigner分布是一种真正意义上的时频分析方法,但存在其固有缺陷即虚假时频谱（干扰项）问题。将实信号转化成所对应的解析信号,并采用Choi-Williams方法对Wigner分布进行修正、实现了对干扰项的有效抑制,获得了满意的信号时频谱,给出了用解析信号计算信号Wigner分布及Choi-Williams分布算法,通过几个典型信号（分段多分量信号,调频信号等）。对所研制的软件进行仿真实验,结果与理论相符,表明了软件算法的正确性。     

经验模式分解在循环平稳故障信号分析中的应用

对循环二阶统计量进行了分析,研究了交叉项产生的原因;结合旋转机械故障信号的循环平稳特性,将经验模式分解方法应用于旋转机械振动信号分析中,解决了应用循环平稳方法进行信号分析中出现的交叉项干扰问题.通过理论推导、仿真实验、真实数据验证,以及和原有方法进行比较,表明经验模式分解联合循环平稳分析方法能够有效地识别故障特征,并避免干扰项.极大地推进了循环平稳方法在旋转机械故障诊断中的应用.     

基于Wigner-Vile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 ,在实际应用中往往会产生许多问题 ,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 .     

采用STFT Wigner变换抑制Wigner Ville分布交叉项

对于多分量非平稳信号分析,维格纳时频分布Wigner-Ville(WVD)存在严重的交叉项干扰.而GWT避免了Wigner-Ville分布的交叉项干扰而且具有良好的时频聚集性.但由于Gabor变换的时频聚集性不佳,当多分量信号进行Gabor变换时如果信号中各分量频率混叠,Gabor Wigner transform(GWT)就不能得到理想的结果.提出一种改进的STFT-Wigner算法,可以有效的抑制交叉项,并保持较高的时频聚集性.通过分析仿真信号和实测振动信号表明该方法能够取得良好的效果.     

Wigner高阶谱在弹丸膛内运动分析中的应用

针对传统时频分布分析的时频分布图能量聚集性差、交叉项干扰严重且对噪声敏感的问题,提出了一种基于Wigner高阶谱的膛内运动弹丸回波信号处理方法.对仿真信号从能量聚集性、交叉项抑制、抗噪声三个方面进行比较研究,结果表明Wigner高阶谱进行高阶多项式调频信号瞬时频率估计具有优势.对某型炮弹实测数据采用基于MATLAB的Wigner三谱对角切片算法获得时频分布图.提取时频分布图的时频脊线得到瞬时频率曲线.由多普勒效应公式反演出膛内弹丸的速度、加速度曲线.与实验结果相比:炮口速度相对误差为1.34％,弹丸运动距离与炮管实长的相对误差各为0.52％.验证了在强噪声环境下,Wigner高阶谱分析是膛内运动弹丸回波信号处理的一种更准确有效的方法.     

不同跳速下跳频信号的时频分析方法研究

跳频信号是典型的非平稳信号,必须采用非平稳信号处理方法。时频分布是最常用的一种手段,可用来进行跳频信号分析。实际当中使用的跳频电台,有的跳速很快,可能达到每秒几万甚至百万跳,有的可能就几跳或几百跳。本文主要研究在不同跳速下。对跳频信号的时频分析方法。     

平滑伪Wigner-Ville分布在地震信号处理中的应用

文章介绍了平滑伪Wigner—vile分布时频分析的方法及解析变换的概念,给出了实信号解析变换的方法,给出了地震信号的平滑伪魏格纳时频变换的方法,并对地震信号的属性进行了解释。实验结果显示平滑伪魏格纳时频分布可以描述信号的非平稳的时频特性,该方法可以成为地震信号处理的一条有效的途径。     

线性正则变换与时频分布

 线性正则变换是一种有用的信号处理工具,它是Fourier变换、分数阶Fourier变换更为广义的形式.Wigner分布和模糊函数是2种经典的时频分布描述方法.利用Wigner分布和模糊函数的性质并借助于线性正则变换矩阵分解形式讨论和描述了线性正则变换与时频分布的关系,给出了几何图形解释,为进一步研究线性正则变换在时频信号分析中的应用奠定了理论基础.     

