基于自适应组合窗函数的SPWVD算法及应用研究

针对平滑伪Wigller-Ville分布(Smoothing Pseudo-Winger-Ville distribution,SPWVD)在处理不同信号时,需要采用对应的平滑窗参数才能达到最优时频分布的问题,提出了一种基于自适应组合窗函数的SPWVD算法。该算法将Rényi熵作为时频评价指标,以组合窗函数的窗长和系数作为参数库,提出将随机梯度下降和扰动随机梯度下降分别用于窗长和系数的选取,提升计算速度分别为遍历法的20倍和9倍,最终得到信号的最优时频图。将上述的改进方法应用于碳纤维复合材料的缺陷检测中,结果表明,自适应组合窗函数的SPWVD可以有效地对不同信号选取最优的窗函数参数,对比固定窗函数的SPWVD,自适应组合窗函数的SPWVD具有更好的时频聚集效果,更加完备地对信号进行了表征,并对缺陷进行了定量分析,具备缺陷检测的良好应用前景。

基于注意力机制增强残差网络的雷达信号调制类型识别

针对情报分析中在低信噪比下雷达信号调制样式识别率较低的问题,提出基于注意力机制增强残差网络的雷达调制类型识别算法。利用平滑伪Wigner-Ville分布时频变换的强能量聚集特点将信号调制样式转化为二维时频图像;搭建2层卷积网络和6层残差块的残差网络,并在网络之间穿插加入卷积注意力机制模块,用以增强对特征的关注度,提高特征提取的有效性;将二维时频图像输入到该网络模型中实现调制类型识别。仿真实验结果表明,该算法对6类典型雷达信号调制类型能够有效提取到时频图像的特征,在信噪比0 dB以上实现100%的正确率,在信噪比-10 dB下正确率依然能够保持94.2%,具有较强的识别优势。

基于LMS-SPWVD的非平稳振动信号时频分析方法

针对SPWVD存在中心信号频率能量发散、干扰信号能量波形及模态混叠现象未得到有效抑制的缺点,提出一种最小均方滤波算法(LMS)和平滑伪维格纳威尔分布(SPWVD)相结合的时频分析方法(LMS-SPWVD).首先,采用LMS算法对模拟非平稳振动信号测试函数进行抑噪处理,获取最优输出信号测试函数时域波形;然后采用SPWVD对最优输出信号测试函数时域波形进行分析,构建LMS-SPWVD算法时频分布模型;最后将该方法与SPWVD、LMS-STFT、LMS-WVD进行对比。结果表明,该方法具有较好的时频分辨率与时频聚集性、模态混叠及干扰信号抑制效果。

常用时频分析方法的瞬时Teager主能量储层检测对比研究

地震谱分解技术能够从地震数据中提取丰富的地质信息,当层位中含有储层时,能量衰减就会出现“高频衰减,低频共振”的异常现象,瞬时Teager主能量这一地震属性能增强这种能量衰减异常现象,更有效地突出油气区域。首先利用测试信号对比分析了短时傅里叶变换、小波变换、S变换、Wigner-Ville变换、平滑伪Wigner-Ville变换的时频聚集性;然后利用短时傅里叶变换、小波变换、S变换、Wigner-Ville变换、平滑伪Wigner-Ville变换获得实际数据的时频表示,再利用时频表示计算地震数据的单频瞬时Teager能量和瞬时Teager主能量,并比较了不同时频分析方法的瞬时Teager主能量在储层预测方面的性能。研究结果表明基于平滑伪Wigner-Ville变换的瞬时Teager主能量储层预测效果最好,可以有效地区分储层和岩石层。

