基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

复杂信号环境下非合作突发通信信号的实时检测

现有未知突发信号检测算法是基于噪声加单一突发信号的简单假设的,在实际复杂信号环境会产生大量虚警而失效。针对实际非合作突发通信信号的检测环境除噪声外还包含多个连续信号和一些短突发干扰信号,建立了复杂信号环境模型,提出了适用于此环境的基于短时傅里叶变换(short time Fourier transform, STFT)的时序检测器。该检测器利用突发通信信号时间上短持续的特点剔除连续信号和短突发干扰造成的虚警。对该检测器的检测性能进行了分析和仿真,结果表明在复杂信号环境中当常规检测器由于虚警概率很高失效时,该检测器可以同时获得较低的虚警概率和较高的检测概率,因而适用于复杂信号环境中非合作突发信号检测。该检测器运算量小,易于实时实现。     

一种基于振动位移的扬声器异音故障检测方法

为了满足扬声器纯音检测的需要,提出了一种基于激光位移传感器的扬声器异音故障检测方法.该方法利用激光位移传感器采集扬声器纸盆中心振动信号,通过短时傅里叶变换将扬声器振动信号从一维的时域信号变换成两维的时频域信号.对时频图采用多级阁值分割的方法进行图像分割,统计其高频区域灰度值落于0～ 0.3的所有像素个数作为特征值,进而判断扬声器的好坏.实验表明,此方法对扬声器异音故障检测的正确率可达到97％.     

基于伸缩窗口STFT的信号调制的识别研究

伸缩窗口短时Fourier变换(STFT)通过对窗函数引入伸缩变换对短时Fourier变换进行改进,实现时频分辨率随信号频率变化自动可调,能较好地刻画信号中的瞬态结构.本文把伸缩窗口短时Fourier变换这种时间-频率-尺度三维信号处理方法引入到了数字通信信号调制盲识别领域,对ASK、FSK和PSK信号的伸缩窗口STFT——域特征进行了理论分析和软件仿真,最后给出了识别算法和仿真结果.仿真实验结果及性能分析表明,该算法是可行的,具有较好的抗噪声性能.     

结构时变模态参数辨识的时频分析方法

应用线性和二次时频变换方法，即短时傅里叶变换和魏格纳—维尔分布，进行了时变结构模态参数的辨识．通过对刚度突变和刚度连续变化的单自由度系统时变参数辨识的仿真，论述了两种时频辨识方法的特点．仿真结果表明，时频变换辨识方法是辨识时变模态参数的有效工具，而且魏格纳—维尔分布二次时频表示能得到比基于短时傅里叶变换的谱图更好的辨识结果．     

多普勒信号频域压缩算法中最佳时窗长的选择

研究基于短时傅里叶变换（STFT）的可变窗长的多普勒信号的频域压缩算法中最佳时窗长度的选择问题，提出了根据系统压缩倍数的要求及信号的局部平稳性，选择STFT时间窗长度的可变窗长的频压缩算法，并得到其简化的二窗法频域压缩算法，仿真结果表明，与固定窗长法相比，二窗法频域压缩算法克服了取固定窗长度时存在的偏差较大的问题，取得了比较满意的仿真结果。     

基于短时傅立叶变换和连续小波变换的先天性心脏病心音比较分析研究

介绍了将短时傅立叶变换(STFT)和连续小波变换(CWT)用于先天性心脏病(房间隔缺损、室间隔缺损、动静导管未闭)心音信号进行时频分析、特征提取的研究.两种方法都能较好的识别先天性心脏病人,总有效率为85%.论文对两种方法的优缺点进行了比较.小波变换比短时傅里叶变换能更有效的识别正常人与病人的心音信号的特征,可分性更好.但是短时傅里叶变换能量范围更集中,动态范围变化也更小一些.     

被加型噪声污染的信号的线性时频表示

讨论了噪声对确定性信号的线性时频表示的影响,通过理论分析和计算机仿真,证明了被白噪声污染的信号可以用短时傅里叶变换ＳＴＦＴ和小波变换ＷＴ来分析;而被脉冲噪声污染的信号可以用ＳＴＦＴ来分析,而不宜用ＷＴ来分析。     

高速运动目标的瞬时距离-多普勒成像

首先建立高速运动目标宽带雷达回波模型,分析了高速运动对目标一维距离像的影响,针对其回波是调频斜率相同的多分量LFM信号的特点,提出利用自适应短时傅立叶变换的方法获得一维瞬时距离像,消除了高速运动目标距离压缩中的色散效应,经过运动补偿和横向分辨,最终获得目标清晰的二维像.和传统速度补偿方法相比,有效减小了运算量,仿真证明了该方法的有效性.     

基于张衡一号电磁卫星数据对印尼Ms 7.4地震的研究

以2018年9月28日印尼Ms 7.4地震为背景, 利用张衡一号电磁卫星观测的ULF磁场X, Y和Z三分量数据, 采用滑动四分位(IQR)算法、滑动主成分分析算法(PCA)和短时傅里叶变换算法(STFT), 对震中范围的时空电磁数据进行分析, 结果显示 3 种算法都能有效地提取到震前异常。1) X,Y和Z分量均值震前7天开始出现异常, 随着发震时间临近, Y和Z分量的异常程度逐渐增加, 震前2天达到峰值, Y分量最大异常达到0.7 nT, 震后异常慢慢消失; 2) 震前5天主成分出现异常, 第一主成分占比急剧下降, 下降幅度超过15%, 第二、第三主成分占比急剧上升, 异常持续3天; 3) 震前9天, 13和25 Hz功率谱密度占比同时出现大幅异常, 13 Hz占比上升35%, 25 Hz占比下降超过40%, 13 Hz占比出现正异常, 最大正异常达到0.1, 25 Hz占比出现负异常, 最大负异常达到?0.15, 震后异常消失。结合同时段的太阳地磁活动情况, 认为上述电磁异常可以作为印尼地震的前兆。