基于改进广义S变换的复赛谱时频域反褶积方法

时频域反褶积的关键在于时变子波的提取和时频谱分析,传统的时频域反褶积基于反射系数满足白谱特性的假设,同时受Gabor变换时窗固定性的影响,使反褶积结果缺乏准确性。通过调节改进广义S变换参数,获得衰减地震记录的时频谱,将其变换到复赛谱时频域提取子波时频谱,从而实现复赛谱时频域反褶积。对原有的时频域反褶积算法进行改进,提高算法的稳定性,同时在复赛谱时频域提取子波摆脱反射系数是白谱特性的假设。理论模型论证和实际数据处理结果表明,该方法能够有效地提高地震记录分辨率,并恢复地层对地震波的衰减。     

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.     

基于改进的云重心评判方法的机场电磁环境复杂度评估

分析了机场电磁环境的构成因素及其复杂性,在此基础上给出了改进的云重心评判方法,并将该方法应用于机场电磁环境复杂度评估,该方法较好地处理了定性概念与其定量表示之间的相互转换,为电磁环境的复杂度评估提供了有效的方法和途径.     

参数化S谱幅值调制及轴承故障诊断应用

针对传统谱幅值调制方法易受噪声影响的问题,利用参数化S变换得到信号在时频域中的幅值,提出了一种参数化S谱幅值调制方法。该方法首先使用参数化S变换将信号转换到时频域并得到幅值和相位,然后将不同权重赋予时频域中的幅值以改变不同能量频率成分在信号中的占比,最后将调制后的幅值与原相位结合,使用参数化S逆变换重构一系列修正信号并计算其平方包络谱以提取故障特征。仿真和实验结果表明,该方法获得的幅值信息相比传统谱幅值调制方法更加准确和全面,对强噪声环境更具鲁棒性,能够有效实现滚动轴承的外圈、内圈和复合故障诊断。将所提方法与传统谱幅值调制方法和快速谱峭度方法进行对比,证明了参数化S谱幅值调制既能检测强噪声环境下的轴承故障信息,又能同时提取多种故障分量,在滚动轴承的故障特征提取中更具优越性。     

广义S变换在转子碰摩故障诊断中的应用

基于广义S变换在处理非平稳信号的独特优势,将广义S变换(GST)引入到转子碰摩故障诊断中,利用广义S变换来提取具有不同的严重程度的转子碰摩故障信号的谐波特征.仿真研究表明:与小波变换和标准S变换相比, GST可以通过改变参数以适应不同信号的分析需要,并且具有更高的时频分辨率.试验结果分析表明:该方法能够有效地揭示出碰摩故障数据的频率结构,区分碰摩故障的严重程度.     

广义S变换及在地震波形处理中的应用

为解决标准S变换中高斯窗口不能随信号的特点而改变的问题,引入广义S变换方法,推导广义S变换公式,使用Matlab语言编写计算程序,对地震面波和背景噪声数据进行了降噪处理.与去噪前的信号进行比较,研究结果表明:利用广义S变换降噪方法在处理地震波形时能很好地去掉信号中的低频噪声,有效信号更容易分辨出来.广义S变换能根据信号特征改变高斯窗口大小,从而更好反映信号和噪声特征,提高信号降噪的效果.     

基于广义S变换的超声多普勒信号瞬时速度提取

多普勒回波信号中瞬时速度的提取对目标的运动状态分析具有重要意义,但由于其非平稳性的限制,一般的分析方法无法提供足够的时频聚焦性能.针对这个问题提出了基于广义S变换的超声多普勒信号瞬时速度提取方法,并进行了计算机仿真和实验验证.在仿真上设定超声波入射一个往复运动的质点得到了多普勒回波信号,在实验上设计了一个往复运动的机械装置,超声探头发射超声波并接收回波信号.通过对回波信号进行广义S变换,提取了信号的瞬时频率,并计算得到瞬时速度.计算机仿真和实验研究表明了广义S变换在超声多普勒信号中运动目标的瞬时速度提取上的有效性.     

