同步挤压改进短时傅里叶变换分频相干技术在断裂识别中的应用

受地震资料分辨率低以及地层产状所造成的背景噪声影响,难以准确识别小断裂及裂缝发育区,因此,利用同步挤压改进短时傅里叶变换的高时频分辨率技术,将地震数据体谱分解得到不同频率的单频数据体,再结合多道倾角导向相干技术对单频数据体进行相干计算。结果表明:同步挤压改进短时傅里叶变换分频多道倾角导向相干技术能够有效削弱因地震资料分辨率以及地层产状所造成的背景噪声影响,不仅具同步挤压改进短时傅里叶变换的高时频分辨率的优势,而且还有多道倾角导向相干技术对断裂准确刻画的优点。应用该方法在南海某工区断裂识别中取得了很好的效果。

基于同步挤压改进短时傅里叶变换的谱分解应用

随着油气勘探开发深度的增加以及地震数据采集受外界的干扰严重,使得地震资料处理解释人员对于含油气层的识别也变得更加困难。基于时频分析的地震谱分解技术已经广泛应用于油气储层预测中;但由于短时傅里叶变换、小波变换、S变换、Wigner-Ville分布等传统时频分析方法受自身窗函数的约束,使得它们的时频聚焦性不高或交叉项干扰,导致油气检测结果存在很大的误差。针对这一难题,为了实现准确的储层预测,通过对短时傅里叶窗函数进行拓展,并且对拓展后的短时傅里叶变换结果执行挤压,将挤压结果重排放置于信号的瞬时频率处,提出了同步挤压改进短时傅里叶变换。信号分析表明同步挤压改进短时傅里叶变换具有更高的时频聚焦能力。将同步挤压改进短时傅里叶变换与地震谱分解技术结合,并将其运用于实际地震资料,结果表明,该方法可以对含油气层进行精细刻画,频率异常特征十分显著,对于含油气性检测具有很强的实用性。

基于高阶傅里叶同步挤压变换与希尔伯特变换的次同步振荡分析

针对次同步振荡分量提取存在噪声干扰和模态混叠问题,提出一种结合高阶傅里叶同步挤压变换(high-order Fourier synchrosqueezed transform,HFSST)与希尔伯特变换(Hilbert transform,HT)的次同步振荡分析方法。该方法在傅里叶同步挤压变换(Fourier syn-chrosqueezed transform,FSST)基础上,通过信号幅值和相位的高阶泰勒展开,定义一种调制算子对瞬时频率估计进行修正,从而提高信号时频分布的能量聚集程度和重构精度。然后,将所提方法应用于次同步振荡分析中,利用该方法对次同步振荡进行时频分析和模态分解,并与HT结合得到各分量振荡参数。通过仿真实验和实测数据分析,并与短时傅里叶变换(short-time Fourier transform,STFT)、重排方法(reassignment method,RM)、经验模态分解(empirical mode decomposition,EMD)等对比,结果表明:所提方法能抑制噪声干扰,得到更好的次同步振荡时频分布,同时可实现多分量的次同步振荡模态分解,准确辨识次同步振荡参数,对电力系统安全稳定运行具有一定的参考意义。

基于改进短时傅里叶变换的磁共振随机噪声消减方法

磁共振测深法(magnetic resonance sounding,MRS)具有无需钻探即可直接探测地下水含量的优势,但是极低的信噪比(signal-to-noise ratio,SNR)限制了该方法的大范围应用,目前的研究工作主要集中在消除MRS信号中的尖峰噪声和工频谐波噪声上,而随机噪声由于其无规律性导致难以消除,但是它的影响不容忽视.目前MRS随机噪声的消减常采用叠加法,需要重复采集数据叠加平均来达到消噪目的,探测时间长且消噪效果有限.针对这一问题,本文提出了一种改进的短时傅里叶变换方法,该方法通过处理单次采集的MRS包络信号来降低数据量,提高数据处理效率.改进的短时傅里叶变换方法采用解析信号代替常规短时傅里叶变换中的实值信号,提高MRS信号时频域瞬时幅度的准确度,得到MRS信号的高精度时频分布,然后提取时频域峰值幅度和峰值相位重构信号来消除随机噪声.仿真实验和实测数据处理结果表明,该方法能够直接处理单次采集数据,在信噪比高于-17.21 dB的情况下可有效提取MRS信号,实现随机噪声的压制,且与传统叠加法相比,信噪比最多可提高27.88 dB,均方根误差最多缩小36.44倍,参数估计值更加准确.本文的研究结果为利用MRS获取准确的地下水分布情况奠定了良好的基础.