基于时频图与双通道卷积神经网络的轴承故障识别模型

采用传统的信号处理方法难以从轴承振动信号中提取能全面准确反映轴承运行状态的故障特征,并且实际工程中采集的数据量难以满足深度学习方法的要求(需要较大数据量),针对这些问题,提出了一种基于时频图与双通道卷积神经网络(CNN)的轴承故障识别模型(方法)。首先,基于样本熵和峭度,构造了新的目标函数,利用灰狼优化算法(GWO)对变分模态分解(VMD)方法进行了参数优化,当目标函数达到最小值时,得到了其最优参数组合;然后,使用经过参数优化后的变分模态分解(VMD)方法对轴承信号进行了处理,将处理后得到的模态分量进行了平滑伪Wigner Ville分布(SPWVD)计算,累加其计算结果后,最终得到了轴承的时频图;其次,利用连续小波变换(CWT)直接对原始信号处理得到了时频图;最后,将采用两种方式得到的时频图分别作为双通道CNN的输入,对网络进行了训练,由CNN提取了其时频图特征,并对轴承故障进行了识别分类和诊断。实验结果表明:采用该方法在轴承故障实验中得到的准确率为99.69%,在10次实验中的平均准确率达到了99.61%,相比于单通道CNN和支持向量机(SVM)等方法,该方法有着更高的准确率和更出色的稳定性。研究结果表明:将该方法应用在轴承故障诊断领域,具有准确率高、稳定性强的特点,能够有效地诊断轴承故障。

局部放电脉冲的Wigner时频分布特性研究

为了提高时频分布的分析精度和有效性,笔者根据局部放电脉冲信号的非平稳特性,提出使用联合时频分布对其进行处理,从而分析脉冲信号的时频特性。针对目前在非平稳信号处理中广泛使用、属于Cohen类的Wigner-Ville分布(WVD),笔者以仿真脉冲为对象,分别研究了其原始WVD、平滑伪Wigner分布(SPWVD)以及重排平滑伪Wigner分布(RSPWVD)。分析结果表明:WVD能够对局部放电脉冲信号引发的短时变化具有高度的敏感性,更适合表征非平稳信号的时变信息;SPWVD能消除双线性函数引起的交叉干扰项,但是以牺牲分布的时频分辨率为代价的;RSPWVD具有很好的时频聚集性,易于提取单个脉冲波形的时频特征参数,从而用于放电类型的模式识别以及深入研究绝缘系统中的局部放电机理。

基于EEMD分形与二次型SPWV分布的爆破振动信号分析

通过EEMD(Ensemble Empirical Mode Decomposition)分解和分形盒维数组合算法,结合爆破振动信号统计自相似特性,提出了利用广义自相似性因子来识别爆破振动信号主分量的EEMD分形盒维数广义自相似性方法,并用机车运行振动信号对该方法的精确度进行了验证。将爆破振动原始信号和优势分量重组信号分别采用多重分形算法,定量描述了爆破振动信号在无标度区内的多重分形特征,并对比分析了原始信号和优势分量重组信号的Cohen类二次型SPWV(Smooth Pseudo Wigner-Ville)分布时频特性。结果表明:EEMD分形盒维数广义自相似性方法能够精确识别振动信号的主分量。EEMD优势分量重组多重分形与重组二次型SPWV分布相结合分析方法,可以深刻揭示爆破振动信号中包含的局部时频特性,更能有效改善模态混叠并消除交叉项干扰,提高信号时频聚集性。

基于平滑伪Wigner分布的伪码与线性调频复合侦察信号参数估计

该文研究伪码-线性调频复合体制侦察信号识别的平滑伪Wigner时频分析方法,推导了PRBC-LFM侦察信号的SPWVD时频分布函数,通过对ω=ω0+Kt截面上SPWVD分布分析,从中提取了与载频、调频斜率和伪码参数(子脉冲宽度、编码位数、脉冲周期等)有关的特性,设计了参数估计方法。最后在高斯噪声环境下对理论分析的结果进行了仿真,结果表明在相同的信号环境下,该文提出的方法对PRBC-LFM信号的参数估计精度优于基于谱相关以及基于Wigner分布的参数估计性能。

微多普勒特征提取中的时频分布选择

针对雷达目标微多普勒特征提取中的时频分布选择问题,从理论上分析了微多普勒信号的时频分布特点.对于多分量微多普勒信号,通过引入性能评价准则给出了时频分布的性能评价指标,并进一步提出微多普勒信号的时频分布优化选择方法.仿真结果表明,平滑伪Wigner-Ville分布具有最优的时频性能.该结论对微多普勒提取的时频算法选择及高精度的瞬时频率估计具有指导意义.

