非平稳信号的频率—切变分布

广义时频表示存在着时频分辩率与交叉干扰不能兼顾的矛盾，本文提出了一种频率－切变域的非平稳信号表示方法，分析了几种典型信号的频率切变分布并给出了计算结果。对多元正弦有线性调频信号的数值计算表明，这种新的信号表示与Ｗｉｇｎｅｒ分布相比不仅能够大大压低产叉干扰，而且能够在频率切变平面分离多元信号，因而适合于多元信号的检测和识别。     

一种基于改进Hilbert-Huang变换的非平稳信号时频分析法及其应用

对于非平稳信号时频分析,提出了一种基于改进Hilbert-Huang变换(HHT)的分析方法.根据HHT的已有原理,改进了经验模式分解(EMD)过程中的筛选停止准则,提高了分解精度;给出了Hilbert谱分析的完整过程;以线性调频连续波(FMCW)信号模型作为研究对象,结合改进的EMD分解和完整的Hilbert谱分析,通过分析时频分布特征实现高噪声背景下雷达目标信号的检测以及干扰信号的提取.仿真结果表明了改进后的HHT方法对于低信噪比非平稳信号分析的有效性.     

基于LMS-SPWVD的非平稳振动信号时频分析方法

针对SPWVD存在中心信号频率能量发散、干扰信号能量波形及模态混叠现象未得到有效抑制的缺点,提出一种最小均方滤波算法(LMS)和平滑伪维格纳威尔分布(SPWVD)相结合的时频分析方法(LMS-SPWVD).首先,采用LMS算法对模拟非平稳振动信号测试函数进行抑噪处理,获取最优输出信号测试函数时域波形;然后采用SPWVD对最优输出信号测试函数时域波形进行分析,构建LMS-SPWVD算法时频分布模型;最后将该方法与SPWVD、LMS-STFT、LMS-WVD进行对比。结果表明,该方法具有较好的时频分辨率与时频聚集性、模态混叠及干扰信号抑制效果。     

基于模拟退火算法的非平稳双线性模型估计

从非平稳双线性过程的卡尔曼滤波估计的角度,使用模拟退火优化算法计算非平稳双线性过程的极大似然函数值,并通过蒙特卡洛模拟显示,卡尔曼滤波估计的偏误与均方根误差均比最小二乘估计方法要小.利用卡尔曼滤波估计方法,通过对中国6种价格指数的检验可知,除房地产销售价格指数以外,其他5种价格指数都是非平稳双线性过程,但居民消费价格指数、商品零售价格指数和出口商品价格指数是扩散的.     

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 .     

非平稳信号分析在断路器故障诊断中的应用

介绍两种非平稳信号的分析建模的算法，即Ｗｉｇｎｅｒ 方法和时域衰减振荡模型方法，并将它们应用在高压断路器的操作振动分析上，从而建立模型、萃取特征参数、辨识结构状态，为断路器操作系统的故障诊断提供有用手段。Ｗｉｇｎｅｒ 算法能获得形象的信号时域及频域特征，而模型参数方法则更适合于定量的判断识别。     

基于Wigner—Ville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，在实际应用中往往全产生许多问题，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．     

基于自然梯度的非平稳信号自适应盲分离算法

基于自然梯度原则并利用信号的时间相关属性对一类代价函数进行推导,获得一种新的非平稳信号自适应盲分离算法．算法利用样本的多时延解相关方法以及迭代计算的形式获得盲混合信号的分离矩阵,无需对观测样本进行分块处理,计算工作量低．仿真结果表明,算法分离精度高,迭代过程平稳,对多个信号源的盲分离可实现良好的分离性能．     

基于Steger算子的非平稳信号瞬时频率估计方法

针对传统的非平稳信号时频分析中瞬时频率估计方法在适应性、抗噪性和精度等方面存在的问题,提出一种基于Steger算子的非平稳信号瞬时频率估计方法;先将一维非平稳信号经时频分析得到二维时频分布图,对其进行Gaussian函数卷积平滑滤波以增强瞬时频率脊线,然后构造Hessian矩阵求取瞬时频率脊线中心,最终根据瞬时频率脊线与时频分布图位置关系,计算得到瞬时频率。结果表明,基于Steger算子的非平稳信号瞬时频率估计方法对时频分布图适应性强,抗噪性优异,瞬时频率误差率小于5%,瞬时频率估计精度较高。     

