基于S变换的罗音信号检测算法

呼吸音中的罗音信号随机性强,变异性大,同时又蕴含了丰富的疾病信息.为从呼吸音中有效地检测出罗音,文中引入S变换,提出了一种基于S变换的罗音信号检测算法.首先从呼吸音信号S变换的时频谱图中提取罗音的时频特征,降维后采用局部峰值判别法检测罗音.实验结果表明,该算法的罗音信号检测正确率达93.70％,检测性能优于其他算法,说明该检测算法是有效的.     

基于分数阶Fourier变换的时频分布

分数阶Fourier变换是对经典Fourier变换的推广.根据信号瞬时相关函数、点谱相关函数、Wigner分布和模糊函数这4种信号表示方法之间的Fourier变换关系,基于二维分数阶Fourier变换,给出一种新的分数阶时频分布,它表征了信号的局部时间/频偏和局部频率/时延特性,进一步讨论该分布函数的主要性质.最后给出它在线性调频（chirp）信号检测中应用的仿真结果.     

基于希尔伯特-黄变换周期平稳类微弱故障信号检测

在希尔伯特黄变换可以将振动信号分解为有限的模式函数的基础上,针对周期平稳类微弱故障信号难以检测到的问题,对信号进行经验模式分解,然后对本征模式函数进行希尔伯特变换;接着通过希尔伯特谱对多频信号中的弱信号和仿真齿轮裂纹弱故障信号分析,得出多频信号中弱信号成分和其时间分布以及调相频率;最后分析滚动轴承损伤弱故障,从希尔伯特谱中可以分析时频和振动量的分布情况,进而提取故障特征,分析出故障;表明希尔伯特谱对周期平稳类微弱故障信号具有一定的分析能力.     

分数阶回波ambiguity函数

本文通过分数阶Fourier变换定义了分数阶(互)模糊函数,并探讨了它的性质.作者首先说明当回波时延为!0,频偏为"0时,回波的分数阶模糊函数模的峰值点在(!,u)平面内移动了(!0,"0sin#+!0cos#).但是要注意的是,(0,0)并不一定是分数阶模糊函数模的极大值点.然后作者进一步说明当参考信号为二次调频信号时,分数阶模糊函数有一个冲激,具有类似图钉形的良好性质,因此在雷达动目标检测中有良好的应用前景.     

多分量微弱LFM信号的检测

提出了一种基于分数阶傅里叶变换的多分量微弱LFM信号的检测方法.首先利用分数阶Fourier域的LMS自适应滤波算法,改善了LMS算法对LFM信号的处理效果.在此基础上,提出了分数阶Fourier域的自适应谱线增强器(ALE)算法,提高了对多分量微弱LFM信号的检测性能,并将分数阶Fourier变换的移动算法应用于谱线增强器,减少了运算量.     

煤矿井下地音监测信号的小波变换处理方法

针对煤矿井下地音信号复杂的情况,提出一种基于小波变换的地音信号处理方法,并对现场信号进行实验分析.结果表明：小波变换方法可以去除地音信号的背景噪声,将复杂的声发射波形数据分解为具有单一特征的波.该研究为工作面动力灾害的实时预报提供了依据.     

基于频域特征提取与RBF相结合的磨矿浓度软测量

为解决磨矿浓度难以直接检测的问题,提出一种通过磨机振动、磨音信号频域特征提取利用特征频谱与径向基函数(RBF)神经网络相结合的非线性建模方法.采用快速傅里叶变换(FFT)将时域振动及磨音信号转换为频谱变量,对频谱变量通过主元分析(PCA)进行谱特征提取,采用径向基函数(RBF)变换实现谱特征的非线性映射.实验表明,该方法可以实现对磨矿浓度的准确软测量,提高测量精度1％,方法有效.     

分数阶Fourier变换及其在信号参数估计中的应用

分数阶Fourier变换是一种新的时频分析方法,在计算机、图像处理和信号处理等领域有广泛的应用.本文首先介绍了其概念和定义,其次详细介绍了分数阶Fourier变换用于检测chirp信号参数的原理,最后,通过仿真实验,检验了分数阶Fourier变换用于检测单分量chirp信号的性能.     

基于改进FRFT的多相码信号检测与参数估计

针对低信噪比下多相码信号的检测与参数估计问题,提出了基于扩展分数阶傅里叶变换(EFRFT)的多相码检测与参数估计方法。该方法根据多相码信号多条时频脊线平行的特点,通过改进分数阶傅里叶变换(FRFT)的核函数,积累了各脊线的能量,从而完成了多相码信号的检测与参数估计。仿真实验证实该方法在低信噪比条件下可以有效检测多相码信号,同时也可以准确估计信号的调制参数。     

线性正则变换与模糊函数的关系研究

线性正则变换是一种有效的信号处理工具,它是Fourier变换、分数阶Fourier变换更为广义的形式.模糊函数又称联合时频相关函数,是研究雷达信号的主要工具.从线性正则变换的定义出发,利用模糊函数的性质并借助于线性正则变换矩阵分解形式揭示和推导了线性正则变换与模糊函数的关系,给出了仿真实例和几何图形解释,为进一步研究线性正则变换在雷达信号分析中的应用奠定了理论基础.     

基于Chirp原子分解的语音信号时频结构分析

从自适应信号分解的角度出发,使用匹配追踪算法将语音信号分解成非平稳Chirp原子的组合,根据单个Chirp原子的WVD分布线性组合分析语音信号的时频结构.仿真结果表明,该方法时频分辨率高,没有短时傅立叶变换中测不准原理的限制,不受传统WVD分布中有交叉项的影响.     

