时频相关匹配法在信号提纯中的应用

非平稳信号与噪声之间存在较强的时频耦合,这使得经典的消噪方法难以实现信噪的有效分离。在分析短时傅里叶变换(STFT)、Wigner〖XC半字线.tif,JZ〗Ville时频分布(WVD)、Chirplet时频变换三大时频变换方法的理论基础上,提出了一种采用时频相关匹配进行非平稳信号噪声抑制的算法。该算法将信号的WVD作为模版与STFT能量谱分布互相关处理,得到无交叉项干扰且具有较高时频分辨率的信号时频二维谱(简称为自谱窗WVD)。采用二维最小二乘拟合方法将被分析信号中的有用成分匹配成Chirplet基函数     

基于多传感器时频分布的机械故障信号欠定盲源分离方法

结合多传感器时频分布(multisensor time-frequency distributions,MTFD)和盲源分离(blind source separation,BSS)的特点,提出一种针对机械复合故障信号的欠定盲源分离方法。首先利用Wigner-Ville分布将观测信号转化为MTFD矩阵;然后对该矩阵进行白化处理和噪声阈值处理,并对其自动项进行选择,对其特征向量进行集群处理,从而得到源信号TFD的估计;最后对源信号进行重建,得到源信号的估计。仿真及试验结果表明,本文所提出的方法在处理非平稳复合信号的欠定盲源分离方面具有很好的效果。     

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。     

基于时频分析的GNSS连续波干扰检测

GNSS(Global Navigation Satellite System)信号在传播的过程中会受到各种连续波的干扰,以至于接收机很难根据GNSS信号进行准确的导航和定位。GNSS接收机接收到的信号是近平稳或者非平稳的,其统计量是时变函数。因此只了解信号在时域或频域的全局特性是远远不够的,还需要知道信号频谱随时间变化的情况。为了分析和处理非平稳信号,文章引入了时频分析的方法,利用其可以同时描述信号在时间和频率的能量密度和强度;通过短时傅里叶变换和Wigner-Ville分布分别处理被连续波干扰的GNSS信号,它们都能够捕获GNSS信号中连续波干扰的频率,再通过滤波器滤除连续波的干扰;利用Wigner-Ville分布和短时傅里叶变换,通过Matlab仿真分别检测GNSS信号中连续波干扰的频率,并比较两者性能的差异。     

套管井不同胶结状况下声波测井响应及其时频特征

利用自制的模型井,在实验室内研究了套管井第一界面不同类型的水泥胶结窜槽的声波测井响应特征,基于Choi Williams内核的Wigner Ville分布,对该声波测井响应进行了时频分析。结果表明,发射和接收探头同时处于胶结良好区域或者发射和接收探头之间存在夹角小于180°的周向窜槽时,时频分布图中具有3个幅度不等的能量峰,能量分布范围比较宽;当发射和接收探头之间存在夹角大于180°的窜槽时,时频分布图中仅有2个能量峰。发射和接收探头之间未胶结区域越不规则,其能量峰越不容易区分。当发射和接收探头同时处于自由套管内时,仅有1个幅度较高的单一能量峰,并且其能量分布范围(对频率)减小。     

基于时频误差分析法的随机介质波场特征分析

设计了含裂缝的随机介质模型和含随机介质的复杂盐丘构造模型,基于声波方程有限差分法,进行了波场快照及共炮点地震记录模拟;利用连续小波变换的时频误差分析方法,分析了与所给模型相同构造的各向同性介质模型的地震记录的时频振幅误差;统计分析了各道地震记录的时频特性,所得结果与利用连续小波变换的时频误差分析法吻合较好.表明时频误差分析法能为研究随机介质波场特征提供一种可行的思路.     

Hilbert-Huang变换与大地电磁信号的时频分析

将Hilbert-Huang变换引入大地电磁信号的时频分析中,介绍HHT(Hilbert-Huang transform)时频分析原理及方法,给出仿真信号的经验模态分解及其时频分布,并对实测大地电磁信号进行HHT时频处理与剖析.研究结果表明:Hilbert能量谱随时频的具体分布具有很强的非稳态动态变换时频刻画能力;时频谱的时间、频率分辨率不受Heisenberg测不准原理的限制,且其时间、频率分辨率都很高,有很好的时频聚集性;HHT方法能用于描述大地电磁信号的非线性时变特征,是大地电磁信号时频分析的有效工具.     

