基于稀疏傅里叶变换的采煤机机载式变频器谐波干扰自动抑制方法

为增强采煤机变频器谐波干扰抑制效果,提出基于稀疏傅里叶变换的采煤机机载式变频器谐波干扰自动抑制方法。该方法先通过稀疏傅里叶变换分析采煤机机载式变频器输出的电流信号,检测谐波干扰成分,后设计一个自适应形态学滤波器实现谐波干扰自动抑制。结果表明,设计方法能够有效抑制变频器输出电流中的谐波干扰成分,抑制效果良好。

航空发动机振动数据稀疏傅里叶变换分析

稀疏傅里叶变换是近年来新兴的一种基于信号稀疏特性的频谱分析方法,稀疏傅里叶变换通过识别舍弃对分析结果无影响的频率信号,从而对大数据进行快速准确的处理。为了探究稀疏傅里叶变换在航空发动机振动数据分析中的实用性,结合实际飞行试验振动数据,将稀疏傅里叶变换方法与传统快速傅里叶变换方法在频谱特性、运行时间、算法稳定性等方面进行了研究,通过对比可以发现,稀疏傅里叶变换算法在保证准确率的情况下,可以极大地提高振动数据分析的效率。

稀疏傅里叶变换理论及研究进展

稀疏傅里叶变换(sparse Fourier transform,SFT)是一种稀疏信号离散傅里叶变换的新算法,比传统快速傅里叶变换(fast Fourier transform,FFT)更加高效.综述了SFT的理论框架、约束条件及频谱重排、窗函数滤波、降采样FFT等关键技术问题,结合算法最新理论成果,归纳出4种不同的重构方法:哈希映射法、混叠同余法、相位解码法、二分查找法.最后介绍了SFT理论的应用成果,并展望了其未来可能的发展方向.

基于稀疏傅里叶变换的快速捕获方法

卫星信号捕获是接收机内基带信号处理的关键步骤,捕获的速度严重影响接收机首次定位的时间(TTFF)。在基于快速傅里叶变换(FFT)的并行码相位捕获(PCPS)方法基础上,将具有亚线性运算量的稀疏傅里叶变换(SFT)引入捕获过程中,提出了基于SFT的快速捕获方法,通过优化捕获过程中相关运算的效率,提高捕获速度。仿真结果表明,与传统的基于FFT的捕获方法相比,基于SFT的快速捕获方法运算效率提高到原来的2倍,更好地满足了卫星信号对快速捕获的要求。

基于小波降噪的稀疏傅里叶变换时延估计

稀疏傅里叶变换时延估计具有较低的运算时间复杂度,但在低信噪比时无法准确估计出时延。针对稀疏傅里叶变换时延估计在噪声干扰下时延估计精度下降的缺点,提出了基于小波降噪的稀疏傅里叶变换时延估计算法。算法利用小波降噪方法处理接收到的信号,再对降噪后的信号进行稀疏傅里叶变换广义相关,通过检测相关函数的谱峰得到估算的时延值。实验仿真以及对实测数据的验证均表明,在低信噪比条件下,基于小波降噪的稀疏傅里叶变换时延估计算法在保证数据高处理速度的同时,具有较好的抗噪性以及较高的时延估值精确度。

基于稀疏傅里叶变换的TDOA时延估计方法

在基于到达时间差(TDOA)的无源定位研究中,利用互相关算法估计站间时延被广泛采用.相关算法计算量较大,算法复杂度为O(N^2).随着研究深入,有学者提出了基于傅里叶变换的互相关算法,由于使用快速傅里叶变换(FFT)算法,处理速度得到较大提升,算法复杂度由平方级降低至亚线性级,即O(N·log N).在一些实时性较强的环境,当采样点数较大时,传统FFT算法仍很难满足要求.本文借鉴稀疏傅里叶变换(SFT)算法,引入稀疏信号的映射和重构思想,优化互相关计算过程,以进一步提高时延估计的速度,改进算法的算法复杂度为O(N),从亚线性级降低至线性级.实测数据表明,测量精度满足工程应用的要求,可为实时性较高的无源时差定位提供技术参考.

