Choi-Williams分布参数优化及其应用

提出时频分布信息熵的定义和求法，先对时频分布绝对值，进而计算该分布的信息熵，根据信息熵最小的原则对Choi-Williams分布的参数进行优化，然后用优化的参数计算信号的Choi-Williams分布，得到的Choi-Williams分布能较好地反映信号的时频结构，将该方法应用到齿轮故障的诊断取得了良好的效果。     

小波变换用于Wigner—Ville分布交叉项的抑制

基于Wingner-Ville分布良好的时频性质，针对它的交叉项的高频振荡特性，利用二维线量积小波对信号的Wigner-Ville分布进行分解，用低频系数重构时频图，使交叉项干扰受到抑制，并就以4个斯包络正弦信号和Wigner-Ville分布为例，用双正交小波作分解和重构说明了交叉项抑制的方法和过程。数值计算表明，该方法对交叉项的抑制优于伪Wigenr-Ville分布。     

Wigner分布算法及其在轴承故障诊断中应用

本文根据非平稳带通信号的特点,改进了Classen的Wigner分布算法,克服由离散计算引起的混叠问题.应用三维、二维Wigner分布图对轴承故障进行特征分析,并且研究结果在实例分析中显示出一些优越性.     

用Hough变换消除Wigner分布的交叉项

给出的使用Hough变换(HT)对任意信号的Wigner分布(WD)进行处理的方法，利用了逐次消去法的思想，分别提取出有用信号，利用HT可以提出任意形态的曲线，一旦知道了信号的各个成份后，就可以用HT进行处理，把提取出的信号重构形成去除交叉项的WD，再把已检出信号消去，同时去除了有用信号产生的旁瓣，从而使HT的抗噪声能力大大提高，数字实例中采用了线性调频信号和正弦调频信号的叠加，较具代表性，实验结果验证了方法的正确性。     

时频测试方法在脑电信号分析中的应用

脑电波反映了通过感觉器官的各种信息的传递和处理过程，具有非常大的信息量。越来越多的证据表明，脑电波异常与脑病变具有密切的关系，临床上也越来越多地借助于脑电图来对癫痫、脑肿瘤、智力状况等疾病进行诊断。而脑电信号特征波的有效提取可以为医生的临床诊断提供更多的依据，以提高诊断的准确性。在对脑电的研究过程中，人们已经在临床上使用了各种时域和频域测量与分析方法，在理论上探讨了某些时频测试方法应用于脑电信号特征波形提取和分析的有效性，但临床应用未见报道。从临床应用及科学研究的目的出发，在“虚拟式脑电测量与分析仪”中集成了Gabor变换、Wigner分布、Choi—Williams分布、小波变换等各种时频测试分析方法来提取脑电信号中的特征波。分析表明，针对不同的目的和不同的特征波，选用不同的时频测试分析方法，可以获得满意的结果。     

基于时频分析自动识别睡眠脑电的梭形波

为了识别睡眠脑电图（EEG）中出现的梭形波，使用Choi-Williams分布对EEG信号进行时频变换，根据瞬时频谱估计局部范围里EEG的波形特征，在此基础上设计了一个自动识别睡眠EEG梭形波的方法，对实际睡眠EEG中的梭形波进行识别，识别正确率为85．04％，并且能够提供梭形波的定量指标。实验结果表明，经过进一步完善，这种方法可以作为神经内科专家用于研究睡眠生理变化的一种辅助工具。     

基于Wigner—Ville分布的非平稳信号盲分离

许多盲源分离方法限于非高斯、平稳且相互独立的源信号，在实际应用中往往全产生许多问题，因为自然界中的源信号通常不满足这些假设．本文基于时频分析，通过利用信号的Wigner-Ville分布，得出一种新的盲源分离方法，该方法能有效分离非平稳信号．     

采用STFT Wigner变换抑制Wigner Ville分布交叉项

对于多分量非平稳信号分析,维格纳时频分布Wigner-Ville(WVD)存在严重的交叉项干扰.而GWT避免了Wigner-Ville分布的交叉项干扰而且具有良好的时频聚集性.但由于Gabor变换的时频聚集性不佳,当多分量信号进行Gabor变换时如果信号中各分量频率混叠,Gabor Wigner transform(GWT)就不能得到理想的结果.提出一种改进的STFT-Wigner算法,可以有效的抑制交叉项,并保持较高的时频聚集性.通过分析仿真信号和实测振动信号表明该方法能够取得良好的效果.     