基于时频特征的Wi-Fi手势识别技术

随着人工智能的快速发展,手势识别已经成为重点关注和研究的对象,利用Wi-Fi信号进行手势识别的技术无需额外的设备以及光照的条件,逐渐成为手势识别的主流.针对传统基于时域统计特征的方法,将经过噪声抑制后的信号进行短时傅里叶变换(short-time Fourier transform,STFT)构建手势信号的频域特征,结...     

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.     

二维信号Hilbert-Huang变换时频谱研究

Hilbert-Huang变换(HHT)自适应时频分析是处理非平稳数据较为有效的新方法.根据一维Hilbert-Huang变换信号时频谱变换原理,研究了二维信号的分解和时频谱分析方法.通过把二维信号按指定方向进行一维分解和时频谱变换,构造出二维信号时间(空间)-频率-能量谱图,使二维信号在指定方向的时频特性能正确地显示出来,从而拓展了Hilbert-Huang变换的应用范围.该方法为分析非平稳二维信号提供了新的工具.     

An advanced algorithm of electrical capacitance tomography

We describe a new two-phase flow electrical capacitance tomography algorithm of image reconstruction which is based on 12-electrode capacitance transducers. According to the result of computer simulation, this algorithm is able to greatly increase the imaging fidelity without decreasing the imaging velocity. Supported by the Natural Science Foundation of Guangdong Province (No. 950490) Yan Jie: born in 1969. Ph.D.     

小波包时频分析方法的研究及应用

针对非线性、非平稳信号分析与处理方法不能满足某些特别的工程要求的问题,提出将小波包变换和短时傅立叶变换融合形成小波包时频分析技术.建立了一套较完善的小波包时频分析技术框架体系.给出了小波包时频分量谱与小波包时频分量幅度谱以及小波包时频谱与小波包时频幅度谱的算法.对小波包分解的直接算法、Mallat算法、混合算法在计算量和识别精度等方面进行了比较研究.应用Visual C++,OpenGL,photoshop等计算机软件工具和虚拟仪器技术开发了一套虚拟小渡包时频分析仪.能实现任意信号的小波包分解和显示.最后将小波包时频分析应用于仿真测试信号与实测机械磨床振动信号,发现小波包时频分析在识别奇异、辨别信号深层次细节方面具有较好的性质.     

基于时频分析的地震道集校平技术应用

依据现代信号分析理论,对叠前地震道集剩余动校正黾的消除技术进行研究,在模型数据和实际数据的试验基础上,探讨基于时频分析技术的叠前道集校平方法.结果表明:通过对地震信号进行时频分解,并在信号重构时完成高精度的剩余动校正量的消除,处理前后信号振幅不变,道集同相性增强,叠加后信号有效频带变宽;利用近偏移距地震道的叠加道作为模型道,在有效消除剩余时差和校平同相轴的同时,避免了叠前道集动校拉伸畸变对模型道的影响,保证了技术实现的精度;该方法在消除叠前道集中剩余动校正量方面具有较强的实用性.     

小波包时频分析方法的研究及应用

针对非线性、非平稳信号分析与处理方法不能满足某些特别的工程要求的问题,提出将小波包变换和短时傅立叶变换融合形成小波包时频分析技术。建立了一套较完善的小波包时频分析技术框架体系。给出了小波包时频分量谱与小波包时频分量幅度谱以及小波包时频谱与小波包时频幅度谱的算法。对小波包分解的直接算法、Mallat算法、混合算法在计算量和识别精度等方面进行了比较研究。应用Visual C++,OpenGL,photoshop等计算机软件工具和虚拟仪器技术开发了一套虚拟小波包时频分析仪,能实现任意信号的小波包分解和显示。最后将小波包时频分析应用于仿真测试信号与实测机械磨床振动信号,发现小波包时频分析在识别奇异、辨别信号深层次细节方面具有较好的性质。     

