两种时频分析方法在心音信号处理上的比较研究

在介绍小波变换（WT）和希尔伯特一黄变换（HHT）时频分析的基础上,通过非平稳信号实例对比分析了小波变换和Hilbert变换,并将其应用于心音信号的处理。通过比较和分析小波变换和Hilbert变换在心音信号处理上的特点,最后得出结论：HHT变换有较好的计算效率以及较好的时域和频域分辨率,在分析非平稳信号时比小波分析更具适应性,在心脏疾病诊断等研究中有着广阔的应用前景。     

心音信号的时-频分析

与心脏有关的各种疾病的信息常常反映在心音中.心音的改变和心脏杂音的出现,往往是器质性心脏病的最早体征.心音信号是非平稳信号,为全面了解心音信号的特性,文中探讨了短时傅立叶变换和小波分析两种时频分析方法;并利用它们对正常和非正常心音信号进行了分析,通过对比分析结果,比较了各自的优劣.     

利用小波变换分析心音信号

心音信号可以用于诊断一些心脏瓣膜和心肌的疾病，心音信号是一种非平稳信号，而小波变换中数字信号处理技术适合于分析非平稳信号。文章阐述了一种利用小波变换分析心音信号的方法。通过对计算机模拟的心音信号的分析实验，分析利用小波变换可以有效地分析心音信号，从而为利用心音信号诊断心脏疾病提供了一种新的方法。     

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.     

心音信号的短时傅立叶变换分析

心音信号是一种典型的非平稳信号,短时傅立叶变换(STFT,又称窗口傅立叶变换)是用于对非平稳信号进行时频分析的有效工具.在用STFT分析心音信号时,窗口宽度的选择是非常重要的.一方面,要使用尽可能窄的窗口来保证信号的局部平稳性,另一方面,要选用较宽的窗口来提高频率分辨率.如何处理这一矛盾就成了问题的关键.通过调整滑动时间窗的宽度,达到了比较满意的效果.首先用窄时间窗进行分析,频谱图具有高时间分辨率,得到了心动周期等时域特征参数.进而逐渐加宽时间窗,最后得到高频率分辨率的频谱图,可以看出各心音成分的频谱特征.实验结果表明,不同时频尺度的STFT分析可以很好地描述正常心音信号的时域和频域特征.     

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。     

一种有效的心音信号分析方法

随着计算机技术和数字信号处理技术的发展,心音信号的定量分析对于先天性心脏病（CHD,简称先心病）的早期诊断和治疗具有十分重要的意义。目前,许多分析方法被用于心音信号的分析,而且,国内外生物医学界的科研人员都已经取得了一些成就。但由于心音信号是一种时变的、非平稳的、由多种成份组成的复杂信号,传统的分析方法难与达到令人满意的效果。本文通过使用几种非线性的时频分析方法对心音信号进行分析,数据显示文章所使用的谱图重排分析法更能有效的抑制交叉项,更适合对心音信号进行分析。     

魏格纳--维尔分布在非平稳信号分析中的应用

简要介绍了魏格纳——维尔分布及其性质，通过列举两个应用魏格纳——维尔分布来分析非平稳信号的实例，显现这种方法在分析非平稳信号中的作用．     

一种新的内燃机振动信号时频分析方法

本文针对现有时频分析方法在内燃机振动信号特征提取中存在的问题,提出利用经验小波变换(EWT)结合同步压缩变换(SST)对相关信号进行处理。仿真及实例验证结果表明,该方法不仅能够对内燃机振动信号时频特性进行有效表征,而且较传统时频分析方法具有更高的时频分辨率,对含噪信号表现出较强的鲁棒性。     

时频表达在心音研究中的应用

心音是一种非平稳信号,用时频分析方法可以获得这种信号的一些重要的特征,为此提出了不同时频表达在心音研究中的几个性能指标：频谱的聚集度,时间包络的覆盖率、均方误差和规则性.基于这些指标比较了心音信号的短时傅立叶变换、连续小波变换、S变换、Wigner-Ville分布等时频表达的性能,并给出了具体应用的例子．     

心音信号的时频分析

首先对几种典型信号的计算结果进行了分析，并比较研究了短时傅里叶变换和连续小波变换在心音信号时频分析方面的性能差异．指出了应用这２种方法应该注意的问题，并对一例正常和一例非正常的心音信号的时频分析进行了讨论     

能量无限的信号的小波分析方法

利用连续小波变换研究了能量为无限的信号的谱分析，引进了时－频功率谱的概念，并研究了时－频功率谱与经典的功率谱及平均功率的关系；还引进了自相关函数的小波变换，且研究了它与时－频功率谱之间的关系。     

一种基于时频分布的DOA估计方法

提出了一种基于信号时频分布波达方向估计的新方法。该方法根据信号的时频特征来构造阵列的时频相关矩阵Wxx和Wxy，再利用旋转不变技术对信号的波达方向(DDA)进行估计。由于充分利用了信号的时频域特征，此方法既适用于时不变的、平稳信号又适用于时变的、非平稳信号，与传统的一维ESPRIT方法比较，改善了DOA估计的性能，尤其是在低信噪比和空间近角度时，性能的改善是明显的。数值仿真的结果证明了上述结论。     

利用高阶累积量的时频重叠MPSK信号调制识别

针对多信号的互相干扰,在时频重叠情况下调制识别困难的问题,提出一种基于高阶累积量的识别方法。由于不同数字调相信号的高阶累积量存在差异;并利用高阶累积量对噪声的不敏感性,从中选取四个特征参数。采用决策树的分类方法,对任意方式组合而成的十种相移键控三信号进行制式识别。实验结果表明,在信噪比不低于0 dB的情况下,可以有效地识别十种时频重叠三信号。与现有的算法对比,该算法在提高信号识别率的基础上,同时也增加了可识别时频重叠信号的个数。     

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EMD时频分析的声波测井油层的信息提取

阵列声波测井信号是典型的非线性、非平稳信号。文中采用EMD（经验模态分解）的时频分析方法,对油层声波信息提取储集层性质。首先对信号进行EMD分解,得到有限个固有模态函数（IMF）,再次对每个IMF做H ilbert变换,求得信号的H ilbert谱的三维分布以及H ilbert边际谱和瞬时能量谱,仿真结果表明,油层中纵...     

基于时频分析和神经网络的水声通信信号识别技术

 水声通信信号识别具有重要的现实意义。传统的识别器是每种调制模式分别设计的检测器,因而运算量随调制模式数量的增加而增加。随着通信技术手段日益更新,调制模式不断翻新,传统识别器已经不能满足快速检测和识别信号的要求,设计统一的特征提取方法以减少检测器的数量非常迫切。从侦收信号的时频分布中提取特征向量,利用人工神经网络对特征向量进行分类,基于此提出了一种新的识别方法。对本文提出的识别器,在使用前增加新的调制模式的样本并重新训练神经网络,使用过程中能实现更多调制模式的识别而不增加运算量。对特征向量的提取方法进行了详细描述,并通过计算机仿真实验,得出了低信噪比时的正确识别概率。     

基于时频变换及Renyi信息量的心脏收缩期杂音分析

心脏杂音的听诊具有重要的临床意义.心脏杂音可分为生理性和病理性杂音.采用ZAM时频分析的方法,对生理性和病理性收缩期杂音的特征进行分析比较,并引入了Renyi信息量,进一步讨论了区分生理和病理性收缩期杂音的方法.