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.

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。

平滑伪Wigner-Ville分布在电力系统谐波和电压变动检测中的应用

在分析比较了现有用于短时电能质量扰动信号检测的方法的基础上,提出使用平滑伪W igner-V ille分布(SPWVD)对电能质量信号进行检测和时频分析的新方法。平滑伪W igner-V ille(SPWVD)分布是一种优良的时频分析方法,能够在时域频域上对平稳谐波信号及非平稳信号进行联合时频分析。仿真表明,该方法能够较有效地检测出突变、非平稳扰动的短时电压波动,谐波和间谐波等电能质量信号的起止时间、频率信息。

Hilbert-Huang变换联合平滑伪Wigner-Ville时频分布识别储层流体性质

苏里格气田致密砂岩储层具有低孔、低渗、气水关系复杂等特点,利用常规测井资料进行流体识别难度较大。以阵列声波测井资料为基础,利用希尔伯特-黄(Hilbert-Huang)变换联合平滑伪魏格纳(Wigner-Ville)时频分布分别提取阵列声波测井信号的时间边缘和频率边缘特征,并研究与储层流体分布的关系。结果表明:气层和水层在时间边缘和频率边缘分布存在明显差异。在时间边缘分布特征上,气层能量最低,水层能量最高;在频率边缘分布特征上,气层和水层均有一定的频散,且水层能量高于气层能量;储层含气越多,信号衰减越严重。因此利用信号在时间分布和频率分布上的差异可以进行流体性质识别。

平滑伪Wigner-Ville分布在地震信号处理中的应用

文章介绍了平滑伪Wigner-Vile分布时频分析的方法及解析变换的概念,给出了实信号解析变换的方法,给出了地震信号的平滑伪魏格纳时频变换的方法,并对地震信号的属性进行了解释。实验结果显示平滑伪魏格纳时频分布可以描述信号的非平稳的时频特性,该方法可以成为地震信号处理的一条有效的途径。

基于阶比跟踪和平滑伪Wigner-Ville分布的曲轴轴承机械故障特征提取

为了提取柴油机曲轴轴承的故障特征参数，提出在柴油机急加速过程中采用阶比跟踪与平滑伪wigner—Ville分布相结合的诊断方法。通过仿真分析表明，该方法可以清晰地显示阶比分布随曲轴转角的变化情况。利用该方法对柴油机曲轴轴承不同技术状态下的振动信号进行对比分析发现，阶比能量随着曲轴转角（转速）的增加而增加，且阶比带的能量比例可以作为特征参数识别曲轴轴承的磨损程度。

平滑伪Wigner-Ville分布在脑电信号提取中的应用

运用平滑伪Wigner-Ville分布提取大脑皮层的稳态视觉诱发电位(steady state visual evoked potential,SSVEP)信号,并作为输入信号应用于脑机接口系统。研究结果表明,该方法不需叠加平均信号就可以提高信噪比,提取出的稳态视觉诱发电位信号能够准确反映使用者的控制意图,为脑机接口选取特征提供了依据。

基于平滑伪Wigner-Ville分布信号重排的爆破振动信号分析研究

简单介绍了重排时频分布,包括Cohen类分布的重排和Affine类分布的重排。并选择属于重排Cohen类分布的平滑伪Wigner-Ville分布重排对地下和露天爆破振动信号的时频特征进行对比分析,得出了它们之间的不同之处和相似之处,以便采取更加合理的措施来减小爆破振动的危害,从而保护地下工程和露天工程设施的安全稳定性。

基于FrFT的最优平滑伪Wigner-Ville分布

分数阶傅里叶变换具有旋转性、时移特性、频移特性等重要数学性质,将其结合广义时频带宽积准则,可设计出平滑伪Wigner-Ville分布(SPWVD)的最优时域窗函数,该窗函数能根据实际处理信号自适应地变化,从而提高SPWVD的精度。为了验证所设计窗函数的有效性,本文使用调频信号进行测试,仿真结果显示,该窗函数能有效提高传统SPWVD的精度。

平滑伪Wigner-Ville分布在电气设备局部放电信号分析中的应用

为了有效分析电气设备局部放电信号基于时域和频域的联合特性,本文采用平滑伪Wigner-Ville分布对放电信号进行时频分析,有效解决了Wigner-Ville分布中存在交叉干扰的问题。为了验证平滑伪Wigner-Ville分布的有效性,本文分别采用Wigner-Ville分布和平滑伪Wigner-Ville分布对局部放电信号进行分析。实验结果表明,平滑伪Wigner-Ville分布可以有效分析局部放电信号的时频特性。

基于Wigner-Ville分布与Chrip-Z变换的高分辨时频分析方法

时频分析方法一直广泛地应用于地震数据的处理与资料解释中。针对油气勘探面临的圈闭规模小、储层薄且埋深大、烃源丰富却分布零散等复杂情形时,如果地震资料有效信号频带较窄、分辨率较低,则需高分辨时频分析方法,以提高对微型油气目标的识别精度。平滑伪Wigner-Ville分布(SPWVD)双线性时频分析方法具有良好的时频聚焦性,线性调频Chrip-Z变换(CZT)的螺旋采样插值特性可突出三维空间局部细节。结合此二者优势,形成一种可提高地震信号时频分辨率的新方法(SPWVD-CZT)。该方法通过采样的方式实现数值的插值计算,以增加有效频段的划分点数,完善时频分布的局部细节,在时频域实现频谱信息的细化处理。模拟信号试算和实际地震资料河道微相识别的应用结果表明,该方法能显著提升地震数据时频分析的频率采样率,可为微型地质体的发现及油气开发提供技术支撑。

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。

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。

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。

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.

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。

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。