激光微多普勒探测运动目标复合振动的实验研究

建立了激光微多普勒效应探测系统,开展了激光微多普勒效应探测运动目标复合振动的实验研究。实验结果的频谱分析和时-频域的联合分析表明:利用激光微多普勒效应,可以有效地探测目标的复合振动,为目标的探测、分类和识别奠定了基础。

一种应用自项抑制魏格纳分布交叉项的方法

在分析Wigner-Ville分布(WVD)自项和交叉项关系的基础上,提出了一种采用平滑伪魏格纳分布(SPWVD)谱抑制交叉项的方法。该方法首先计算信号的SPWVD,进而求取SPWVD谱,然后用SPWVD谱代替信号的自项,作为窗函数对信号的WVD进行处理。这里SPWVD谱不仅起到有效移除WVD交叉项的作用,还可以增强自项,起到自身定位的作用。最后通过实验和故障诊断实例验证了该方法的有效性。

基于深度学习的滚动轴承故障诊断与性能退化程度识别方法

针对传统故障诊断方法数据处理较复杂、特征提取技术难度大等难题,提出了一种基于平滑伪Wigner-Ville分布(SPWVD)与深度学习相结合的故障诊断方法。首先对滚动轴承的振动信号进行小波包分解,提取其低频分量进行平滑伪Wigner-Ville变换得到原始特征图,为了减少卷积神经网络的计算量,对原始特征图进行降维,得到振动信号的降维输入特征图。应用深度学习算法进行数据驱动的特征学习,将降维输入特征图作为卷积神经网络的输入,通过对降维输入特征图的学习自动提取其中的特征。最后应用训练好的卷积神经网络模型对测试样本进行故障识别。诊断结果表明,基于SPWVD与卷积神经网络结合的故障诊断方法可以有效地实现滚动轴承故障诊断与性能退化程度的识别,识别准确率较高且具有较强的鲁棒性和较好的通用性。

估计跳频信号参数的多窗口迭代平滑伪WVD新算法

采用时-频分析方法获取跳频信号的瞬时频率、跳周期、跳频图案等主要参数,在短时傅立叶变换、Wigner-Ville分布等传统时-频分析算法均无法达到抑制噪声和实时参数检测的情况下,提出一种能适应跳频信号速率变化的多窗口迭代平滑伪Wigner-Ville分布(SPWVD)算法来进行跳频信号参数的实时估计。仿真结果表明,该算法在较低信噪比(-8 dB)的情况下也具有良好的实时估计效果。

基于多尺度子带样本熵和LPP的轴承故障诊断方法

轴承损伤是机械设备损伤的主要原因之一,其产生的振动信号具有微弱、非平稳和非线性的特点。针对不能准确从微弱信号中提取故障特征的问题,提出使用多尺度子带样本熵,首先对信号进行小波包分解得到多尺度信号,再将每一个多尺度信号进行子带分解得到多尺度子带信号,再求其样本熵得到多尺度子带样本熵,该方法能深入挖掘微弱信号的本质特征;针对非平稳信号能量密度分布不均的问题,提出使用平滑伪Wigner-Ville分布,其可对非平稳信号的瞬时对称相关函数进行时频聚集处理,使信号的能量均匀分布;针对不能准确的挖掘非线性数据的主流形的问题,提出使用局部保持投影(LPP,Locality Preserving Projection),LPP在投影过程中保持了最优的数据局部邻域关系,可以准确的挖掘非线性数据的主流形。文中分别采用四组正常、内圈故障、滚珠故障和外圈故障信号作为原始数据来验证该方法的有效性,实验结果证明该方法能有效地对信号故障进行分离和识别。

平滑伪Wigner-Ville分布在脑电信号处理中的应用

介绍了平滑伪Wigner-Ville分布(SPWD)的基本原理,并说明了Cohen类时频分布和SPWD之间的关系,给出了SPWD的离散形式。对一段诱发同步脑电信号做了时频分析,并将结果和基于Fourier变换的谱估计和基于短时Fourier变换的谱图进行了比较,从时频分布图中观察到了用谱图方法难以看到的枕部α波“squeak”现象。

