基于广义S变换的信号提取与抑噪

S变换结合了短时傅里叶变换和小波变换的优点,是非平稳信号时频分析的有力工具.为了提高S变换在应用中的实用性和灵活性,该文将S变换改造成时频分辨率可调的广义S变换.广义S变换具有多分辨率特性,利用其高质量的时频分布,在时频域中设计了两种时频滤波器.前者用来实现非平稳信号中特定信号分量的提取,也可滤除处于特定时频平面中的噪声;后者直接应用广义S变换的时频谱实现,用于含高斯白噪声信号的滤波,达到了突出有效信号和压制噪声的效果.几种信号模型的仿真试验显示了它们在信号提取和抑制噪声中应用的有效性.     

基于S变换的自适应降噪方法

简要介绍S变换后的时频特征,提出一种新的基于S变换的自适应信号降噪方法.利用于S变换高质量的时频分布,在时频平面中设计自适应时频滤波器,用于非平稳信号中信号分量的提取,展示该方法在信号噪声抑噪和提高信噪比方面取得了满意的效果.在信号模型的仿真试验与齿轮箱的齿轮故障诊断中,显示该方法在信号提取和压制噪声的效果,且滤波后信噪比有较大提高.结果表明,该方法可以有效提取故障齿轮的故障特征,消除虚假成分的影响,从而提高齿轮故障诊断的准确性.     

基于同步挤压S变换的探地雷达信号消噪方法

为提高对探地雷达低幅度有用信号的识别效果,提出了基于同步挤压S变换的消噪方法.首先将含噪声信号进行S变换,并计算出信号的瞬时频率,再将信号的时频能量进行重新集中,从而获得高分辨率的压缩时频谱.然后根据噪声出现的时间和频率,设计相应的二维滤波器在时频域对信号进行消噪.在消除噪声能量后,再进行反变换得到有用信号.由于在压缩时频谱上可以更好地区分有用信号和噪声,消噪时有效信号的能量可以被尽可能多地保留下来.仿真信号和探地雷达实际信号的处理结果表明,利用同步挤压S变换在时频域进行消噪能够取得很好的效果.     

基于Morlet小波尺度参数寻优的匹配追踪时频分析

与短时傅里叶变换、连续小波变换、广义S变换等时频分析方法相比,匹配追踪方法具有更高的时频分辨率,但传统的贪婪迭代算法计算效率较低。以Morlet小波作为时频原子进行匹配追踪,通过分析尺度因子不同时Morlet小波时频原子在时间域的形态,比较信号向频率、相位和延时相同,仅尺度因子不同的不同时频原子投影的投影值,认为尺度因子对时频原子的形态具有较强的控制作用,因而对时频原子和信号局部特征的匹配性能具有较强的控制作用。基于以上分析,在利用复地震道计算信号的瞬时信息作为时频原子频率、相位和时延等参数的基础上,对Morlet小波时频原子的尺度参数首先进行一维寻优,在得到最佳尺度因子基础上对时频原子参数进行微调,提高了计算效率。针对模型测试了算法的有效性及在去除噪声和薄层厚度求取等方面的应用前景。     

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.     

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     

基于瞬时频率的窗宽递增寻优的短时傅里叶变换

讨论了窗函数在时频分析中的作用,分析了S变换的缺陷,指出了依据分析频率调整窗宽和使用窄窗均严重影响时频分析效果.以短时傅里叶变换为基础,提出了一种窗宽根据信号自身时变特征进行自主调节的时频分析方法,该方法以瞬时频率的变化作为判断信号频谱结构发生变化的依据,通过在瞬时频率变化之前逐次递增窗宽,使窗函数能够覆盖信号中的局部平稳区域的大部甚至全部,从而可对信号中的各局部平稳段得到最佳的时频分辨率.通过对线调频信号、时变信号和含噪声信号的分析和比较可知,本方法可准确描述信号的时间分布特征,并可同时获得最佳的频率分辨率,且对噪声不敏感,具有一定的先进性和实用性.     

基于广义S变换的沉积旋回分析方法研究

传统时频分析方法(如傅立叶变换、短时傅立叶变换、小波变换、S变换等)的时频分辨性均不佳,在实际应用中受到一些限制,难以满足高精度时频分析要求.广义S变换,引入λ和p两个参数对S变换进行了扩展,其时频分析效果得到较大提高.对广义S变换方法原理进行了深入研究,编写了广义S变换时频分析程序.通过非平稳线性调频信号和4种典型沉积旋回模型分析,证实了广义S变换的可靠性及优越性.最后,将该方法推广到实际地震资料沉积旋回分析中,取得了良好的效果.     

