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。

基于修正的平滑伪WVD和Hough变换的二值积累的信号检测方法

在低信噪比条件下, WVD-Hough变换可以有效的地检测多个线性调频信号,但是当多个线性调频信号能量相差很大时,强信号的平台会将弱信号的峰值给淹没, WVD-Hough变换就很难同时将这多个线性调频信号检测出来.该本文基于在WVD-Hough变换的基础上,提出了基于修正的平滑伪WVD和Hough变换二值积累的方法.这种方法可以同时检测出强信号以及被强信号平台掩盖的弱信号,具有很大的实用价值,仿真的结果验证了算法的有效性.

基于SPWVD分布DSP实现的纸浆流量测量新方法

针对于当前实用型纸浆流量测量方法精度低的问题,提出一种纸浆流量的测量新方法,该方法利用纸浆浓度传感器产生的浓度信号的噪声中含有的流量信息,通过DSP实现的魏格纳-威利分布进行纸浆浓度信号噪声的时-频分析,利用其特征频率计算出纸浆实时流量。该方法使得纸浆浓度传感器同时测量纸浆浓度和流量,实验表明测量精度高达0.5%,并且具有出色的动态性能。

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。

地震波初至波与scholte波的时差提取研究

通过对初至波与scholte波到达时刻提取的方法研究,提出计盒分形维数算法和修正后的平滑伪魏格纳分布时频分析算法分别对初至波和scholte波到达时刻进行提取,两者时差主要应用于水下舰船目标探测研究。在此背景下,通过模拟浅海海底环境进行地震波数据采集,并拾取初至波与scholte波,获取两者时差,从而验证了所提算法的有效性。

地震前兆数据时频分析

采用平滑伪魏格纳分布方法,相继对乌海地震台洞体应变、哈图乌素地震台体应变、三号地井水位、大甸子井水位、翁牛特地震台地电阻率和宝昌地震台地电阻率等地震前兆数据进行时频分析,结果显示,时频分析可确定地震前兆数据包含的主要谐波成分及频段;时频分布能清晰显示地震前兆数据干扰短期变化时段和频段;时频分析方法的选取和对地震前兆数据的预处理工作,将影响时频结果信度。

颜色辨识状态下ERP时频特征与认知能力的相关性研究

研究不同程度认知能力人群的事件相关电位(ERP)的特征,从中提取出能有效识别血管性痴呆(VD)的电生理指标。选择正常青年组、VD组以及与VD同一年龄段的正常老年组作为被试人群,采用视觉通道诱发的oddball实验模式,对ERP信号运用平滑伪魏格纳分布(SPWVD)进行时频分析。通过不同被试人群的群延迟(GD)和瞬时频率(IF)的对比发现,大脑额、中央和顶区ERP信号的群延迟可反映3组不同被试之间认知能力的差异,为VD患者的早期诊断识别提供一个新的途径。

Q235焊接钢板受剪声发射时频特性分析

Q235钢板在工程中应用广泛,为了研究焊接对于Q235钢板性能的影响,开展了焊接试样和完整试样的受剪实验,利用数字声发射系统对实验过程的声发射信号进行实时采集。根据声发射计数率划分不同阶段,采用魏格纳-维尔分布,平滑伪魏格纳-维尔分布,对信号进行时频分析。实验结果表明：受剪实验中,焊接试样与完整试样的声发射特性明显不同,主要表现在受剪过程的各阶段中声发射信号能量集中的频带不同,弹性变形阶段信号时频带主要集中在80-100kHz附近;钢板塑性变形阶段时频带集中在100-140kHz范围内;焊缝塑性变形阶段,时频能量主要集中的频带范围在300-350kHz之间,部分能量较弱的信号分布在100kHz附近频段。

基于SPWVD和改进AlexNet的复合干扰识别

针对现代电子战电磁环境复杂,复合干扰信号有效特征难提取,识别难度大的问题,提出了一种基于伪平滑魏格纳-威利分布(Smoothed pseudo Wigner-Ville distribution,SPWVD)和改进Alex Net的复合干扰识别算法。该算法利用SPWVD对复合干扰信号进行时频分析,再利用图像处理技术对时频特征进行降维,最后结合改进的Alex Net模型,采用多个小的卷积核替代大的卷积核,删除全连接层7和局部响应归一化模块等手段,来减小网络参数从而加快计算速度,完成复合干扰信号的识别。仿真结果表明,在干(信)噪比为0 d B时,目标信号和6种复合干扰信号的识别率均在90%以上。与Alex Net模型相比,改进后的网络在识别准确率上有明显提高。