基于信号循环平稳模型的抗单音干扰算法

直接序列扩频通信系统解扩以前采用干扰抑制算法，可以显著增强抗窄带干扰性能，常用的干扰抑制方法为扩频信号建立的是平稳模型，但扩频信号是循环平稳信号，为此，建立了扩频信号的循环平稳模型，较平稳模型能保留更多信息，基于循环平稳模型提出了一种新的抗干扰算法，以研究抗单音干扰性能，实验证明，对于伪随机码长度为1024的扩频系统，在误码率要求为10^-4时，采用该算法扩频通信系统抗单音干扰容限可以提高2.5dB。     

基于EMD法的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于经验模态分解(EMD)法的语音信号特征参数提取方法。该方法先对语音信号进行EMD分解,获得其内模函数;再进行FFT和DCT变换,得到特征分量,以此构成语音信号新特征参数。最后采用高斯混合模型(GMM)进行说话人语音识别,实验表明新特征参数取得了较好的识别率。     

基于模拟退火算法与隐马尔可夫模型的Web信息抽取

典型隐马尔可夫模型对初始参数非常敏感,采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于W eb信息抽取时效果不佳.文中提出基于模拟退火算法与隐马尔可夫模型的W eb信息抽取算法.通过实验比较选择最佳的模拟退火算法参数,结合Baum-W elch算法优化隐马尔可夫模型并应用于W eb信息抽取.实验结果表明新算法在信息抽取的精确率和召回率都有明显的提高.     

一种新的小波基函数及其在雷达信号特征提取中的应用

为进一步准确估计雷达信号的瞬时频率，在现有Morlet小波基函数的基础上，提出了一种新的Morlet小波基函数（New-Morlet）用于小波脊线的提取。通过深入分析小波脊线原理以及正确提取小波脊线对小波基函数的要求，利用Morlet小波基函数提取雷达辐射源信号的小波脊线特征，从而可以估计出辐射源信号的瞬时频率。将New-Morlet小波与现有的Morlet小波进行对比得出New-Morlet小波具有更好的时-频综合特性。同时，分析了利用小波脊线原理估计信号瞬时频率的迭代算法。仿真结果表明：基于New-Morlet小波基函数的特征提取性能优于现有的Morlet小波基函数，且具有良好的抗噪性能，其方法是有效的。     

基于并行组合模拟退火的全局优化算法

针对目前优化方法求解非线性多极值优化问题时存在的不足，提出了并行组合模拟退火算法。在分析算法性能的同时用并行组合模拟退火算法对两个算例进行了求解，并与模拟退火算法、遗传算法进行了比较。结果表明，该方法简单、可靠，具有较高的精度和适应性。     

基于模拟退火算法和发送行为的垃圾邮件检测模型

垃圾邮件给当今人们的生活带来严重的负面影响.虽然已经有很多过滤方法,但大多存在一定的不足之处,如检测时间长、召回率低等问题.本文提出了一种基于模拟退火算法和发送行为的垃圾邮件检测模型,旨在弥补已有检测方法的不足.模拟退火算法可能找到全局最优解,且收敛性强;而基于发送行为的垃圾邮件检测技术能显著提高服务器处理垃圾邮件的速度.本文尝试将二者相结合,以提高垃圾邮件的召回率及服务器处理能力.通过实验结果可以看出,该方法在垃圾邮件的召回率上有较大提升,较适于部署在小型邮件服务器上.     

一种基于特征提取的手写字符识别技术

在分析图象处理及其特征提取理论的基础上,研究了字符的笔划特点, 探讨了手写字符的宽度、交叉点、链码等特征,用提取字符结构特征的方法,设计并实现了一种手写字符识别系统。实践证明了这些特征简单明确。     

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.     

基于一种听觉模型的特征提取及语音识别

该文分析了人耳耳蜗及中枢听觉神经对声信号处理的机理，主要包括耳蜗对声信号的频率分析、柯蒂氏器官毛细胞的从振动机械能到电化学能的转换，听神侧抑制神经网络和增益调整四个层次，建立各个层次上听觉的数学模型。     

基于张量分解模型的语音信号特征提取方法

提出了一种通过张量分解提取语音信号特征的方法. 该方法对语音信号进行预处理,然后对每帧语音信号进行小波分解得到不同尺度上的信息,对这些信息提取传统特征参数,构建一个帧结构×分解尺度×特征参数的三阶张量,并经过张量分解得到各阶投影矩阵,从而建立语音信号在高阶空间上的特征体系,以便充分表征语音信号的特征. 实验结果表明,本文提出的方法与传统特征参数体系比较,有利于语音识别系统性能的提高,并且对于带噪语音的识别具有一定的鲁棒性.