基于时频约束的井震资料联合时深标定方法

采用适用于层序地震学分析的时频分析方法,分别计算地震和测井曲线的时频谱。依据测井资料与地震资料沉积旋回时频谱特征以及显著反射界面在时频谱图像上的特征,利用测井资料与地震资料的时频谱研究层位对应关系。在合成记录标定的基础上,进行合成记录和井旁道的时频谱相关度分析,通过对应井震上相同层位旅行时对已有的时深关系进行校正,从而提高时深转换的精度。由于测井中存在漂移,且在井震标定中地震层位是固定不变的,测井层位相对于地震层位进行测井曲线的拉伸、压缩与平移。本文根据图像映射原理对测井曲线层位进行校正。基于一个参考时深关系,利用该方法对不同地区实际井震资料多种曲线进行时频分析及时深关系校正,取得了良好的效果。     

基于局域波时频分析的机械故障诊断

提出一种新的自适应时频分析方法——局域波法．结合仿真信号与故障检测信号进行分析研究,提出一种新的机械故障诊断方法并将其成功地应用到齿轮箱故障诊断中．振动信号能量在局域波时频分布中的变化,是局域波法诊断齿轮磨损故障的特征．诊断结果表明,局域波时频分析为齿轮磨损故障诊断提供了一种更为有效的手段,在故障诊断工程中具有广泛的应用前景．     

用非交换图刻画L3(q)

令G是一个有限群,其非交换图▽（G）如下定义：顶点集合▽（G）是G／Z（G）,当两条边x与y的换位子不等于单位元时x与y相连.我们证明了如果G是一个有限群,且▽（G）≌▽（M）,其中M=L3（q）,q=pn,p是素数n∈N,则G≌M.     

含噪ICA模型的一种时频算法

实际ICA(Independent Component Analysis)模型中,观测信号常常被各种噪声干扰,致使ICA的源估计相当困难.针对信号源噪声污染情形,分析了ICA模型的估计难点;并假设信号和噪声的时频特性不同,以一种高性能的双线性时频分布计算混合信号的时频特性,辅之Hough空间变换思想,将噪声能量扩展到整个参数空间,只选择信号能量占主导的自项点进行最小二乘对角化估计源信号,提出了一种时频抗噪ICA方法;最后,详细分析了该方法的抗噪性能.该方法扩展了ICA模型的应用限制条件,能有效分离各种非平稳信号.     

Higher order moment spectra time-frequency analysis of the geophysical signal

On the basis of an introduction of the Wigner Higher-Order spectra (WHOS) and a general class of time-frequency higher-order moment spectra, the geophysical signal was analyzed using the higher order time-frequency distributions (TFD). Simulation results obtained in this paper show that the higher-order TFD (Wigner Bispectrum, Wigner Trispectrum and Choi-Williams Trispectrum) have much better Time-Frequency Concentration than the second-order TFD, and the reduced interference higher-order TFD such as CWT can effectively reduce the cross-term in multicomponent signals and simultaneously obtain high time-frequency concentration. Foundation item; Supported by the National Natural Science Foundation of China (49904010) Biography: Liu Xiang-hong (1977-), female, Master candidate, research interest: modern signal processing.     

基于时频特征和PCA-KELM的液压系统故障诊断

为了解决液压系统泄漏、堵塞和气穴等多类型故障下特征提取和模式识别困难的问题,提出基于时频特征和PCA-KELM的液压故障智能诊断新方法。首先利用统计分析和总体平均经验模态分解方法,构造高维混合域初始特征向量,从不同特征指标、不同分析角度对不同种类液压故障进行表征和刻画;然后通过主成分分析对多维初始特征向量进行降维和特征二次提取,将高维相关变量转化为低维独立的主特征向量;最后利用PCA主元构造的主特征向量输入核极限学习机网络中,实现故障类型的识别。实验结果表明,混合域初始特征向量能全面准确地描述故障特征,PCA提取的主特征向量摒弃了冗余信息且简化了分类器结构,KELM网络诊断速度快、分类准确率高。