隧道爆破信号交叉项抑制及雷管延期时间研究

为解决隧道爆破振动信号易受测试环境影响而导致其时频域交叉项难以消除的难题,采用匹配追踪-平滑伪魏格纳分布(MP-SPWVD)组合算法,有效抑制微差爆破振动信号时频谱中的交叉项;同时采用小波时-能密度法精确判别隧道起爆网路中各段别雷管实际延期时间。研究表明:MP-SPWVD算法可有效削弱时频谱中交叉项对信号能量幅值和局部区域特征的不利影响;MP重构信号小波时-能密度分布可自适应地判别雷管段间实际延期时间,具有良好的应用前景;雷管延期判别精度与其延期时间密切相关。

隧道爆破振动信号时频谱交叉项干扰抑制方法

针对爆破振动信号时频谱中普遍存在的交叉项干扰难题,采用匹配追踪(matching pursuit,MP)和平滑伪魏格纳分布(smooth pseudo Wigner-Ville distribution,SPWVD)组合算法对实测隧道爆破振动信号进行了时频谱交叉项抑制和特征提取。根据信号稀疏表示和MP理论,构造与信号特征匹配的过完备稀疏原子库。通过MP分解实现子信号的原子重构,对重构子信号分别求取SPWVD分布并叠加,从而获得爆破信号更为精确的时频表达。分析结果表明:匹配追踪-平滑伪魏格纳分布(MP-SPWVD)组合方法可精准弱化并抑制爆破振动信号中包含的交叉项干扰成分,改善了信号时频辨识度并提高了时频特征解析能力,验证了将其用于信号时频分析的精度和有效性。组合算法适用于爆破振动信号时频特征提取过程。

基于VMD-SPWVD-CNN的滚动轴承故障智能诊断

针对传统的故障诊断方法依赖经验进行人工提取特征的问题,基于变分模态分解(VMD)和平滑伪魏格纳分布(SPWVD)并结合卷积神经网络(CNN)提出了VMD-SPWVD-CNN模型用于滚动轴承故障诊断。首先,利用VMD对轴承振动信号进行处理,分解为多个具有不同中心频率的模态分量;其次,对信号的每个模态分量分别进行SPWVD计算,将每个分量的计算结果累加得到轴承信号的二维时频图;最后,将时频图作为ResNet18卷积神经网络的输入,自动提取图像的深层特征完成滚动轴承的故障诊断。对10类轴承故障进行多次故障识别,该方法的平均准确率提升至99.56%,能有效地完成滚动轴承故障类别以及损伤程度的精确判定。

MSPWVD-HOUGH变换的多目标分辨和雷达回波参数估计

传统的时频分析方法,如Winger Ville Distribution,smoothed pseudo Wigner-Ville distribution等在多目标分辨的时候,无法同时在时频分辨率和抑制交叉项两方面同时达到较好的效果,所提出的MSPWVD解决了这一问题,MSPWVD-HOUGH还可在低信噪比的情况下检测出多目标,并估算其参数,可利用来进行雷达成像的运动补偿。

基于时频图像Zernike矩特征的欺骗干扰识别

为了有效应对跟踪雷达的三种常见欺骗干扰，提出了一种基于平滑伪魏格纳一维尔分布时频图像的Zernike矩特征的干扰识别方法。该方法对三种干扰下的雷达接收信号进行时频分析，运用数字图像处理技术对时频图像进行一系列的预处理后，通过Zemike矩特征提取图像的细节特征组成特征向量进行分类识别。仿真实验证明：该方法有较高的识别率，特别是该方法受信噪比影响较小，能够有效降低噪声对干扰识别的影响，说明了采用图像识别方法对雷达欺骗干扰信号进行分类识别的可行性。通过与其他文献方法的比较，证明了该方法的优越性。

