一种基于STFT的跳频参数估计方法

针对跳频信号检测和参数估计,提出一种基于短时傅里叶变换(STFT)和时间相关聚类统计分析的跳频信号参数估计方法。采用STFT对原始采样信号进行时频分析得到全域时频矩阵,提取每一时段峰值频点信号特征参数作为跳频频点估计,然后根据信号特征参数进行时间相关聚类统计,采用差分统计直方图方法进行跳频参数估计,降低了运算时间开销和干扰误差。仿真实验结果表明,该方法能够有效实现对跳频信号检测和参数快速估计。

STFT结合2D CNN-SVM的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,SVM)相结合的齿轮箱故障识别方法。搭建JZQ250型定轴齿轮箱实验平台,利用加速度传感器获得齿轮箱振动信号,并对振动信号进行短时傅里叶变换得到二维时频图,然后将时频图输入到2D CNN中进行特征信息提取,通过2D CNN前向传播和反向传播对不同类别故障时频图信息进行训练,建立不同类别特征之间更深层次的联系,通过训练集和验证集loss曲线、准确率曲线和t-SNE可视化(t-Distributed Stochastic Neighbor Embedding,t-SNE)多种方法来反映模型训练程度,最后由SVM对故障类型进行识别。通过将所提出的方法与FFT-2D CNN、1D CNN-SVM和2D CNN-SVM对齿轮箱故障识别结果进行对比,本方法故障识别准确率最高,达到97.94%,且提出的方法具有很好的鲁棒性。

基于VMD-STFT提升源-荷互动可靠性的混合储能优化配置

针对独立微电网内源-荷供需量不平衡问题,文章在孤岛状态下的微电网需求侧添加了功率型和能量型相结合的混合储能系统。对微电网内满足功率平衡约束的净负荷功率序列信号使用变分模态分解法(VMD)进行混合储能的优化配置,利用中心频率法结合皮尔逊相关系数(Pearson)确定最优的分解层数,对分解结果采用短时傅里叶变换(STFT)进行时频分析,得出各分量的模态混叠情况,再根据不同类型储能的充放电频率响应特性进行高、低频功率的重构和分配;对分配结果采用可靠容量计算方法配置储能系统的额定容量和功率,计算配置总成本,并以储能元件的荷电状态(State of Charge,SOC)为依据,衡量系统的供电可靠性。通过对比使用经验模态分解法(EMD)和传统一阶低通滤法的研究结果,VMD分解方法能够有效克服EMD的模态混叠现象,同时提高系统配置的经济性及供电可靠性。

基于STFT的织构涂层硬质合金表面振动解析方法

针对织构涂层复合工艺对硬质合金表面改性时存在消极振动的问题,提出一种基于织构涂层表面摩擦振动行为的解析方法来探索织构涂层复合工艺改性效果。因此,搭建了微织构AlSiTiN涂层硬质合金-钛合金磨盘摩擦磨损试验平台,基于短时傅里叶变换(STFT)与灰度算法对摩擦振动变化规律性映射和振动行为平稳时段进行了获取,进而分析了微织构AlSiTiN涂层工艺参数对硬质合金的改性效果。试验研究得出了微织构及AlSiTiN涂层对硬质合金表面耐磨改性效果最为积极的时间段,即自接触摩擦起第5~25 min的稳定作用时期,得出微织构及AlSiTiN涂层参数对硬质合金表面改性的影响机理,优选该复合改性方法抑制硬质合金表面消极摩擦振动的工艺参数,为提升硬质合金表面性能研究提供新思路。

基于STFT图像特征的天然气管道预警技术研究

基于相位敏感光时域反射计(Φ-OTDR)的分布式光纤微振动传感系统,使用STFT算法对中石油西南某地20 km天然气管道周围发生六类事件(噪声、机械破环、人工挖掘、榔头敲击、人跳跃以及人踏步通行)的振动数据进行时频域图像化,然后通过BP、SVM、GoogLeNet等算法进行六类事件的分类预测。该方法首先利用Φ-OTDR系统采集管道同沟敷设光缆一芯中瑞利后向散射光信号,从中提取出振动事件的振动信号,然后通过STFT对时间-空间图像的采集,最后对图像数据利用算法进行振动事件的识别。现场实时监测获取的数据表明:利用BP神经网络算法对振动事件识别,相较于传统的随机森林、K近邻、SVM算法以及深度学习GoogLeNet算法,机械破坏事件的误报率低至0%,人工挖掘事件的误报率低至0%,适合应用于实际的天然气管道监测。

