基于S变换的内燃机噪声信号时频特性

简述了S变换的基本原理,设计了仿真试验,对比分析短时Fourier变换与S变换的时频分析和信号检测能力.结果表明,S变换是一种更加有效的非稳态信号时频分析方法.以某六缸发动机为研究对象,采集机体前端和顶部噪声信号.采用S变换对噪声信号进行时频分析,分析信号能量在时频域内的分布规律及其频率成分随时间的变化情况,结合发动机的结构特点,分析噪声信号中比较突出的频率成分产生原因.S变换比较适合于发动机噪声信号时频特性研究,研究结果对发动机低噪声改进设计具有一定的参考价值.     

基于广义S变换的信号提取与抑噪

S变换结合了短时傅里叶变换和小波变换的优点,是非平稳信号时频分析的有力工具.为了提高S变换在应用中的实用性和灵活性,该文将S变换改造成时频分辨率可调的广义S变换.广义S变换具有多分辨率特性,利用其高质量的时频分布,在时频域中设计了两种时频滤波器.前者用来实现非平稳信号中特定信号分量的提取,也可滤除处于特定时频平面中的噪声;后者直接应用广义S变换的时频谱实现,用于含高斯白噪声信号的滤波,达到了突出有效信号和压制噪声的效果.几种信号模型的仿真试验显示了它们在信号提取和抑制噪声中应用的有效性.     

基于S变换和谱减法的语音降噪

S变换是一种有效的时频表示方法,具有短时傅里叶变换和小波变换的优点,通过提出一个基于S变换的谱减法语音增强方法,将语音变换到时频联合域内进行谱减,从而得到较纯净的语音,再利用逆S变换将增强后语音还原输出.实验结果表明,该方法有较好的语音降噪能力并提高了性噪比.     

基于子波变换的语音信号压缩

基于子波变换的多分辨分析特性 ,直接采用Mallat多层分解的低频系数进行语音信号压缩 ,并进行了计算机仿真 ,结果表明该方法是有效的、可行的 .     

基于小波变换的语音信号的特征提取

本文将小波变换用于语音信号目标特征的提取,利用小波变换对语音目标进行小波包分解后提取各频带内的能量特征作为特征向量。实验表明,小波变换使信号的频率特征得到增强,且压缩了特征空间的维数,具有很好的语音信号分类效果。     

基于Hilbert-Huang变换的第一心音信号时频分析

根据瓣膜原理,第一心音(S1)是在心脏收缩期由二尖瓣和三尖瓣关闭时引起的振动产生的,含有多个频率分量.对第一心音信号的分析研究,在临床上对心脏疾病的诊断有重要意义.本文用一种全新的时频分析方法:Hilbert-Huang变换(HHT),对30例心音数据进行心音分析实验.实验结果表明:HHT方法可以有效的分析心音信号;S1含有二尖瓣M1及三尖瓣T1两个主要成份;异常S1的M1和T1的频率比正常S1有升高.     

信号分析的新方法:TT变换

TT变换可有效的解决S变换中有用信号的起始时间不能准确确定的问题.TT变换的可逆性,为改善时时滤波和信号噪声问题提供了可能.TT变换和加窗的时间序列的唯一不同是:TT变换中信号的高频成份比低频成份更集中于高斯窗的中点.TT变换和S变换配合使用,可准确的确定有用信号的起始时间,可有效的区分有用信号和噪声信号.     

S变换的一种有效表示

为了改善S变换的冗余度,提高S变换的计算能力,研究了S变换的一种有效表示.通过引进一组正交基函数来局部化频谱,并保留S变换相位特性上的优势.这些正交基函数的相位特性和傅里叶频谱的相位保持直接的关系,能够紧凑频率并在时域局部化.因此可以用局部交叉谱来衡量两个时间序列中多种成分之间的相移,作为时间和频率的函数.此外,还可以定义一个广义的瞬时频率(IF)适用于宽带非平稳信号.通过基本函数和复小波的直接比较,突显了这种方法的优势.     