Wigner分布在旋转机械故障诊断中应用的研究

机械系统故障信号往往是非平稳的,联合时频分布是对故障信号分析的有力工具,Wigner分布是一种真正意义上的时频分析方法,本文结合Wigner分布的基本特点以及其分析方法与思想重点针对大型旋转机械故障和非平稳信号处理的一些问题进行讨论,同时将运用三维Wigner分布图对旋转机械故障进行分析.     

基于Radon—Wigner变换的多分量LFM信号的检测

Radon-Wigner变换是一咱直线积分的投影变换,它对多分量LFM信号提供了较好的时频局域性,从而有利于多分量LFM领带的解释和分析,通过时域解线调和频域解线调处理可以完整地在时频平面计算出Radon变换,对于多分量LFM信号的分析好于Winger-Ville变换等常用的时频变换。     

维格纳分布在脑电信号处理中的应用

提出了一种把时域，频域结合起来分析脑电信号的新方法－Ｗｉｇｎｅｒ分布法，并探讨了利用模糊函数消除交叉项干扰的技术与方法，取得了较好的效果。     

Wigner分布在非平稳声场分析中的应用

与基于信号平稳性假设的传统傅里叶分析方法相比，Ｗｉｇｎｅｒ分布是一种可用于非平稳信号分析的联合时－频谱。然而，在多分量信号分析的情况下，交互干扰污染了ＷＤ，使其难以作出物理解释，本文讨论了如何用局部平滑ＷＤ和Ｃｈｏｉ－Ｗｉｌｌｉａｍｓ分布去除交互干扰项，在对多种型式信号仿真的基础上，使用ＷＤ分析来自机器的瞬态声信号以抽取非平稳性特征，分析结果表明，ＷＤ谱是十分有效的。     

反混叠离散时间时频分布

Ｃｏｈｅｎ类双线性时频分布作为一种有力的非平稳信号解析工具，得到日益广泛的应用，该文引入了一种新的双线性离散时间时频分布，与原有的利用解析信号方法相比，它利用信号全部局部自相关信息，从而在不必计算解析信号的情况下，解决了按一倍Ｎｙｑｕｉｓｔ率对原始信号抽样时其时频分布产生混叠的问题，并且讨论了新方法的性质及其核函数应满足的条件。     

基于Wigner-Vile分布的非平稳信号盲分离

许多盲源分离方法限于非高斯、平稳且相互独立的源信号 ,在实际应用中往往会产生许多问题 ,因为自然界中的源信号通常不满足这些假设 .本文基于时频分析 ,通过利用信号的Wigner Ville分布 ,得出一种新的盲源分离方法 ,该方法能有效分离非平稳信号 .     

交叉魏格纳／模糊度分布函数中拉冬变换的新特性

分析了交叉魏格纳分布函数中的拉冬变换是这些函数中分数傅里叶变换的可分乘法,因此,二维交叉模糊度函数是一维信号分数相关的表面形式,每一信号都与表面观察的角度有关。     

小波变换用于Wigner-Ville分布交叉项的抑制

基于 Wingner- Ville分布良好的时频性质 ,针对它的交叉项的高频振荡特性 ,利用二维张量积小波对信号的 Wigner- Ville分布进行分解 ,用低频系数重构时频图 ,使交叉项干扰受到抑制 ,并就以 4个高斯包络正弦信号和 Wigner- Ville分布为例 ,用双正交小波作分解和重构说明了交叉项抑制的方法和过程 .数值计算表明 ,该方法对交叉项的抑制优于伪 Wigner- Ville分布     

频谱及其成像系统维格纳变换特性分析

利用维格纳变换及其性质,分析了信号频谱及其居像光学系统的特性。     

基于Excel的Frequency（）数据分布频度方法研究

Excel中的FREQUENCY（）是数据统计分析人员常用的函数,但由于该函数在数据分布频度的统计方面存在设计上的不足,数据统计分析人员有时会舍其求它。本文分析了该函数的利弊,对该函数的用法进行研究,提出了修正其不足的使用方法。     

LMS算法在平滑伪Wigner分布中的应用

提出了最小均方(LMS)算法在信号时频分布中的一种新的简单应用.频域LMS自适应结构使用信号项与交叉项的连续和时变的状态去模拟平滑伪Wigner-Ville分布,表明相应的平滑窗是一个指数函数,这个指数函数的时间常量在自适应算法中由步长参数所定义.