基于S能量熵的直驱式风电机组故障诊断方法

及时准确发现风机主轴故障,对直驱式风电机组安全经济运行具有重要意义。针对这一问题,该文提出一种基于S能量熵的直驱式风电机组轴承故障诊断方法。该方法利用广义S变换分析直驱式风机轴承振动信号的时频特性,使信号的主要能量在时频域分布更加集中,提高了信号的时频集聚性,并通过能量熵对广义S矩阵进行特征提取,构成故障分析向量,结合VPMCD方法建立故障诊断模型,对故障分析向量进行分析诊断。该文故障诊断方法对信号进行广义S变换,对变换结果采用能量熵提取特征,通过基于VPMCD方法的故障诊断模型判断运行状态。将该文方法应用于风电机组轴承故障诊断中,实验结果证明了该方法的可行性和有效性。     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

探地雷达小目标信号时频特征分析

研究了单个和两个物体的探地雷达(ground penetrating radar,GPR)信号时域和时频域特征随物体尺寸、相距距离、介电常数的变化规律,给出了广义S变换(generalized S transform,GST)参数和双峰属性频点选取的方法以及小物体的定义,讨论了通过提取时频域的双峰属性来提高对单个物体上下界面反射波和两个物体回波的分辨率.并且指出了结合GPR信号时域和时频域特征以及双峰属性,可以大致估计单个物体的大小和两个物体之间的距离范围.     

电能质量扰动的广义S变换分析和决策树算法分类

针对电能质量扰动的检测和分类问题,提出了一种新的基于广义S变换和决策树的电能质量扰动分类方法.首先提出基于FFT的自适应调整调节因子取值的方法,再利用广义S变换对常见的几种电能质量扰动信号进行时频分析,并提取特征形成判决规则,最后生成用于对电能质量扰动进行分类的决策树分类算法.仿真实验结果表明,该算法能够实现电能质量扰动的自动分类,且分类正确率很高.     

二维窗口傅里叶变换轮廓术和二维S变换轮廓术比较

窗口傅里叶变换和S变换都是常用的时频分析技术.窗口傅里叶变换采用大小固定的时频分析窗口对信号在时域和频域进行处理.S变换采用受到信号瞬时频率控制的可变窗口对信号进行分析,它集合了窗口傅里叶变换和小波变换的优点.论文对比分析了基于"脊"处理思想的二维(2-D)窗口傅里叶和2-D S变换在基于结构光投影的光学三维面形测量中的应用.推导了他们用于条纹图相位场计算的表达式,并对比了他们的三维重建效果.模拟和实验都表明:基于"脊"处理的二维S变换方法比二维窗口傅里叶变换方法有更高的相位提取精度,即使分析严重噪声污染的条纹,采用二维S变换也能得到满意的三维重建效果.     

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.     

一种基于邻值比较的信噪分离方法

为更高效地监测射电天文台站电磁环境,需针对宽带频谱序列研究高精度信噪分离方法,为进一步的信号识别和统计提供算法支撑.依托实测频谱数据样本,提出一种基于邻值比较的信噪分离方法.首先,采用邻值比较算法,提取宽带频谱的背景噪声,并对提取背景噪声进行滤波处理,结合标准差理论,确定宽带频谱的信噪分离阈值,实现宽带频谱信号和噪声的分离.其次,采用此方法对实测数据样本进行处理,并与现有信噪分离方法进行对比.结果表明,该方法通用性较好,信噪分离准确度高,能够应用于射电天文台站的电磁环境实时监测.     

基于广义谐波小波分析的低速重载轴承故障诊断

研制出一种低频振动传感器作为谐振器,利用谐波小波在频域连续分布且具有严格的盒形谱特性,通过适当调整参数m和n,构造出不同频段的带通滤波器对信号进行广义谐波小波变换.通过广义谐波小波变换实现低速重载轴承振动信号的共振解调,从而提取出故障轴承的低频冲击信息,为低速重载轴承的故障诊断提供了一种新的有效方法.运用该方法准确判断出炼钢转炉悬挂齿轮箱耳轴轴承的故障.     