基于局部二值模式特征的新型干扰识别算法

为解决频谱弥散干扰和切片组合干扰两种距离假目标新型干扰的识别问题,提出一种基于时频图像局部二值模式特征的干扰识别算法。运用平滑伪魏格纳-维尔分布时频分析雷达接收信号,通过数字图像处理技术对时频图像进行预处理,并利用图像局部二值特征提取图像的纹理特征进行识别。实验结果表明,与基于模糊函数的SMSP和C&I干扰识别算法相比,该算法能有效降低噪声的影响,且在低信噪比下仍具有较好的识别率。

非协作跳频通信信号参数估计与仿真

跳频通信是现代通信的重要手段之一,在通信对抗中有着普遍的应用,为获取敌方的跳频网台信号的基本参数就需要对敌方跳频信号进行优化检测。而侦察接收机对敌方的跳频通信信息一无所知,这就需要在剔除无用信息和网台分选的基础上,对跳频电台的参数进行盲估计。魏格纳分布通过信号变换同时给出信号的时间和频率信息,并采用窗函数在时间尺度上对变换信号进行平滑以弱化交叉项干扰,在此基础上对进行平滑伪魏格纳分布变换后的信号实现跳速估计、跳变时刻估计、跳变序列估计等信号参数盲估计,同时使用跳频序列扩展方法提高运算效率。从而实现了一种基于平滑伪魏格纳分布的时域分析方法,并在精度和实时性上体现出了较好的性能,具有高效、高稳定度、高实时性的特点。

基于重排方法的多分量线性调频信号分析

多分量线性调频信号的魏格纳分布(WVD)交叉项严重，而其平滑伪魏格纳分布(SPWVD)虽然抑制了交叉项但降低了时频聚集性。本文利用重排平滑伪魏格纳分布(RSPWVD)分析多分量线性调频信号，并以旁瓣电平(SLL)、交叉项干扰抑制(CTR)、分辨率损失(RL)等指标定量比较了它们的性能。仿真结果表明，RSPWVD旁瓣电平最低，交叉项抑制最好，分辨率损失最少。

基于空间时频分析的循环平稳盲源分离

介绍了基于空间时频分布的循环平稳盲源分离方法,对空间时频分析中交叉项引起的分离能力下降的情况进行了分析,同时将降噪处理应用到算法中,能有效地降低交叉项和噪声的干扰,如选择更有效的时频点进行空间矩阵联合对角化,最终将未知混合信号分离。仿真结果表明,该算法具有较好的收敛性,分离效果明显。

基于声波时频特性和深度学习的铝合金脉冲激光焊接熔透定量评估

焊缝熔透状态是定量评价激光焊接质量最重要的指标之一,实时准确识别焊缝的熔透状态是动态激光焊接过程监测和控制的关键。针对铝合金薄壁件的脉冲激光焊接,本文提出了基于声波时频特性和深度学习的焊缝熔透定量评估新方法。首先,搭建视觉-声发射多信息实时同步传感系统平台,获取反映匙孔动态行为的视觉图像和声波信号,并对声波信号进行分帧和小波包阈值去噪预处理;然后,使用平滑伪魏格纳维利分布(SPWVD)提取各帧声波信号的时频域图像,同时引入灰度共生矩阵(GLCM)提取时频域纹理特征,并将提取的纹理特征送入反向传播神经网络(BPNN)进行预测;最终,以SPWVD声波时频图为原始输入,构建基于卷积神经网络(CNN)的焊缝熔透分类模型。结果表明:声波时频图与匙孔动态行为、焊缝熔透状态具有高度相关性;相比于准确率为85%的传统BPNN分类模型,基于SPWVD时频图的CNN分类模型有着更高的准确率(98.8%)。所提定量评估新方法为铝合金薄壁件脉冲激光焊接熔透的在线智能诊断与自适应控制提供了参考。

振动目标光学微多普勒信号的获取与处理研究

建立了一套工作于光波段的微多普勒效应探测系统,并开展了探测振动目标微多普勒效应的实验研究,成功获取了由目标微小振动引起的微多普勒信号。对信号进行了频谱分析和时-频域的联合分析,结果表明:时频分析方法适合于时变微多普勒信号的分析,应用该方法能够有效地提取出目标的运动特征。本研究为应用微多普勒效应实现目标的探测、分类和识别奠定了基础。