EMD与CWD结合在暂态电能质量扰动检测中的应用

针对Cohen类二次型时频分布存在的交叉项,提出一种基于EMD与Choi-Williams分布相结合的方法,利用经验模态分解将信号从频域上分离若干个固有模态函数经过去伪后进行Cohen分布的时频变换,将得到的结果叠加重构出原始信号的Cohen类时频分布.仿真结果表明,该方法能有效抑制时频分布的交叉项,保证Cohen分布的时频聚集性,提取扰动特征.     

Wigner分布干扰项抑制及其算法

Wigner分布是一种真正意义上的时频分析方法,但存在其固有缺陷即虚假时频谱（干扰项）问题。将实信号转化成所对应的解析信号,并采用Choi-Williams方法对Wigner分布进行修正、实现了对干扰项的有效抑制,获得了满意的信号时频谱,给出了用解析信号计算信号Wigner分布及Choi-Williams分布算法,通过几个典型信号（分段多分量信号,调频信号等）。对所研制的软件进行仿真实验,结果与理论相符,表明了软件算法的正确性。     

抑制Wigner-Ville分布交叉项方法的比较

由于Wigner-Ville分布对于多分量信号存在交叉项的干扰,影响了特征提取的准确性。利用Choi-Williams分布,可以有效地抑制上述存在的交叉项问题,但其时频聚集性有所下降。因此,提出了基于EMD的Wigner-Ville分布进行特征提取,并在数字仿真振动信号上加以验证。分析结果表明,该方法解决了交叉项和时频聚集性下降问题。     

基于自适应谱的局部放电信号时频特性分析

应用自适应谱对单个局部放电脉冲信号进行了时频特性分析,并与短时傅里叶变换谱、离散Wigner分布和Choi-Williams分布相比较,结果表明自适应谱上有能量集中、时－频域分辨率高、无交叉干扰项等优点,它能够细致刻画局部放电信号在时频平面上所发生的变化过程,准确反映出局部放电信号的时频特性,从而为局部放电信号的特征提取和模式识别开创了一条新的途径,对时频谱的分析还发现,局部放电信号的的频率分量达到GHz范围,这就为超高频和超宽频带局部放电检测的研究提供了理论依据。     

心音自动分段算法及两种时频分析方法的对比

本文提出了一种不借助参考信号的定位方法实现心音信号的定位分段算法,首先使用归一化香农能量算法得到心音信号的包络图,然后通过包络和心音自身特性进行定位,S1的终止点、S2的起始点与终止点是依据心音周期的长度来计算,具有良好的自适应性,正常人的识别准确率较高,能达到93.6%,而异常人的稍微低一些,在89%左右。应用了STFT、Choi-Williams分布这两种时频分析法来对比正常和异常人的心音信号之间的差别,从时频等高线图来区分正常和异常信号的直观性说,Choi-Williams分布优于STFT分布。     

一种分析睡眠脑电图的时频特征图

使用Choi-Williams分布对一段睡眠脑电图（EEG）信号进行时频变换，利用局部频谱的特征估计各个时间间隔里的波形，并得到局部频谱的特征曲线，整段EEG信号中所有时间咪上的频谱特征曲线组成一种时频特征图，使用该时频特征图分析睡眠EEG，不仅能够统计该段EEG信号中各种基本波形的出现情况，而且可以观察EEG信号中每个基本波形的变化方式，通过时频特征图对采集的实际睡眠EEG数据进行分阶实验，结果表明，时频特征图可以作为一种分析睡眠EFG有效工具，有良好的应用前景。     

内燃机优化VMD-CWD时频表征与BSNMF编码识别诊断方法

针对内燃机振动响应信号强耦合、弱故障特征的问题,提出一种基于参数优化VMD-CWD内燃机振动时频表征与BSNMF分块编码识别的故障诊断方法.利用变分模态分解(VMD)将内燃机振动信号分解成一组本征模态函数(IMF),并叠加IMF分量信号的Choi-Williams分布(CWD)获得时频聚集性良好,无交叉项干扰的振动谱图像.针对VMD分解过程中的参数选取问题,引入功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性.为了实现内燃机振动谱图像的自动识别诊断,在稀疏非负矩阵分解(SNMF)的基础上提出一种更容易收敛的分块稀疏非负矩阵分解算法(BSNMF),用来对内燃机振动谱图进行特征提取,并采用支持向量机对提取的特征参数直接进行模式识别.将本文方法应用于内燃机故障诊断实例中,结果表明:该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机气门机构故障的自动诊断.     

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．     

基于时频平面脊信息提取的间谐波分析新方法

针对电力系统间谐波分析的局限性,提出一种基于时频平面脊信息提取的间谐波分析新方法.该方法首先基于自适应最优核时频分布理论得到间谐波信号的时频分布,然后进行时频平面脊信息的提取,从而得到各间谐波分量频率随时间变化的特征.同仅采用时频分布刻画间谐波信号时频分布特性相比,该法具有更高的时频分辨率及更强的信息可读性.仿真及实测数据分析结果表明：该方法表现出很高的时频聚集性,且不受交叉项的影响,清晰地刻画出各间谐波分量的时变性特征,对各频率分量相隔较近的信号仍然有效.     