有色噪声背景下的水声跳频信号参数估计

针对现有跳频信号参数估计方法未考虑有色噪声的影响,且估计精度与速度难以兼得的问题,提出了一种有色噪声背景下的水声跳频信号参数估计方法.该方法首先根据水声信号有色噪声背景的特点,对有色噪声进行白化处理;然后,在详细推导分析跳频信号短时傅里叶变换时频脊线的特征的基础上,给出了跳频信号跳周期和起跳时间的估计方法;最后,基于估计得到的跳周期和起跳时间,进一步估计跳频频率.理论分析和仿真结果表明,该方法计算量小,工程实用性强,在有色噪声背景下可以实现跳频信号参数的快速稳健估计.     

基于分数低阶Stockwell变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha(α)稳定分布,传统的Stockwell变换(S变换)时频方法性能退化甚至失效。基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好地工作在高斯噪声和α稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

独立分量分析在内燃机噪声信号分离中的应用

采用独立分量分析的方法进行了内燃机噪声信号分离的研究．建立了基于FastICA算法的常规内燃机噪声独立分量分析模型,为了减少所需传声器个数,在此基础上应用了时序独立分量分析模型．以某四缸柴油机为研究对象,测量了不同工况下的噪声信号,计算了这些噪声信号的统计峰度,确认其为非高斯信号,满足独立分量分析的基本要求．对测得的柴油机噪声信号进行了时序独立分量分析,将其分解为一系列不同的独立分量．采用小波变换的方法对它们进行分析,得到了各独立分量的时频分布,研究结果表明,这些独立分量对应着不同的内燃机噪声源信号．     

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。     

基于小波变换的脑电噪声消除方法

分析了基于传统陷波器的脑电消噪方法,根据脑电噪声所处频带及陷波器原理,设计了一种陷波器.并提出了基于小波变换的脑电信号分析方法并利用它来消除脑电信号中的噪声干扰.小波变换是一种多分辨率的时间-尺度分析方法,它能够将信号划分为不同频段的子带信号.根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果.最后对这两种方法的消噪结果进行比较.分析表明:利用小波变换能更有效、灵活地检测并去除脑电信号中的噪声干扰.     

钢筋混凝土材料损伤的声发射信号处理

针对钢筋混凝土材料试件进行了加载破坏试验,采用小波变换对现场采集到的混凝土断裂过程中的声发射信号进行分析处理。试验结果表明用小波变换进行消噪处理,噪声消除效果显著,提高了声发射信号对结构健康监测的准确性,为实际监测钢筋混凝土材料的损伤提供了依据。     

一种基于事件相关电位的时频表示方法

生物信号的非平稳特性使得经典的时域分析方法和频域分析方法不能更好地描述信号的局部特征,而联合时频表示可以有效地反映信号的瞬时频率特性.事件相关电位(ERP)是指在特定认知任务下获取的脑电信号,它与刺激所引起的皮层电位直接相关,ERP信号的时频分析将有助于从更深层次上解读其中蕴涵的丰富信息.本文在对几种典型时频表示方法的比较基础上,提出了一种基于滤波器组-Hilbert变换的信号时频表示方法,将这几种方法应用到模拟信号的结果表明,该方法可以更好地保留信号时频特征的细节.因此通过将滤波器组-Hilbert变换方法应用到心理学经典Stroop任务的ERP信号分析中,除了可以得到与心理学传统ERP分析一致的结果外,还可以获取比之更为丰富的信息.     

水下爆炸船体结构壁压信号时频特征分析

为了研究水下爆炸条件下船体结构壁压信号时频特征,基于某船体结构模型水下爆炸实验壁压数据,利用小波变换良好的时频局部化性质,对壁压信号进行时频特征分析,得到壁压信号在不同频带上的压力时程曲线和能量分布.结果表明,利用小波变换可以方便地获得壁压信号强度、频率和持续时间等时频细节信息.能量统计表明,壁压信号频带分布很广,超过80%的能量主要集中在20kHz以下,5kHz以下频带能量最大.     

基于分数低阶S变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha()稳定分布,传统的Stockwell变换（S变换）时频方法性能退化甚至失效。本文基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好的工作在高斯噪声和稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

Chirplet变换及其推广

线调频Chirplet变换是一种新的线性时频分析方法。文章在介绍线调频Chirplet变换的基础上,比较了短时傅里叶变换STFT、连续小波变换CWT和Chirplet变换在瞬时频率计算方面的优缺点。对二次调频Chirplet变换做了介绍,在线调频Chirplet变换和二次调频Chirplet变换的基础上,修改了核函数,对Chir-plet变换做了一定的改进,在一定程度上提高了某一类信号在时频域的分辨率。针对修改后的变换给出了一些算例,并给出了在石油勘探开发中利用改进后的Chirplet变换对沉积旋回信号进行分析的一些初步应用。