一种低信噪比条件下的瞬时频率估计算法

为了在低信噪比条件下更有效地提取信号的瞬时频率,提出了一种改进魏格纳-维勒分布的瞬时频率估计算法来降低瞬时频率的估计误差.首先,采用基于切比雪夫多项式的核函数代替魏格纳-维勒分布的核函数,根据信号计算最优核函数.然后用该最优核函数计算信号的时频分布,以减小信号交叉项的影响.最后,采用维特比算法从时频分布中估计信号的瞬时频率.仿真结果表明,信噪比为-15～-5 dB条件下,改进魏格纳-维勒分布算法瞬时频率估计值的均方误差相比于魏格纳-维勒分布算法和平滑伪魏格纳-维勒分布算法减小超过53%,有效降低了瞬时频率估计误差.在单分量信号和多分量信号情况下,改进魏格纳-维勒分布算法能得到性能更优的瞬时频率估计值.     

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VMD-PWVD的内燃机振动信号时频分析方法

针对Wigner-Ville分布(WVD)在分析多分量信号时交叉干扰项与时频聚集性相互矛盾的问题,提出一种基于变分模态分解的伪魏格纳分布法(VMD-PWVD),以抑制WVD分布中的交叉项。该方法首先对信号进行VMD分解,将信号在频域上进行剖分,得到一组相互独立的具有不同频率的固有模态函数(IMF)分量,然后对每个IMF分量进行PWVD分析,最后把各个IMF分量的PWVD分析结果线性叠加,重构原始信号的时频分布。仿真结果表明,该方法在有效地从频域和时域双向抑制WVD交叉项的同时,又保留了WVD分布法原有的优良特性。将VMD-PWVD应用于内燃机缸盖振动信号的时频分析中,能很好地刻画出不同工况信号的特征信息,各时频分量物理意义明确,是一种有效的时频分析方法。     

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.     

一种新的减少交叉项的时频分布分析

针对时频分布中的交叉项问题,引入了重排理论,结合魏格纳——霍夫变换,提出了一种新的减少交叉项的方法——重排魏格纳-霍夫变换,实验验证该方法在抑制交叉项和提高时频分布检测性能方面的有效性。     

抑制Wigner-Ville分布交叉项方法的比较

由于Wigner-Ville分布对于多分量信号存在交叉项的干扰,影响了特征提取的准确性。利用Choi-Williams分布,可以有效地抑制上述存在的交叉项问题,但其时频聚集性有所下降。因此,提出了基于EMD的Wigner-Ville分布进行特征提取,并在数字仿真振动信号上加以验证。分析结果表明,该方法解决了交叉项和时频聚集性下降问题。     

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。     

变分模态分解与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,相互独立的变分模态函数(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。     

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。     

抑制维格纳分布交叉干扰项的联合算法

维格纳分布(WVD:Wigner-Ville Distribution)交叉干扰项的存在,严重地影响了其处理效果。为此,笔者结合交叉干扰项的性质,提出改进算法--基于STFT(Short-Time Fpiroer Tramsfpr)与WVD的联合算法(STFT-WVD)。该联合算法将信号的谱图与维格纳分布作互相关处理,以期达到抑制交叉干扰项的效果。通过理论分析与仿真实验证明,STFT-WVD算法在有效抑制WVD交叉干扰项带来不良影响的同时,保持了WVD较高的时频分辨率,是一种行之有效的WVD改进算法。     

基于BTFD-Hough变换的多Chirp成分信号的检测与参数估计

由于双线性时频分布(BTFD)对多个Chirp成分信号的时频表示存在交叉项干扰，因而在低信噪比情况下直接在时频平面难于进行检测和参数估计．该文提出了将信号的双线性时频分布作为图像，利用Hough变换检测图像中直线的原理，将多Chirp成分信号的检测与参数估计转换为在参数空间寻找局部极大值及其坐标的问题，可以使得检测和参数估计一并完成．仿真实验表明，该方法不仅能够有效地检测多Chirp成分信号并估计其参数，而且有较高的抗噪声性能，并能起到抑制与信号自项重叠的交叉项干扰的作用．     

基于改进Wigner-Hough变换的多分量LFM信号特征提取

为了解决Wigner-Hough变换对多分量线性调频(LFM)信号特征提取受噪声困扰的问题,提出采用数字图像处理中改进的Sobel算子对含噪声信号的WVD时频图进行边缘特征检测,利用Hough变换对信号特征进行提取.通过对WHT,SPWD-Hough变换以及改进WHT 3种方法进行计算机仿真比较结果表明,改进的WHT对多分量LFM信号的特征提取效果最好.     