基于局域波时频分析的机械故障诊断

提出一种新的自适应时频分析方法——局域波法．结合仿真信号与故障检测信号进行分析研究,提出一种新的机械故障诊断方法并将其成功地应用到齿轮箱故障诊断中．振动信号能量在局域波时频分布中的变化,是局域波法诊断齿轮磨损故障的特征．诊断结果表明,局域波时频分析为齿轮磨损故障诊断提供了一种更为有效的手段,在故障诊断工程中具有广泛的应用前景．     

基于分数低阶S变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha()稳定分布,传统的Stockwell变换（S变换）时频方法性能退化甚至失效。本文基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好的工作在高斯噪声和稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

基于分数低阶Stockwell变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha(α)稳定分布,传统的Stockwell变换(S变换)时频方法性能退化甚至失效。基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好地工作在高斯噪声和α稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

基于反褶积广义S变换的地震频谱成像方法研究

当薄互层较发育时,利用地震资料对储层的含油气性进行预测存在较大的困难。因此,发展高精度的时频分析方法并将其应用于储层内的烃类检测具有重要意义。提出了基于反褶积广义S变换的新时频分析方法;该方法将信号的广义S变换谱与窗函数Wigner-Ville分布进行二维反褶积,可得到信号Wigner-Ville分布。通过数值模拟结果可知,该方法与传统的时频分析方法相比,不仅克服了传统时频方法采用固定时窗分析信号的局限,并且具有更高的时频分辨率。三维实际资料处理结果表明,相对于传统时频方法,该方法适用于非平稳的地震信号分析;在薄储层预测方面更具优势,进行烃类检测的可靠性也较高。     

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     

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 .     

基于瞬时频率的窗宽递增寻优的短时傅里叶变换

讨论了窗函数在时频分析中的作用,分析了S变换的缺陷,指出了依据分析频率调整窗宽和使用窄窗均严重影响时频分析效果.以短时傅里叶变换为基础,提出了一种窗宽根据信号自身时变特征进行自主调节的时频分析方法,该方法以瞬时频率的变化作为判断信号频谱结构发生变化的依据,通过在瞬时频率变化之前逐次递增窗宽,使窗函数能够覆盖信号中的局部平稳区域的大部甚至全部,从而可对信号中的各局部平稳段得到最佳的时频分辨率.通过对线调频信号、时变信号和含噪声信号的分析和比较可知,本方法可准确描述信号的时间分布特征,并可同时获得最佳的频率分辨率,且对噪声不敏感,具有一定的先进性和实用性.     

基于HHT的柴油机气阀漏气特征参数提取方法

以WP10.240型柴油机为研究对象,通过测量其不同气阀漏气状态的缸盖声发射信号,选取声发射信号有效分析段,并利用HHT时频分析方法进行非平稳信号的时频能量图和时频熵分析,提取气阀漏气时频特征参数.研究表明:气阀漏气越严重,HHT时频能量分布越均匀;时频熵对气阀漏气较敏感,随着气阀漏气程度的增加,其时频熵呈增大趋势.     

几种非平稳随机信号分析方法的比较与应用

比较了短时傅里叶变换、小波变换、Cohen类时频分布等三种典型非平稳随机信号分析方法的性能,从理论上讨论了三种典型方法的优缺点,并分析了其他特性.针对非平稳随机信号中难以检测却又最常见的高阻接地信号,通过仿真对比,展示了三种方法的应用效果.结果表明:Cohen类时频分布能够从时间和频率两个维度更充分地揭示高阻接地故障类非平稳随机信号的特性;尤其是Choi-Williams分布,其较好的时频聚集性和抑制交叉项的效果有利于特征的进一步提取分析,能为故障诊断提供更为丰富的早期数据.