基于GST的变速机械故障信号稀疏特征提取方法

为提取强噪声背景下的变速旋转机械设备的冲击故障特征,提出了一种基于广义S变换的稀疏特征提取方法.首先,通过多分辨率广义S变换（multiresolution generalized S-transform,MGST）搜索每次迭代过程中的最佳原子,多分辨率广义S变换可以得到信号不同尺度下的归一化时频谱,并从中找出能量最大值及其所对应的时频因子,根据故障冗余字典的构建模型可得到冲击成分的最佳匹配原子.其次,结合正交匹配追踪算法（orthogonal matching pursuit,OMP）,计算出信号在原子集合下的投影,由于采用了基于多分辨率广义S变换的原子搜索策略,大幅度提高了OMP的分解效率.最后,根据稀疏表示中第一个冲击信号的出现时刻,可依次计算出冲击信号在变速情况下的出现时刻理论值,通过与实测值的比较,实现变速机械的故障诊断.仿真和实例分析结果表明,该方法比传统OMP方法和广义S变换具有更高的计算效率和定位精度.      

基于多普勒变换的水下目标运动状态检测

为解决水下目标运动状态的检测问题,提出了一种基于多普勒变换的检测方法.因受被测目标的不同运动状态影响,线性调频信号回波的参数会产生相应变化.利用多普勒变换在时频域中良好的能量积聚性,将回波信号稀疏化,然后基于压缩感知重构回波信号的特征参数,同时消除水声信道背景噪声的干扰,从而根据线性调频信号回波的物理特征判定水下目标的运动状态.仿真结果表明,该方法提高了非线性信号瞬时性能的时频域分辨率,能够有效检测水下目标的运动状态,并且在低信噪比下具有较高的检测概率.     

空间相机检测设备的高速信号传输技术

为了验证及评估空间相机检测设备的高速串行信号传输的可靠性,提出了对设备的高速信号链路进行建模及协同仿真的方法.首先建立了高速串行信号链路的混合模型,包括高速收发器通用模拟电路仿真器(HSPICE)模型、收发器晶片到封装焊球之间键合线的RLGC模型、仿真软件SIwave提取的印制电路板(PCB)布线的S参数模型和SATA连接器及其线缆的S参数模型.然后基于ADS仿真平台,通过频域的S参数仿真和时域的眼图仿真,分析了整个信号链路以及各互联结构对高速信号传输的影响.频域和时域仿真结果均表明该传输链路支持3.125Gbit/s的传输协议RapidIO最高传输速率,系统实际测试的误码率低于1×10-14.提出的建模与仿真方法也适用于其他各种高速串行传输系统.     

基于心电信号频域特征的身份识别方法

本文提出了一种基于频域特征的心电信号身份识别的方法,利用傅立叶变换对心电信号进行频域分析,得到心电信号的幅频特性图谱,提取包括信号频域斜率、谐波数、幅度差值等特征参数,以及根据傅里叶变换,得到心电信号的能量谱中的低频能量、高频能量占总能量的比率构成代表心电波形的特征向量.分别利用相关分析和神经网络分类器进行识别,其中基于神经网络的身份识别准确率达到96.4%.     

基于广义S变换和压缩感知的端到端流量估计算法（英文）

研究了高速网络中的流量矩阵估计问题.针对该问题在时域中的高病态特性,提出一种新的算法来解决该问题,该算法利用广义S变换和压缩感知来建模流量矩阵.通过广义S变换,则在时频域中对流量矩阵进行估计;在时频域中流量矩阵被分解为稳态分量和波动分量两部分,稳态分量通过抽样测量的样本数据进行建模分析,而波动分量则利用压缩感知理论进行估计.最后,利用真实网络流量数据验证所提出的算法,仿真结果表明所提出的算法是有效和可行的.