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．     

减法聚类的多分量线性调频信号检测与参数估计算法

针对Wigner-Hough变换在低信噪比下易产生伪峰,导致在进行检测时阈值选取困难,无法准确对多分量线性调频信号进行检测和参数估计的问题,提出了一种基于减法聚类的平滑伪Wigner-Hough(SPWHT)变换的检测和参数估计算法。首先采用平滑伪Wigner-Hough变换(SPWHT),通过平滑交叉项和噪声来达到抑制干扰的目的,并运用阈值分割的图像处理方法进一步消噪,减少Hough变换后所产生的伪峰;再利用较低门限对Hough变换后的图像进行峰值检测,防止对信号的漏检。最后,对于备选峰值进行减法聚类的二次处理,实现信号参数寻优,去除伪峰影响和时频分辨率下降引起的峰值展宽,完成对多分量信号的准确检测和参数估计。该算法通过聚类避免了阈值设置的困难,解决了低信噪比下多分量线性调频信号的检测与参数估计问题。仿真结果表明了在-10 d B信噪比下该算法仍有较好的检测及估计性能。     

WIGNER—VILLE分布及其在FMCW信号识别中的应用

介绍了FMCW信号以及Wigner-Ville分布,对利用Wigner—Ville分布识别FMCW信号进行了研究．分别对信噪比为∞,6dB,3dB,0dB,-3dB,-6dB的FMCW信号作了WVD,PWVD,SPWVD,RSPWVD的MATLAB仿真,并做了比较研究,结果表明WVD抗噪性较差,且交叉项影响较大,当信噪比较小时,基本不能识别信号;PWVD,SPWVD交叉项有所减小,但时频聚集性变差,抗噪性提高不大;RSPWVD各方面性能均有较大提高．     

线性调频信号检测中时频谱交叉项的抑制

在多分量线性调频信号检测时,由于时频谱存在的交叉项影响到检测精度,进行时频谱的平滑可以减少交叉项,使用时频谱重排的方法在减少交叉项的同时又可以增加谱的聚集性。计算机仿真实验结果验证了这两种方法可以有效地抑制交叉项干扰,提高了检测精度。     

基于特征的超声信号分类检测方法

超声检测技术在工业和科研领域得到广泛的应用。在恶劣的条件下,超声信号受到混响的干扰。传统的匹配滤波方法在这种情况下检测性能不理想。该文提出一种基于特征的检测方法,对接收信号进行分类再进行检测。该方法基于模式识别来区分是否存在回波。先利用Wigner-Ville分布和双谱提取信号的特征,然后进行主成分分析降低特征的维数,降维的特征向量送入有监督学习的分类器。实验表明,与传统的匹配滤波方法相比,该方法在-5dB的信混比时具有较好的检测性能。     

基于正弦调频傅里叶变换的自旋微动群目标分辨

近年来针对孤立目标的微动特征提取技术已较为成熟,但针对群目标的分辨与微动特征提取技术尚有待深入研究。本文以空间自旋微动群目标为例,提出了一种基于正弦调频傅里叶变换的自旋微动群目标分辨方法。首先建立了自旋微动群目标的回波模型,在此基础上采用正弦调频傅里叶变换来提取回波中的微多普勒特征分量。针对正弦调频傅里叶变换在分析多分量正弦调频信号时所特有的交叉项问题,提出了一种有效的交叉项抑制方法。最后,结合交叉项抑制方法,利用正弦调频傅里叶变换处理自旋群目标微动信号,实现了对自旋微动群目标的分辨,并准确地提取出各子目标自旋频率特征。