一种基于短时傅里叶变换的OFDM时间同步方法

该文提出了一种基于短时傅里叶变换的OFDM符号同步方法。该方法通过短时傅里叶变换得到OFDM信号的二维幅度谱,并提取其中的周期平稳时频结构信息,估计出OFDM符号的无ISI时间区间,并选取该区间的最佳位置作为OFDM符号起始位置估计。仿真结果表明:该方法相对于常规的时间相关算法能有效地对抗低信噪比环境。

基于同步压缩短时傅里叶变换的毫米波雷达人体动作识别

针对人体动作识别问题,提出一种基于同步压缩短时傅里叶变换的人体动作识别方法。使用毫米波雷达进行人体动作数据的采集,将采集到的数据进行同步压缩短时傅里叶变换得到其时频图;然后使用卷积神经网络对不同动作进行微多普勒特征提取并分类。在数据采集部分,使用毫米波雷达进行数据采集,有效地避免了外界因素的影响;在时频分析部分,使用窗函数优化的同步压缩短时傅里叶变换提高了时频聚集性。实验结果表明,该人体动作识别系统对不同人体动作的识别率可达到91.7%。

基于傅里叶同步挤压变换和希尔伯特变换的谐波间谐波检测分析

针对电网谐波间谐波提取易发生模态混叠和易受噪声干扰等问题,首次提出一种基于傅里叶同步挤压变换(Fourier-based synchrosqueezing transform,FSST)和希尔伯特变换(Hilbert transform,HT)的谐波间谐波检测方法。该方法利用FSST将信号分解为一组内蕴模态类函数(intrinsic mode type functions,IMTs)分量,再利用HT提取各分量的瞬时频率和瞬时幅值,从而完成谐波间谐波的检测。为提高检测精度,提出利用调制算子修正信号瞬时频率来提高各IMTs分量重构精度,进而提出一种改进傅里叶同步挤压变换(improvedFourier-basedsynchrosqueezingtransform,IFSST)。与传统方法相比,所提方法能有效抑制模态混叠和噪声干扰,能准确提取各谐波间谐波。最后,仿真实验和实测数据验证了该方法的有效性和准确性。

基于短时傅里叶变换的水声OFDM时间同步方法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术具有抗多径、频带利用充分、传输数据率高的优点,在水声通信中具有重要的发展前景。由于多普勒频移和多径时延的存在,需对OFDM信号进行时间同步。同步不准会引起OFDM水声通信中符号间干扰和子载波间干扰,提出了一种基于叠加单频序列的短时傅里叶变换(STFT)时间同步方法,该方案首先提取叠加在OFDM符号上的单频信号,对该信号进行短时傅里叶变换,随后对其时频幅度谱进行分析,利用平坦区域确定同步时刻。仿真和试验结果表明,该方案有效可行。

基于小波包分解的自适应同步压缩短时傅里叶变换

获得同时含有稳态频率和瞬态频率成分信号的高分辨率时频分布是时频分析的重点与难点,为了解决此类信号进行同步压缩短时傅里叶变换(synchro-squeezed short time Fourier transform,SSTFT)时窗长受限的问题,提出了基于小波包分解的自适应同步压缩短时傅里叶变换(adaptive synchro-squeezed short time Fourier transform by wave packet decomposition,WPD-ASSTFT)方法。首先,借助小波包分解将信号分解为若干个子信号;之后,对不同的子信号进行自适应窗长选择,确定使子信号进行短时傅里叶变换(short time Fourier transform,STFT)的时频分布Renyi熵值最小时对应的窗长——最优窗长;然后,将各个子信号在最优窗长下进行SSTFT;最后,将所有子信号的时频分布相加得到原始信号的时频分布。通过小波包分解,将信号分解为不同频率范围的子信号,通过自适应窗长选择,使得SSTFT的时频图分辨率最佳。利用该方法对仿真信号和铁路轴箱加速度信号进行分析,结果表明:由WPD-ASSTFT得到的时频分布具有良好的分辨率。

