机械振动信号的时频分析

本章介绍了机械振动信号时频分析的意义,然后给出了信号时频分析中的几个重要的基本概念,如相空间、窗函数、测不准原理等.最后给出了应用实例.     

地震信号的时频分析

石油勘探目前应用最主要的勘探手段是地震勘探方法,通过对所得的地震信号分析,我们就可以获得地层信息,从而分析地层的结构及含油气情况,通过研究表明,地震信号的频率域里包含着丰富的含油气信息,所以对地震信号的时频分析可以有助于我们寻找油气资源,给我们提供更多的油气信息。本文主要是利用小波变换对单道地震信号做了时频分析研究。     

信号的时频分析评述

从信号的时频局部化分析着手，分析了傅里叶变换在信号分析中的重要作用，指出傅里叶交换在刻划信号的时间信息和频率信息上的矛盾所在．比较了加窗傅里叶分析的优缺点，由于其分析所加的时频窗口有确定的时宽和频宽，所以不能敏感地反映信号的激烈变化程度．对前沿领域小波变换作了理论探讨，小波变换理论灵活的“变焦”特性，为信号的时频局部化分析提供了一条切实可行的方法．     

地运动信号的时频分析

对实测地运动信号,分别应用短时傅里叶变换(STFT)、Wigner-Ville分布(WVD)、小波变换(WT)和Hilbert-Huang变换(HHT)进行了分析,讨论了地运动信号的时频分布.结果表明,地运动信号有多个中心频率,信号能量在0～30 Hz以内,优势频率在12～15 Hz.4种时频分析方法都能反映地运动信号的时频特征,STFT和WVD只能粗略反映信号能量的分布情况,可以给出能量峰值对应的具体时间和频率,但其分辨率单一.WT和HHT可以给出信号能量比较详细的分布情况,WT具有多分辨率特点,但给出的能量分布在一定的带宽内,不能给出某一频率的能量分布.HHT具有自适应性,给出的是某些特征分量的能量分布,也不能给出某一频率的能量分布.     

时频分布的模糊处理及在冲击信号分析的应用

从分析时频分布概念本身的模糊性出发，把Ｃｏｈｅｎ族时频分布的核函数定义为模糊集中的隶属函数，提出对信号时频分布进行模糊处理的方法，并以实例讨论了该方法的适应性及在跌落零件冲南号分析中的应用。     

时频分析在舰船低频声信号分析中的应用

舰船辐射噪声是一个非平穗过程,以傅立叶变换为基础的传统谱分析方法已经难以发挥作用.时频分析因其在时一频域都具有表征信号局部特征的能力而成为非平稳信号分析的有力工具.通过对实验数据的分析处理,得到舰船低频辐射噪声的时频特征.     

基于组合时频分布的跳频信号分析

针对常用的非线性时频分析方法不能较好地抑制交叉项干扰的问题,文中提出一种新的跳频信号时频分析方法。将组合时频分布TF方法用于跳频信号分析,提出了跳频信号持续时间、跳变时刻和跳频频率盲提取的改进算法,通过计算机仿真验证了该方法的有效性。     

基于时频分析的带腔体雷达目标弱信号检测

该文论述了在强噪声背景下利用时频分析检测带腔体雷达目标弱信号的方法。利用时频分析方法对目标的一维像进行分析 ,提高了雷达在强噪声背景下对微弱目标信号的检测能力 ,使利用恒虚警检测无法检测到的目标经过时频分析处理后 ,可以被正确地检测出来。     

小波变换时频特性的信号识别

研究了小波变换时频特性的信号识别及其在复合材料损伤检测中的应用．根据小波变换的框架重构理论及时频相空间理论,提取信号的时频域特征,通过比较原信号的时频空间和小波变换相空间的相同部分,得到能反映同样时频特征的小波级数展开项和的个数,并用误差函数的最小化提取能反映时频性质的小波系数．以此作为小波神经网络的学习参数,经过学习后,使之能对信号进行识别．应用此方法对复合材料试验过程中的复杂曲线进行了实验识别,效果很好．从小波时频特性提取的信号特征,在时间和频率方面都能体现原信号所包括的本质信息,供助Ｂ样条小波神经网络的识别结果,达到了预期目的．     

基于时频域组合特征的脑电信号情感分类算法

为了提高基于脑电信号(electroencephalogram, EEG)情感识别的准确率,提取了脑电信号的时域与频域特征,并且将其进行组合形成时频域组合特征,作为不同识别模型下的输入。采用集成决策树(bagging tree, BT)、贝叶斯线性分析(Bayesian linear discriminant analysis, BLDA)、线性判别分析(linear discriminant analysis, LDA)及支持向量机(support vector machine, SVM)四种浅层机器学习算法对EEG在效价与唤醒度上进行二分类情感识别。实验结果表明,DEAP数据集在效价上,基于时频域组合特征在BT分类器下的识别精度平均达到92.54%,在唤醒度维度上基于时频域组合特征在SVM下平均识别精度达到94.62%。     

坦克目标时频特征分析

为获得目标信号的更多特征,提高识别概率,引入了短时傅里叶变换的方法对毫米波探测信号进行时频分析;结合坦克目标毫米波信号频谱的特点给出了窗函数的选择方法;分析了坦克装甲车辆与其主要干扰的毫米波信号频谱图的差别,在此基础上给出了毫米波信号在时频域的特征选取方法. 分析结果表明:采用短时傅里叶变换的时频分析方法得到的坦克毫米波信号的频域特征与其主要干扰存在较大差异,据此可以进行坦克目标的识别.     