小波包在可控震源地震信号时延估计中的应用

在可控展源地展勘探信号处理中，利用发射信号和反射信号之间的时频分布相似性，提出了用小波包变换时频分布的二维相关算法，估计接收信号中各个反射信号分量的时间延迟。该方法能从信噪比为-4dB的接收信号中难确地对反射信号进行检测和时延估计。     

基于自适应降调频的LFM信号参数估计新算法

为解决现有基于压缩感知理论的线性调频(liner frequency modulation,LFM)信号参数估计中冗余字典规模庞大的问题,提出了一种基于改进谱形熵和降调频的参数估计新算法。该算法首先进行LFM信号的步进降调频处理,通过检测改进谱形熵的极小值获取调频斜率的预估值。其次构建降调频观测矩阵,在压缩采样的同时完成信号的降调频处理。最后通过部分重构算法获得参数估计值。实验结果表明,该算法在SNR≤-3 d B和M≤N/8条件下相比于同类算法具备更好的估计效果,同时运算复杂度得到显著降低。     

基于Hilbert谱熵的柴油机故障诊断方法研究

从信号的特征提取出发,采用局域波时频谱分析和信息熵结合的方法--Hilbert谱熵(HSE),进行柴油机振动信号的特征提取和状态识别.首先,对信号进行局域波分解;然后,根据得到的内蕴模式分量计算Hilbert谱;最后,建立基于时频分布的Hilbert谱熵,并以此作为故障识别的特征参数.以柴油机缸套与活塞间磨损的状态识别为例,根据对时域、频域和时频域的信息熵比较分析,证明了Hilbert谱熵对柴油机的状态进行评价的有效性.此方法为柴油机预知维修提供了一个有效的手段.     

最大信息熵引信起爆控制

目的 从理论上分析减小引信炸点散布的方法,研究引信起爆控制问题。方法 从熵的基本概念和Ｓｈａｎｎｏｎ信息理论的角度;将引信炸点作为信源处理,利用信息熵的理论方法,研究引信战技指标、炸点散布方差和引信控制量的关系。结果 在限定引信炸点散布方差条件下,炸点最大熵分布为高斯分布。提出引信信号处理所必须提取的最小信息量,为研究引信的信息处理寻找了一条新的方法。结论 引信起爆控制量的信息熵与战技指标有关,引     

雷达回波信号的多普勒瞬时频率仿真研究

雷达回波信号是非平稳的时变信号,其瞬时频率是雷达接收机所接收到的回波信号的重要参数,可以获知空间目标的运动信息.本文分析了雷达回波信号处理过程中产生的多普勒瞬时频率的数学基础,其信号频谱峰值随时间的变化而变化,并采用时频分析的方法仿真了多普勒瞬时频率的性能参数,以获得回波信号的多普勒瞬时频率时间域与频率域的联合分布信息,便于获知空间目标的运动情况,更好地探测、跟踪空间运动目标.     

高压浓相煤粉气力输送差压信号多分辨分析

为了探究高压浓相气力输送过程中时频空间的内部特征,利用六尺度多分辨小波分析对试验差压信号进行时频分解.引进能量、Shannon熵和标准差STD作为特征量对气固两相流频域空间进行分析.分析表明:浓相气力输送过程中,差压信号中的能量主要分布在低频区,Shannon熵从高频到低频上呈先减小后增大分布趋势.在相同的试验压力条件下,随着表观速度的增大,低频所占据的能量份额减小,信号脉动向高频移动;高频d1和d2的Shannon熵和a6上的STD增大,低频d4~d6上的Shannon熵和d1~d6上的STD减小.为进一步研究流型辨识及流动稳定性提供了新方法.     

基于小波多分辨分析的往复机械故障特征提取与识别

本文从往复机械故障诊断领域中特征信号处理的应用角度,探讨了利用小波多分辨分析与信息熵相结合,对往复机械故障进行诊断识别的方法．首先应用小波分解,将监测信号映射到由一个小波伸缩而成的一组基函数上去,在通频范围内得到分布在不同频段内的分解序列;在此基础上,对各分解序列进行ＦＦＴ变换,建立信号的小波特征熵,以此作为故障识别的特征参数,对往复机械运行故障进行诊断识别,并以压缩机振动监测信号为例,实现了不同频段范围内特征信息的提取与故障识别,说明该方法是提取故障信息并进行诊断的有效方法     

基于信息熵识别油气层和水层的聚类方法

简要地介绍了不确定性、信息熵、联合熵、条件熵、互信息的基本概念。将地层含有某种流体属性(如油层)的特征参数的概率分布应用于联合熵中,提出其概率分布是特征参数X与流体的特征参数Y的距离函数,再用熵与条件熵之差计算得到的互信息去识别地层的流体属性,即提出了基于信息熵识别油气层和水层的聚类方法。利用实际测井资料提取了油气层和水层的特征参数,并利用聚类方法识别出油气层和水层。识别结果与试油结论相符。该聚类方法不仅可用于识别油气层和水层,还可推广应用于划分地层岩性等领域。