基于时频分布的电能质量交叉扰动检测

针对电能质量扰动信号非平稳、交叉性的特点,提出一种基于Wigner-Ville分布(Wigner-Ville distribution,WVD)交叉电能质量扰动检测的方法。利用WVD的时间边缘特性和频率边缘特性,能精确估计平稳信号中谐波和间谐波成分的幅值和频率信息;对电压骤降和谐波交叉出现的情况,利用WVD及其改进算法也能较精确估计出谐波、间谐波的幅值与频率,以及电压骤降的起止时间和电压骤降后的基波电压幅值。

采用平滑伪Wigner-Ville分布的SSVEP脑机接口系统

提出基于多频率刺激源诱发SSVEP的脑机接口(BCI)系统.针对脑电信号的微弱性和非平稳性特点,在对其进行预处理和空间滤波的基础上,采用平滑伪Wigner-Ville分布的时频分析方法将时间窗口长度内的脑电信号转换为时间-频率分布的信号.分类汇总视觉刺激时间内的脑电频率,并提取脑电信号中的最大频率成分作为目标频率.实验结果表明:随着分析时间窗的增大,平滑伪Wigner-Ville时频分析方法具有一定的优势.当时间窗为4s时,其分类准确率达98.29%,信息传输率达28.01bits/min,超过经典的典型相关分析(CCA)和功率谱密度分析(PSDA)的结果.

基于SPWVD图像和深度迁移学习的强迫振荡源定位方法

强迫振荡扰动源的准确定位是消除强迫振荡、恢复电力系统正常运行的关键。文中提出一种基于平滑伪Wigner-Ville分布(SPWVD)图像和深度迁移学习的强迫振荡扰动源定位方法。首先对强迫振荡信号采用SPWVD方法以图像形式表征全网强迫振荡特征信息,然后通过深度迁移学习将其他领域的图像识别知识迁移到电力系统领域,挖掘振荡图像与扰动源位置之间的联系,在保证训练准确度的同时,提升了训练效率。在WECC 179节点系统中的算例验证了该方法的有效性,并且相比于传统机器学习方法具有准确率高的优势。此外还考虑振荡数据中的噪声、录波起始时间以及数据长度验证了所提方法的准确性和抗噪性,并在由负荷引发的强迫振荡和系统拓扑发生变化的情况下,验证了方法的有效性。

内埋式弹舱与弹体相互影响的精细模拟

为了研究内埋式武器舱弹体投放过程中下落弹体与舱体之间强烈的相互作用,利用基于Menter SST k-ω湍流模型的分离涡模拟方法,结合六自由度刚体动力学方程和重叠网格技术对某一简化开式弹舱和弹体模型的三维流场进行了非定常计算,利用非平稳信号处理方法平滑伪Wigner-Ville分布分析了舱内测点压力的时频特性。研究结果表明:在弹体出舱过程中,剪切层被破坏,导致舱体内流动状态发生较大改变,不再呈现开式舱体自持振荡特性,舱体内噪声的各阶单调声模态不明显,受弹体的影响,舱体内强度较高的涡结构主要集中于舱体后缘,使舱体后缘噪声水平升高;弹体出舱后剪切层迅速重建,自持振荡回路再次形成,舱体流动状态恢复为典型的纯空舱流动状态,但受弹体头部加速气流的影响,剪切层不稳定性增强,导致舱体内部噪声水平升高。弹体在出舱过程中由于剪切层影响受到抬头力矩的作用,使得弹体具有较大的迎角。弹体出舱后,在迎角的影响下,弹体开始受竖直向上的力和低头力矩的作用,竖直向上的力会阻碍弹体的下落。同时,弹体下落过程受舱体强非定常流场的影响,弹体受力也存在强烈的波动。研究结果为内埋武器舱优化设计和制定武器安全投放控制规律提供参考。

双基地ISAR成像分析

在建立远场条件下双基地ISAR转台模型的基础上,阐述了双基地ISAR的成像原理。针对双基地ISAR系统中相对转角计算复杂的问题,给出了一种利用合多普勒带宽计算双基地ISAR方位分辨率的方法。详细分析了双基地ISAR系统的收、发分置结构对目标成像的影响,针对双基地ISAR系统中机动目标多普勒频率信息的时变特性,将基于时频分析技术的距离-瞬时多普勒成像算法引入双基地ISAR目标像的重建过程中。最后,仿真实验验证了算法的有效性。