信号时域抖动与频域相位噪声之间的关系

本文主要介绍了抖动的概念,通过公式推理,得出已知相位噪声信号的抖动时间。     

基于时频域检测方法的信号处理系统设计与实现

为解决宽带数字接收机所接收信号参数的高速提取,利用4片现场可编程阵列(FPGA)、分布式多总线并行流水方式完成信号的FFT运算、频域的载频信号参数的提取、IFFT运算及在时域中对脉冲参数的提取.利用有限状态机的方式完成了CPCI总线的PCI局部端接口时序编写及信号处理系统工作状态的控制和转换.用8片244芯片完成了用普通SRAM作类似双口RAM的设计.该项目已通过验收,可应用于实际工程.     

频域和时域两种计算方法对某大桥的抖振响应分析

大跨度桥梁对风荷载敏感性强,静风变形和脉动风荷载下的随机振动响应比较复杂,抖振响应分析就成为了设计的关键问题.分别应用频域和时域的分析方法,对大桥进行了横风向抖振响应分析,进而对比两种方法下抖振响应的位移均方差和最大值.计算结果表明:1)对于均方差求解两种计算方法有很好的一致性,对于最大值的求解两种计算方法有一定的误差;2)抖振位移主要由主梁各方向一阶振动模态控制,高阶模态的参与效应很小.     

基于频域窄带莱斯噪声消除机制的OFDM网络信号发射精度增强算法

为改善当前OFDM网络信号精度增强算法中难以高效消除频域窄带莱斯噪声,且系统误码率较高的不足,提出了一种基于频域窄带莱斯噪声消除机制的OFDM网络信号精度增强算法.首先,基于128频相移键控调制方法,在获取信号时域特征的基础上,引入快速傅里叶变换,对信号进行离散化,并基于信号投影机制,构建正交星座图,实现信号投影矢量在预发射状态下的正交分层排序,消除了信源状态下频域窄带莱斯噪声对系统的干扰;随后,引入快速傅里叶逆变换,对预发射信号进行加密处理,且通过量化评估模型对信号精度进行优化提升,有效节约了传输带宽,提高了信号发射性能,改善了信道抗衰落效果.仿真实验表明,与当前常见的时间窗消除机制(time window elimination mechanism, TWE)、频率拓扑映射机制(frequency topology mapping, FT)相比,本文算法的误码率更低,且具有更高的信号增益效果.     

频域积累与EMD去噪结合的微动信号检测算法

 超宽带生命探测雷达具有穿透能力强、距离分辨率高、抗干扰能力强等诸多优点,在防暴、救援、反恐等领域有很高的使用价值。由于穿墙生命探测雷达回波信号具有杂波干扰严重,且生命信号与背景噪声相互交叠等特点,利用传统数字滤波方法无法有效检测人体微动信号。针对此问题,本文提出一种利用频域积累与经验模态分解（EMD）相结合的人体微动信号检测算法,利用频域积累提高回波信号的信噪比,利用EMD 方法进行进一步的去噪处理。该算法不仅具有频域积累可以有效提高信噪比的优点,而且具有EMD 方法自适应分解信号的能力。同时,它克服了在低信噪比情况下,频域积累实时性不强,以及EMD 方法不能有效去除杂波的缺点。仿真和实验证明,该算法既可以有效提高雷达回波信号的信噪比,又可以改善单纯使用频域积累实时性不强的缺点,利用该算法对雷达回波信号进行处理可以准确快速地检测出人体的呼吸频率,是一种很好的穿墙雷达微弱信号检测新方法。     

钨酸铅的频域和时域介电谱

用时域和频域方法在0-150℃研究了掺杂Y的PbWO4单晶的介电谱。样品的复电导率和频率有关，故频域测量只能表示为导纳谱而不能将复电导率和复介电常数分开。自由弛豫时域测量中不出现外电场，故只给出用极化分量和响应时间表征的介电谱，而不受电导影响。这些极化分量和形成晶体闪烁发光中心的各种缺陷有关。     

基于频域的数字水印算法误差分析

由于数字图像的很多水印技术能够推广适用于其它媒体,因此目前针对数字图像的水印技术研究是信息安全领域的重要研究课题。提出一种基于频域的数字水印算法误差分析,通过数值计算表达式来建立水印嵌入参数（如嵌入强度等）和图像质量的关系,使水印算法能自行确定最佳的水印嵌入能量或强度。     

基于FIR数字滤波器随机振动信号频时域转换方法

基于有限长单位冲激响应数字滤波器,根据指定ESA功率谱密度函数特征,设计了FIR数字滤波器,并通过控制其参数,获得了满足预定条件和要求的滤波器幅相特性.利用白噪声序列作为滤波器输入端,生成了符合要求的随机振动时域信号.同时还采用基于AR自回归模型参数方法对获得的随机振动时域信号进行功率谱估计与验证.结果表明:功率谱精度及两功率谱曲线间的误差完全在允许范围内,采用该方法获得的随机振动时域信号完全满足仿真与试验测试对信号幅频特性和功率的要求.