基于LMS-STFT-SPWVD的二值化融合分析方法研究

针对二值法存在干扰信号抑制效果、中心频率能量识别效果较差且阈值参数范围难以确定的缺点,提出了LMS-STFT-SPWVD二值化融合时频分析方法。首先,采用LMS-STFT、LMS-SPWVD算法对双分量LFM含噪信号测试函数进行分析,获取LMS-STFT、LMS-SPWVD时频分布模型;结合图像处理的方法,将整个二维时频分布模型进行二值化处理,使其转化为黑白二值时频图像;将二者进行点乘运算,获取LMS-STFT-SPWVD二值化黑白融合时频图像,并与经典方法(LMS-STFT、LMS-SPWVD及STFT-SPWVD)进行了对比研究,讨论了其干扰信号抑制效果与中心频率能量识别效果。结果表明,在阈值范围内,LMS-STFT-SPWVD二值法突出了信号频率能量,具有较好的抗干扰能力。

一种互相关法联合STFT的时间差测量算法

为了解决传统互相关法和二次相关法在低噪声情况下误差较大且具有±1个采样周期的理论误差问题,提出一种互相关法联合STFT的时间差测量算法。首先,使用传统互相关法对接收的2路信号的时间差进行粗测,将其中1路信号延迟相应的时间;然后,以某1路信号为基准,在一定时差范围内,对另1路信号进行短时傅里叶变换,通过不断比较基准信号和滑动信号的频域特性是否相同,来判断滑动后信号和基准信号的相对延时是否为0。实验结果表明,在低信噪比环境下,和二次相关法相比,新算法提高了时差测量的精度。

基于STFT的无人机跳频信号检测与参数估计

为了有效实现对无人机的监管,避免涉密、干扰航班、扰民等事件发生,需快速识别出监测范围内的无人机信号,为此提出一种基于STFT的无人机跳频信号检测与参数估计方法。该技术对接收的信号样本做STFT变换,在时频图上采用时频能量对消法实现无人机跳频信号的盲检测,并在此基础上设计一种自适应的形态学滤波器消除干扰,同时引入最小二乘估计算法提升无人机跳频信号参数估计的性能。通过实验测试表明,算法在SNR不低于6dB时,无人机跳频信号的检测概率在95%以上,且能正确估计出无人机跳频信号的跳频周期、跳频起跳时刻和跳频频率集等参数,实用性较强,工程使用价值较高。

基于STFT和CNN-Attention的配电终端采集模块故障诊断研究

针对复杂工况运行环境下配电终端采集模块故障类型难以识别的问题,提出一种基于短时傅里叶变换(STFT)、卷积神经网络和注意力机制(CNN-Attention)的配电终端采集模块故障诊断方法。首先,分析配电终端采集模块不同故障类型会产生的对应故障数据,建立故障数据集。然后,基于STFT提取故障数据的故障时频特征以形成时频图,采用CNN-Attention模型对时频图进行故障诊断与匹配。算例分析表明,CNN-Attention的故障检测准确率为97.31%,相较于CNN和极限学习机(ELM)模型,故障诊断准确率分别提升了1.22%和4.4%。Attention机制能够有效解决CNN在特征提取时产生的冗余信息导致模型训练慢、难以收敛的问题。该研究实现了配电终端采集模块具体故障类型的准确识别,能为后续配电终端的运维提供参考。

基于STFT的振动信号解调方法及其在轴承故障检测中的应用

从信号滤波角度,对基于STFT的振动信号解调方法的原理和影响其解调性能的各种因素进行了严格的理论分析,指出该解调方法实质是基于复解析带通滤波的H ilbert变换解调法。严格证明了在利用H ilbert变换进行包络解调分析时,只要带通滤波器通带范围包括调制信号的部分频率成分,就可解调出被调制信号的周期成分。为了避免对所有的解调信号序列进行包络谱分析,提出按峭度值最大化准则选择一组含有丰富故障信息的解调信号序列进行包络幅值谱分析。基于以上讨论,给出了实用的基于STFT的振动信号解调算法。为了验证提出的解调算法的有效性,用该算法对仿真和实际轴承故障信号进行了解调分析,分析结果表明,利用该算法能有效地检测轴承故障。

STFT在AE信号特征提取中的应用

机械故障或损伤引发的声发射信号南高频突发脉冲信号和长周期准平稳噪声信号组成,适宜用短时傅里叶变换(STFT)描述其时频特征。本文通过分析典型AE信号及其特征提取,首次将STFT引入声发射故障诊断领域,并提出了AE信号的STFT分析法。通过理论分析和仿真,确定了AE信号STFT的理想窗函数及其参数选择,有效地克服了STFT只用一个固定窗分析多尺度信号的缺陷。将STFT用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分准确、清晰和直观。仿真分析和实验研究均表明了STFT能有效提取AE信号的特征,为AE信号的波形分析开辟了一条有效的途径。