基于稀疏傅里叶变换的哈希映射宽带频谱感知算法

宽带频谱感知一般要求对高达数GHz带宽信号进行频谱分析,信号的采样点数大,计算量大。稀疏傅里叶变换算法利用信号频谱稀疏性,高效计算宽带信号频谱,其计算复杂度低于快速傅里叶变换算法。本文详细研究了稀疏傅里叶变换的哈希映射法,证明了频谱重排性质。为了降低频谱漏采的概率,需先对信号进行频谱重排和时域加窗处理;然后进行时域混叠以实现频谱降采样;最后利用哈希反映射和循环投票方法尽可能准确地从降采样的频谱中恢复宽带信号原频谱,从而实现频谱感知。仿真结果表明当采样长度由1024点增加到2048点时,本文方法的运算时间分别比OMP算法减少约19倍和47倍。

稀疏傅里叶变换在雷达中的应用研究

针对传统傅里叶变换计算量与所分析信号长度成正比,当采样率较大时,需要较大的运算时间问题,提出采用稀疏傅里叶变换(SFT)进行雷达信号处理,由于实际雷达目标多普勒频率个数有限,满足SFT方法使用条件,对SFT中的滤波器参数以及分段长度选择进行了分析与讨论,并给出了SFT处理雷达信号时的数学表达式;最后,利用仿真数据验证了该方法的性能,结果显示SFT在计算速度方面优于传统方法,可以提高目标信号参数的估计速度。

一种基于迭代更新的稀疏傅里叶变换改进算法

快速傅里叶变换（FFT）是信号分析领域的重要算法，具有极其重要的地位。稀疏傅里叶变换（SFFT）是一种低复杂度的傅里叶变换算法，其计算速度是FFT的10～100倍，但是目前的SFFT算法均需要知道信号的稀疏度。针对该问题，文章提出了一种基于迭代更新的SFFT改进算法。该算法在信号稀疏度未知的情况下，通过循环迭代对信号进行更新并设置合适的噪声门限来终止迭代。实验结果表明，该算法计算精度高，抗噪性能好，能很好地解决稀疏度未知信号的频谱分析问题，扩展原算法的适用性。

基于稀疏傅里叶变换的低采样率宽带频谱感知

针对传统频谱感知方法应用于宽带频谱感知时存在采样率过高的现象,提出一种基于稀疏傅里叶变换的采用奈奎斯特采样进行宽带信号频谱感知的方法。该算法在频谱分布稀疏时具有极低的误判率,并在频谱占用率增加时,提出了改进的算法,最后利用MATLAB仿真验证了稀疏傅里叶变换用于宽带频谱感知方案的可行性。相比传统方法,本文的频谱感知方案需要的采样率仅为奈奎斯特采样率的20%。

基于稀疏傅里叶变换的电子通信弱信号采集系统设计

本文设计了基于稀疏傅里叶变换的电子通信弱信号采集系统。在系统硬件上,增加带有滤波功效的积分器,将信号采集器改为双向路线,在控制器中增加驱动芯片,再利用核心处理器实现整体控制。在系统软件上,建立稀疏傅里叶变换信号感知模型,增加通信信号预处理功能,设计弱信号特征量提取功能,设计分段增益模块并采集弱信号。实验结果表明:设计系统能够满足电子通信弱信号采集的需求。

基于广义二次相关的稀疏傅里叶变换时延估计算法

针对无源时差定位中的稀疏傅里叶变换时延估计算法在低信噪比条件下的抗噪性差和估值精度低等问题,提出了广义二次相关稀疏傅里叶时延估计算法。算法在对信号进行稀疏傅里叶变换的基础上,融合利用最小二乘拟合改进的广义二次相关算法,在对信号进行快速处理的同时抑制了噪声的干扰,使得时延估计算法的性能得到提高。仿真实验以及对实测数据的验证均表明改进算法具有较好的抗噪性以及时延估值精度。

基于稀疏傅里叶变换的电子通信网络弱信号捕获系统

由于传统的电子通信网络弱信号捕获系统对捕获因子P的精准度要求高,导致捕获误差大、捕获速度慢,严重影响了通信网络接收机的定位时间。在快速傅里叶变换的电子通信网络弱信号捕获系统的基础上,采用不需要进行亚线性运算的稀疏傅里叶变换,设定新的捕获系统,分别引入信号采集器、控制器、处理器、积分器和低通滤波器构成系统的硬件结构,通过频域重排、窗函数滤波、哈希映射、频域降采样、定位、估值等运行步骤实现捕获过程。实验结果表明,与传统的捕获系统相比,基于稀疏傅里叶变换的电子通信网络弱信号捕获系统运行效率能够提升2倍以上,很好地满足电子通信网络对信号捕获提出的要求。