基于广义S变换的沉积旋回分析方法研究

传统时频分析方法(如傅立叶变换、短时傅立叶变换、小波变换、S变换等)的时频分辨性均不佳,在实际应用中受到一些限制,难以满足高精度时频分析要求.广义S变换,引入λ和p两个参数对S变换进行了扩展,其时频分析效果得到较大提高.对广义S变换方法原理进行了深入研究,编写了广义S变换时频分析程序.通过非平稳线性调频信号和4种典型沉积旋回模型分析,证实了广义S变换的可靠性及优越性.最后,将该方法推广到实际地震资料沉积旋回分析中,取得了良好的效果.     

基于小波包变换的声信号时频特性分析

用一种基于小波包变换的树形分解方法对声音信号进行了时频局部化多尺度分析,并利用分解系数重构了信号,结果表明用这种方法可获得高分辨率的信号语图。     

基于反褶积广义S变换的地震频谱成像方法研究

当薄互层较发育时,利用地震资料对储层的含油气性进行预测存在较大的困难。因此,发展高精度的时频分析方法并将其应用于储层内的烃类检测具有重要意义。提出了基于反褶积广义S变换的新时频分析方法;该方法将信号的广义S变换谱与窗函数Wigner-Ville分布进行二维反褶积,可得到信号Wigner-Ville分布。通过数值模拟结果可知,该方法与传统的时频分析方法相比,不仅克服了传统时频方法采用固定时窗分析信号的局限,并且具有更高的时频分辨率。三维实际资料处理结果表明,相对于传统时频方法,该方法适用于非平稳的地震信号分析;在薄储层预测方面更具优势,进行烃类检测的可靠性也较高。     

基于改进S变换的配电网故障定位方法

该文提出了一种基于改进S变换提取行波特征频率的配电网故障定位方法。配电线路故障产生的暂态行波在波阻抗不连续点之间来回反射,从而在不同的振荡路径上形成不同的特征频率分量,根据故障路径特征频率分量的大小可以计算出故障距离。S变换是一种性能优越的时频分析方法,该文将其应用到行波特征频率的提取中,仿真结果验证了该方法相此基于Morlet连续小波变换方法的优越性。     

小波变换的时频分析及其在实际中的应用

由于小波变换自身的特性,它非常适合对非平稳和时变信号进行分析及处理。本文介绍了小波变换的时频分析,具体将小波变换应用于几个非平稳及时变信号的处理,并将小波变换和其他信号时频分析方法做了比较,得出了小波变换的优势和适用特点,最后给出了小波变换应用于信号去噪的例子。     

雷达辐射源信号时频原子库研究

在雷达辐射源信号时频原子分解中,原子库的特性直接影响着时频原子库的挑选,如何选取最佳的时频原子库对不同类型的雷达辐射源信号进行分解具有很重要的意义.针对这一问题,利用5种结构性能不同的原子库,结合量子进化算法对5种不同类别的雷达辐射源信号进行时频原子分解.实验结果表明,时频原子选择与雷达辐射源信号的特点密切相关.     

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。     

时频分析在语言想像脑机接口中的应用

为了分析语言想像所诱导的脑电信号的时间和频率特性,利用事件相关谱扰动(ERSP)对信号进行时频分析.首先,经ERSP确定能量波动的频率范围;然后,根据该频率范围计算信号的事件相关(去)同步(ERD/ERS),并利用共空间模式和支持向量机分别对单次实验数据的特征值进行提取和分类.对8位被试的试验结果分析表明,被试间的频率范围具有显著的差异,其中4位被试的频率范围含有α波,3位被试含有α波和β波,1位被试的脑电信号在默读汉字时无明显变化.2个汉字默读时的脑电信号可产生相似的ERD/ERS.优化频率范围后针对这2个汉字的平均分类正确率分别提高了2.25%和1.39%.时频分析能更好地显示脑电信号的能量变化率,并能改善语言想像脑机接口的性能.     

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.