基于自适应STFT的货车滚动轴承故障诊断

带故障的铁路货车滚动轴承振动信号表现为低频平稳信号与高频的周期性冲击信号的叠加。采用以三阶B样条函数作为窗函数的自适应短时傅立叶变换(STFT)对货车滚动轴承振动信号进行时频分析和故障信息提取。与传统的固定带宽的STFT相比,自适应STFT在不同频段自适应选取窗长,大大提高了振动信号的时频分辨率。应用该方法对197726型货车滚动轴承在内圈剥离、外圈剥离两种故障状态下的振动信号做了分析,求得故障频率分别为61.32 Hz和46.36 Hz,与内外圈的理论故障频率相符,可以有效地诊断出铁路货车滚动轴承内外圈故障。

基于SVD降噪和STFT解调方法的轴承故障检测

针对目前振动信号STFT解调方法在轴承故障检测应用中存在的不足,提出奇异值分解降噪与STFT解调相结合的轴承故障检测新方法。利用振动测试响应信号重构系统的相空间,得到吸引子轨迹矩阵,然后对轨迹矩阵进行奇异值分解以剔除噪声,并利用STFT技术对降噪信号进行解调分析。对于轴承故障自动检测中如何准确选出1组含有丰富故障信息的解调信号序列用于解调谱分析这一难题,提出按修正的归一化峭度(MKv)最大化准则进行选择。仿真和实际轴承故障信号分析结果表明,与传统的基于STFT解调的检测方法相比,提出的改进方法可以更早地发现轴承早期故障,实用性更强。

基于STFT的高压电气设备局放信号时频分析

为了分析高压电气设备的局部放电信号,介绍了基于短时傅里叶变换(STFT)的时频分析方法及其重要性,并使用2种基于Matlab的方法仿真分析了局放信号。结果显示,基于trfstft方法的STFT时频分析可很好的给出局放信号的时频变化规律及其强度并从噪声中分离出局放信号。这提供了一种对含噪的模拟局放信号去噪处理的方法,可帮助有针对性地减少其危害,并进行目标识别和故障诊断。

基于STFT与G函数相结合的短波DFH跳检测方法

差分跳频利用频率的跳变携带信息 ,只要正确检测出每跳的频率 ,就可以恢复出信息 .本文提出一种基于STFT的跳检测方法 ,并与G函数相结合来分析短波DFH信号在每跳时间间隔内的频率特性 ,以检测可能的跳频率 .仿真结果表明 ,在短波信道几种可能的情况下 ,检测效果良好 .

旋转机械振动信号基于EMD的HT和STFT时频分析比较

基于经验模态分解(EmpiricalModeDecomposition,EMD)的希尔伯特变换(HilbertTransformation,HT),是先把一列时间序列数据通过经验模态分解,然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD的HT和基于STFT(Short-TimeFourierTransforma tion,STFT)的时频分析进行了比较研究,研究结果说明,用基于EMD的HT方法对旋转机械的振动信号进行时频分析比STFT有效。

STFT时频分析算法研究及其在列车振动分析中的应用

时频联合分析是处理非平稳信号的有效方法。由于其计算过程中产生的时频表示矩阵数据量大,导致可处理的原始数据的长度有限,只能处理较短的时间信号。而样本数据不够或采样时间太短又无法全面反映系统的特性。以使用短时傅里叶变换来分析某动车地板在加速过程中的时频特性为例。为解决这一问题,提出一种方法,首先根据分析频带对原始数据进行重采样,再对频率值进行合理的设置,大大增加可处理原始数据的长度。以某动车地板在加速过程中的时频特性分析为例,用短时傅里叶变换进行分析,验证此方法的有效性。

基于STFT方法对沿海宽频带倾斜仪的噪声分析

应用沿海台站莆田地震台、厦门地震台的宽频带倾斜仪观测数据,采用短时傅里叶变换(STFT)分析方法对宽频带倾斜仪的噪声进行分析[1-5],总结噪声的几种表现形态,分析对应的物理意义。宽频带倾斜仪噪声主要有台风干扰,线路接触不良,主板干扰信号等。研究结果可应用于宽频带倾斜仪观测数据的跟踪分析,同时也可以用来判断宽频带倾斜仪的故障类型。

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。

基于NSTFT-WVD变换的芦山M_S7.0级地震前后地球天然脉冲电磁场信号时频分析

本文针对地球天然脉冲电磁场（ENPEMF）信号的非平稳性特点,通过采用归一化STFT-WVD变换（NSTFT-WVD）提取芦山MS7.0地震前地表天然脉冲电磁场信号的时频特性,来研究大地震发生前地表天然脉冲磁场的时频特点。通过对线性调频信号分别进行Short-Time Fourier Transform（STFT）和WignerVille Distribution（WVD）,对比分析两者时频聚集的优缺点,提出采用NSTFT-WVD变换方法,可得到时频聚集特性更优且可抑制交叉项的时频分析方法。结果表明,对于ENPEMF非平稳信号,NSTFT-WVD变换能较为真实地反映震前ENPEMF信号的时-频-能量谱的联合分布特性,即震前1~2天呈现较为明显的脉冲全频率段静默状态,通道2和通道3数据的震前时频表现基本一致,具有较好的临震前兆的特点。