基于EEMD-SVD与时域分析的马田系统轴承故障诊断

针对轴承初始故障发生的时间点以及退化趋势,提出了基于总体平均经验模式分解和奇异值分解方法(EEMD-SVD)与时域分析的马田系统故障诊断方法.该方法通过提取振动信号时域和时频特征,构建不同特征参数下的基准空间并利用正交表对特征参数进行降维和优化,最终融合成单一特征参数马氏距离.分别用马氏距离监测轴承运行状态,判断初始故障发生的时刻以及演化趋势,并依据马氏距离对轴承故障发展的过程进行了划分.该方法有效地提取了振动信号时频特征并优化了马田系统基准空间,更加准确地识别了轴承初始故障发生的时间点以及更加合理地划分了轴承的退化过程.通过两组滚动轴承加速寿命试验,验证了该方法的有效性和合理性.     

基于DSP的LFM脉冲引信信号模糊函数计算及参数提取研究

为了提高引信干扰机的干扰性能,该文提出了一种基于模糊函数的线性调频脉冲引信信号参数提取以及利用数字信号处理器实现的方法。该方法首先对接收的信号进行二维自相关变换,即计算信号的模糊函数,然后结合信号本身的特性,在相关域提取信号的调制参数,最后通过美国德州仪器公司的数字信号处理器TMS320C6416芯片对该方法进行硬件实现。仿真结果表明该方法不依赖任何先验信息,即能有效地提取出信号的调制参数,且具有良好的抗噪声性能,测试结果验证了系统具有高的可靠性和实时性。     

基于时频分析的雷达侦察信号处理技术

现代雷达系统越来越多地采用复杂的非平稳信号波形,给电子侦察系统的信号处理提出了越来越高的要求,不仅需要检测出信号包络,还要对雷达信号分选和识别的关键脉内特征参数进行分析提取．为此,将广泛应用于分析和处理非平稳信号的时频分析技术引入雷达侦察信号处理中,介绍了短时Fourier变换、小波变换和WVD等线性和非线性时频分析方法,并应用这些方法对雷达常用的线性调频信号进行了时频分析和计算机仿真,仿真结果证实了方法的有效性．     

复杂体制雷达辐射源信号时频原子特征提取方法

针对复杂体制雷达辐射源信号调制类型识别问题,提出一种新的辐射源信号脉内时频原子特征提取方法(TFAD).该方法首先利用稀疏分解原理和改进差分进化算法将辐射源信号在Ga-bor和Chirplet时频原子库中进行分解,然后利用分解后的首原子能量和Gabor原子中心频率参数分别提取出2个相似比特征和1个频率方差特征作为辐射源信号脉内调制类型的分类特征,最后通过构造有向循环图支持向量机分类器实现雷达辐射源信号的分类识别.与计算复杂度至少为O(nlogn)的分形方法相比,TFAD方法只有O(n)的计算复杂度.采用不同信噪比和多种调制参数的5种辐射源信号进行大量仿真实验,结果表明TFAD方法可获得98.3%的平均正确识别率.     

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。     

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.     

基于脉内步进LFM时频分析的抗间歇采样干扰方法

在深入研究抗间歇采样干扰的基础上,针对其时域不连续转发与时域不连续采样两个特点,提出一种基于脉内步进线性调频（LFM）时频分析的抗间歇采样干扰方法.该方法利用脉内步进LFM子脉冲之间的正交性互相掩护,通过短时傅里叶变换,将时频矩阵在时间维投影,提取干扰不连续转发段信号,并以该段信号最大值为门限,对时频矩阵进行干扰抑制,抑制后时频矩阵通过逆短时傅里叶变换,得到时域信号,并用于目标检测.理论推导和仿真结果表明,该方法可以有效抑制不同样式的间歇采样干扰,最大限度提取不受干扰信号.      

基于时频图像特征提取的LFM雷达有源欺骗干扰识别

为了提高雷达的抗干扰能力,有针对性地合成最有效的抗干扰措施,提出了一种基于时频图像特征提取的欺骗干扰识别方法。该方法对雷达接收信号进行时频分析,根据时频图像分布的特点,提取时频域可分离度和三阶Renyi熵2个有效特征参数,将2个特征参数用于雷达接收信号的自动干扰识别。仿真结果验证了算法的有效性和稳定性,为后续抗干扰措施的选取提供了先验信息。     

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.      

GNSS形变序列的信号提取方法比较分析研究

如何从观测数据序列中准确提取信号是GNSS数据处理的主要研究内容之一。经验模态分解和局部均值分解是提取信号的较为常用的2种时频分析方法,与其相比,奇异谱分析法能够准确识别提取时间序列中的趋势周期信号且不需要先验信息。因此文中利用奇异谱分析法对GNSS数据进行深入分析提取变形信号,并与局部均值分解和经验模态分解2种方法进行对比,分析3种方法提取信号的效果。鉴于奇异谱分析识别周期和趋势信号的优势,实验结果表明奇异谱分析与其它2种方法相比能更为准确的提取信号,是一种有效的GNSS数据处理分析信号提取方法。