采用改进的希尔伯特黄变换的损伤检测特征提取方法

针对损伤检测中存在的难以提取准确描述损伤信息特征的问题,提出了一种基于改进的希尔伯特黄变换的有效特征选择方法。该方法首先对信号进行小波包分解和重构,得到一系列窄带信号,然后对其分别做经验模式分解得到若干个固有模式函数,基于互信息量筛选出真实固有模式函数,并对真实固有模式函数分别做希尔伯特变换得到瞬时属性,最后根据瞬时属性提取相关的时频特征。在损伤检测应用中,采用前向反馈神经网络对提取的特征进行分类,结果表明,利用该方法提取的音频信号特征非常有效,综合分类性能指标F相比于原始的希尔伯特黄变换提高了7.7%。     

P3/P4多相码雷达信号检测与参数估计研究

针对P3/P4多相编码雷达信号的检测和参数估计问题,提出了一种基于积分二次相位函数和分数阶傅里叶变换联合分析的处理方法。该方法首先利用此类多相编码信号的二次相位函数在时间—调频率平面为一条平行于时间轴直线的特点,由积分二次相位函数获得信号总能量,通过检测峰值得到信号调频率的估计值;然后采用分数阶傅里叶变换估计载频、带宽、周期等;最后通过仿真分析了检测性能和参数估计性能,仿真结果表明该方法计算量小,并且由于没有交叉干扰项,使得参数估计精度有所提高。     

单分量chip信号的线性正则变换域功率谱参数估计

本文利用线性正则变换域功率谱对单分量chirp信号进行了参数估计.作者首先推导了信号的LCT变换的统计特性,得到了信号的均值,相关函数并定义了线性正则变换域功率谱,进而导出了线性正则变换域中输入输出信号的相关函数与功率谱的关系,然后利用线性正则变换域功率谱对单分量chirp信号进行了参数估计.仿真结果表明该方法优于分数阶傅里叶变换域功率谱的参数估计.     

分数阶Fourier变换用于幅度随机变化的Chirp信号的检测

提出了将分数阶Fourier变换用于时变幅度Chirp信号的检测与参数估计,研究了Chirp信号检测与参数估计的方法,给出了检测性能———幅度随机变化的Chirp信号的检测精度(参数估计的均方误差)的仿真分析.     

基于HHT方法的时变多自由度系统的参数识别

将HHT(Hilbert-Huang transform)方法与数学规划方法相结合,用于时变多自由度系统的参数识别.把响应信号如加速度信号通过一个窗函数,得到要研究的某阶模态成分,然后通过经验模态分解(EMD)把通过窗函数的信号分解成各个本征模函数(IMF),对分解出来的IMF进行希尔伯特变换得到该阶模态的瞬时频率,以待识别的刚度或质量参数作为设计变量,极小化计算得到的频率与瞬时频率之差的平方和.对应该平方和最小的刚度或质量值即为选定时刻识别得到的刚度或质量参数值,并进行了数值仿真.     

伴随分数阶傅立叶变换的多分辨分析的特征

针对分数阶傅立叶变换在工程技术上的广泛应用,引入分数阶傅立叶变换与分数阶多尺度多分辨分析的概念.运用时频分析与泛函分析、分数阶傅立叶变换,研究了分数阶多分辨分析的构造方法,刻画了分数阶多尺度多分辨分析的特征.给出了分数阶多重尺度函数的存在条件.     

基于法布里-珀罗干涉的全光纤振动检测仪

在传统的振动测量中,激光监测装置只能测量电机的单个参数.为实现对轴中心高为56 mm及以上电机的机械振动测量,建立了双通道独立测量系统.该系统可用于同时测量电机转轴的速度以及转轴产生的振动.该实验基于法布里-珀罗干涉、散斑干涉原理得到含有振动信号和速度信号的混合信号,将合成信号分解后,运用希尔伯特变换解调振动信号以及自相关函数处理速度信号.实验结果表明,振动测量误差小于255 nm,速度测量相对误差小于0.11％.该系统结构紧凑,操作简单,易于实现,具有非接触性、抗电磁干扰强、高精度等优点.     

多分量LFM信号在分数阶Fourier域的参数估计与分离

分数阶Fourier变换由于其特有的性质,非常适合处理LFM(linear frequency modulation)信号,尤其是作为一种线性变换,可以克服多分量LFM信号交叉项的干扰。在分数阶Fourier变换用于单分量LFM参数估计的基础上,采用预判与分数阶自相关相结合的方法,在分数阶Fourier域对多分量LFM信号模型进行检测和参数估计,极大地减小了计算量,并采用Clean法实现了不同强度LFM信号的分离,抑制了强分量信号对弱分量信号的遮蔽干扰。仿真实验表明,该方法具有较好的效果。     

基于多重匹配同步压缩变换的充电机电压扰动分析

为了提高电力系统的安全性和稳定性,解决传统时频变换方法在电能扰动分析中不能准确分离提取扰动信号的缺陷,提出一种基于多重匹配同步压缩变换（Multiple Matching Synchrosqueezing Transform,MMSST）的电能扰动分析方法. 首先,利用MMSST将含扰动的信号分解为一组本征模态函数分量（Intrinsic Mode Functions,IMF）;然后,对每个IMF分量进行希尔伯特变换（Hilbert Transform, HT）,从而获得各个分量的瞬时频率和瞬时幅值,实现扰动信号的检测与分类. 仿真和实测实验结果表明,与经验模态分解（Empirical Mode Decomposition, EMD）算法相比,MMSST可以准确地分离提取电压扰动信号中的各个扰动分量,可以实现各个扰动分量的瞬时频率和幅值的准确提取,并且具有较强的鲁棒性.