风机齿轮箱振动信号的稀疏傅里叶变换分析

风电机组齿轮箱振动信号的在线频谱分析对信号处理算法的快速性要求很高,提出采用稀疏快速傅里叶变换(SFFT)算法进行风机齿轮箱的频谱分析。SFFT算法主要利用窗函数过滤信号,然后散列傅里叶系数,最后进行定位与估值运算,能快速地计算出信号频谱中k(信号的稀疏度)个拥有最大值的傅里叶系数。该算法结构简单,运行时间相对于信号长度n呈亚线性。通过对风电机组齿轮箱的实际振动信号分析,验证了SFFT算法较之FFT算法运行速度快,非常适合振动信号的在线频谱分析。

基于稀疏傅里叶变换的涡街流量分析

传统的涡街信号处理方法主要是用傅里叶变换,由于传统的傅里叶变换的时间复杂度与其分析的信号长度成正比,采样点数越多其频谱谱线越接近理想状态,但需要较大的运算时间。针对这个问题,提出了采用稀疏傅里叶变换分析涡街流量信号的方法,利用实验数据进行Matlab仿真,验证了该方法的性能优于传统的方法,不仅提高了对强噪声的抗干扰能力还加快了计算速度。

基于稀疏傅里叶变换和RSSI测距的低复杂度RSSI定位算法

无线定位技术因价格低廉、覆盖面广、资源利用率高且不需要额外添加设备等优点被广泛应用于军事、医疗、救灾等多个领域。针对降低无线定位算法复杂度问题,提出一种基于稀疏傅里叶变换的低复杂度接收信号强度差(Received Signal Strength Indicator,RSSI)定位算法。通过加入稀疏傅里叶变换采样锚节点的方法来解决现有RSSI定位算法涉及锚节点数量多、复杂度高等问题。仿真实验表明,该算法有效地降低了传统RSSI定位算法的复杂度,实现了复杂度与定位精度之间的有效折衷。

基于稀疏傅里叶变换的电子通信干扰抵消方法

单质通信信号的干扰抵消在一定程度上可以确保数据信息的安全收发,因此将重点研究基于稀疏傅里叶变换的电子通信干扰抵消方法。先对强干扰通信信号进行预处理,再设计信号干扰抵消频谱,然后构建稀疏傅里叶分段式变换干扰抵消模型,并采用逆向载波法实现电子通信干扰抵消。测试结果表明:与传统中强通信干扰抵消测试组、传统有线传输通信干扰抵消测试组相比,基于稀疏傅里叶变换的通信干扰抵消测试组得出的抵消信噪比相对较高,说明在对电子通信信号干扰抵消的过程中,抵消叠加误差较小且保持恒定,具有重要的通信应用价值。

基于稀疏快速傅里叶变换的信号压缩处理

随着数据采集能力和采样频率的不断提高,采用传统的奈奎斯特采样定理会获得海量的数据,这给信号的存储和传递带来了极大挑战。提出基于稀疏快速傅里叶变换的信号压缩方法,利用信号在频域的稀疏性,压缩信号所需的存储空间,在保证拥有足够小的误码率的前提下,以高概率重构原始信号。

变压器振动信号稀疏快速傅里叶变换分析

变压器振动信号频谱具有稀疏性,传统的信号分析方法需要计算整个频率范围内的频谱成分,计算速度慢。稀疏快速傅里叶变换(sparse fast Fourier transform,SFFT)算法只计算变压器振动信号的主要频谱成分,利用窗函数过滤信号,然后散列傅里叶系数,最后进行定位与估值运算,能快速的计算出信号频谱中k个拥有最大值的傅里叶系数。该算法结构简单,运行时间相对于信号长度n呈亚线性。通过分析变压器油箱的实际振动信号,验证了SFFT算法较之FFT算法运行速度快,非常适合振动信号的在线频谱分析。

一种基于稀疏快速傅里叶变换的卫星信号捕获算法

卫星信号搜索捕获时间长短是影响GPS软件接收机的重要因素。为了更快速、准确地完成卫星信号的捕获,文中提出了一种基于稀疏快速傅里叶变换的并行捕获算法。该算法采用取模运算、余数不同的采样思想,首先对中频信号和本地码进行一次下采样来获得中频信号和本地码的一个子集,其次对多普勒频移量进行一次下采样来获得多普勒频移量的一个子集;然后在子集中进行卫星信号的并行捕获。研究结果表明,与GPS卫星信号的并行捕获算法相比,该算法有效地减少了运算量,提高了捕获性能。最后通过实验验证了该算法的正确性。