多Chirp成分信号双线性时频分布的交叉项分析

以广泛出现在许多工程应用领域和物理现象中的多Chirp成分信号为对象，研究了双线性时频分布对这种信号时频分布的交叉项特点，推导了几种分布的交叉项的数学表示，从模糊平面分析了交叉项抑制的机理，提出了双线性时频分布对多Chirp成分信号时频表示存在局限，仿真试验结果显示理论分析正确．     

线性时频分析在弱信号检测中的应用

介绍了时频分析理论及线性时频分析方法．将短时Fourier和小波变换用于弱信号的检测并比较了其性能．最后给出了计算机仿真结果。     

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。     

结构时变模态参数辨识的时频分析方法

应用线性和二次时频变换方法，即短时傅里叶变换和魏格纳—维尔分布，进行了时变结构模态参数的辨识．通过对刚度突变和刚度连续变化的单自由度系统时变参数辨识的仿真，论述了两种时频辨识方法的特点．仿真结果表明，时频变换辨识方法是辨识时变模态参数的有效工具，而且魏格纳—维尔分布二次时频表示能得到比基于短时傅里叶变换的谱图更好的辨识结果．     

线性时频分析在弱信号检测中的应用

介绍了时频分析理论及线性时频分析方法.将短时Fourier和小波变换用于弱信号的检测并比较了其性能,最后给出了计算机仿真结果.     

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。     

自适应时频分析的发展历程

从分析固定核函数的时频分析法对分析信号的局限出发,引出其于数据的变窗长STFT分析、基于信号的径向高斯核时频分析、自适应配投影时频表示,阐述了Chirplet变换的物理意义和数学基础。这一工作旨在提示揭示自适应时频分析的发展历程,同时阐明作为自适应时频分析的工具,Chirplet变换具有高茺概括框架地位,其他种种自适应分析方法都是其低维持例。     

基于频域去相关的语音信号分离

目前基于纯净语音信号的语音识别系统和说话人识别系统都已达到了很高的识别率,但是当信号中含有噪声,特别是含有语音噪声时,识别率就会大大降低.解决这一问题的关键是实现语音与噪声的自动分离.考虑到语音信号的非平稳特性,把时域去相关的思想推广到频域,提出了频域去相关算法,实验结果显示了算法的有效性.     

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．     

基于BTFD-Hough变换的多Chirp成分信号的检测与参数估计

由于双线性时频分布(BTFD)对多个Chirp成分信号的时频表示存在交叉项干扰，因而在低信噪比情况下直接在时频平面难于进行检测和参数估计．该文提出了将信号的双线性时频分布作为图像，利用Hough变换检测图像中直线的原理，将多Chirp成分信号的检测与参数估计转换为在参数空间寻找局部极大值及其坐标的问题，可以使得检测和参数估计一并完成．仿真实验表明，该方法不仅能够有效地检测多Chirp成分信号并估计其参数，而且有较高的抗噪声性能，并能起到抑制与信号自项重叠的交叉项干扰的作用．     

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．     

基于残差比阈值的迭代终止条件匹配追踪稀疏分解方法

基于传统的迭代终止条件,应用匹配追踪(MP)稀疏分解方法分解高噪信号,研究了固定迭代次数及阈值迭代终止条件的不足.引入相邻残差之比,规格化相邻残差之差,减少了噪声的干扰,设计了残差比阈值迭代终止条件. 采用残差比阈值迭代终止条件,对高噪声超声信号进行稀疏分解,分解过程会根据噪声成分的水平自适应地终止迭代,克服了传统迭代终止条件无法选择迭代终止阈值的问题.理论推导与实验都证明了残差比阈值迭代终止条件具有很强的鲁棒性.     

经验模态分解的时频分析方法及其应用

研究了经验模态分解与希尔伯特变换相结合提取信号特征参数的方法,并对其性能进行了分析。给出了经验模态分解时频特性分析方法及步骤,并用该方法对瞬态信号特征提取及信号趋势提取进行了研究,仿真实验验证了该方法的可行性和有效性。将经验模态分解时频分析方法应用于信号的趋势提取领域,验证了此时频分析方法的有效性以及反映信号局部时频特征的独特优点。     

基于GA和过完备原子库划分的MP信号稀疏分解算法

信号稀疏分解计算量大是阻碍其实时应用的主要因素.研究基于匹配追踪(Matching Pursuit)方法实现的信号稀疏分解算法,提出了基于过完备原子库集合划分的、分两阶段搜索的、遗传算法快速寻找MP过程中每一步分解的最佳原子,在稀疏分解重建信号质量不变的条件下,提高了稀疏分解的速度.算法的有效性为实验结果所证实.     

自适应时频分析的发展历程

从分析固定核函数的时频分析法对分析信号的局限出发 ,引出基于数据的变窗长STFT分析、基于信号的径向高斯核时频分析、自适应配投影时频表示 ,简述了Chirp let变换的物理意义和数学基础。这一工作旨在揭示自适应时频分析的发展历程 ,同时阐明作为自适应时频分析的工具 ,Chirplet变换具有高度概括框架地位 ,其他种种自适应分析方法都是其低维特例。     

管道缺陷超声导波监测信号匹配追踪去噪

采用超声导波进行管道缺陷监测过程中混入干扰噪声严重影响缺陷反射回波的提取和识别,提出了一种新的管道缺陷超声导波监测信号匹配追踪去噪方法。将Hanning窗调制的正弦波激励信号经过时间平移和幅值调制作为基本原子形成自定义过完备波形字典,对管道缺陷超声导波监测信号进行匹配追踪稀疏分解,提取其中有效成分进行信号重构,经多次迭代实现信号去噪。对有限元数值模拟和实际管道缺陷监测信号分别采用传统小波阈值和提出的匹配追踪法进行去噪处理,结果表明,当信噪比较低时匹配追踪法明显优于小波阈值法,即使在干扰噪声完全淹没缺陷反射回波的场合,仍然可以提取出清晰干净的缺陷反射回波信号,为正确分析和评估现役管道安全运行状况提供了一条新的途径。     

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.      

基于自适应神经网络的调频调幅信号预测

线性调频信号在雷达和声纳探测上有着广泛的应用,利用自适应神经网络理论对线性调频信号的预测进行了研究,建立了自适应神经网络预测控制模型．在Matlab里进行了仿真,从图上可以看出,尽管在预测的初始阶段误差较大,但经过一段时间后,误差几乎趋于零．结果表明自适应神经网络能较好地对线性调频信号进行预测．     

一种基于窗长自适应的语音信号处理算法

首先指出固定窗长的窗函数在处理复杂语音信号时,通常会遇到保持短时平稳性和准确性的矛盾.继而提出一种窗长可以自适应的算法来解决问题,在维持短时平稳性的同时保证准确性.实验结果表明,通过窗函数的窗长自适应来响应复杂信号的频率变化,能够更准确、更有效地处理语音信号.