基于同步压缩短时傅里叶变换的微型无人机识别

针对利用雷达微多普勒效应的微型无人机识别问题,提出了一种基于同步压缩短时傅里叶变换(Synchrosqueezing Short-Time Fourier Transform,SSTFT)的分类识别方法。首先对无人机的微多普勒回波信号进行SSTFT从而获得信号时频谱,然后对时频谱进行多维度特征提取获得回波信号的时频特征及频率变化特征,最后将所获得联合特征输入到支持向量机(Support Vector Machine,SVM)中进而实现无人机的分类识别。基于实际雷达数据的实验结果表明,所提无人机分类方法准确率可达到97.03%。

同步压缩短时傅里叶变换和时频脊线增强识别结构固有频率

根据实测结构振动响应准确地提取结构模态特征是评估结构健康状态的关键一环。将同步压缩短时傅里叶变换和时频脊线增强方法相结合,提出了一种新的结构自振频率识别方法。该方法首先对振动响应信号进行了同步压缩短时傅里叶变换,锐化了信号的时频表达,然后采用脊线增强方法对锐化后的时频图提取了峰值序列,获得了结构最可能的能量波动路径。通过对包含间断信号和模态混叠信号的仿真信号以及包含不同信噪比噪声的仿真信号进行验证,证明了同步压缩短时傅里叶变换的可靠性和准确性。接着,通过对比一个4自由度系统在地震作用下的结构响应,分析了不同变换方法的脊线增强效果,进一步验证了脊线增强方法对理解结构能量耗散路径和识别结构自振频率的有效性。

基于同步挤压变换的电力系统谐波分析

为解决短时傅里叶变换(short-time Fourier transform,STFT)和连续小波变换(continuous wavelet transform,CWT)分析复杂电力系统谐波的不足,提出用于谐波分析的傅里叶同步挤压变换(Fourier-based synchrosqueezing transform,FSST)和同步挤压小波变换(synchrosqueezing wavelet transform,SWT)方法。这2种方法分别利用STFT和CWT对电力谐波信号进行时频分析,并对谐波瞬时频率同步挤压锐化,得到更精细的谐波时频曲线;然后利用其可逆性将电力谐波分解为一组内蕴模态类函数(intrinsic mode type functions,IMTs)分量,完成谐波各分量的提取。通过对比研究发现,FSST更适合分析线性调频电力谐波,SWT更适合分析非线性调频电力谐波。实际应用结果表明,与希尔伯特黄变换相比,同步挤压变换能有效抑制模态混叠和噪声干扰,能有效提取各谐波特征信息。

自适应窗口旋转同步压缩变换及其在电机转速估计上的应用

针对同步压缩变换(Synchrosueezing Transform,SST)中短时傅里叶变换(Short-time Fourier Transform,STFT),固定窗效应在处理非线性时变信号上的不足,提出了一种自适应窗口旋转短时傅里叶变换(Adaptive Window Rotating Short Time Fourier Transform,AWRSTFT)方法,该方法通过自适应匹配一系列的旋转算子,实现信号在全局上的频率带宽最小。进一步地,在SST的框架下,用AWRSST方法替换STFT,提出了自适应窗口旋转同步压缩变换(Adaptive Window Rotating Synchrosueezing Transform,AWRSST)方法,并用于电机转速信号的处理,该方法能够兼顾AWRSTFT和SST的优势,进一步锐化时频脊线,从而增强时频表示的能量聚集水平。通过数值仿真和电机转速估计实验,验证了该方法的有效性。

基于STFT图像和迁移学习的次同步振荡源定位方法

直驱风机与电网交互引发次同步振荡,严重威胁电网的安全稳定运行。为快速定位诱发机组,提出了一种基于短时傅里叶变换(STFT)图像和迁移学习的次同步振荡源定位方法。首先,采用压缩感知技术将出口数据转化为观测信号,再对观测信号进行STFT得到具备振荡特征的映射图,构建映射图与振荡源机组之间的联系;然后,采用对抗式迁移学习架构,结合电力系统,实现对目标域无标签振荡数据的快速泛化;最后,与传统迁移学习方法进行比较,结果表明所提方法在定位准确率和效率方面表现更优,且具备较强的抗噪能力。

基于QSTFT的同步压缩变换及在轴承故障诊断中的应用

高阶同步压缩变换以同步压缩变换为基础,能够有效地估计纯调制信号的瞬时频率,提升时频面的能量集中水平。但由于受到窗口固定的限制,其难以对频率快速变化的多分量信号获得清晰的时频表示。为此,引入缝式短时傅里叶变换,其能够根据信号的特点,在特定区域自适应地选择最佳的窗口,克服了窗口时宽不变的缺陷。在此基础上,结合高阶同步压缩变换,提出一种基于缝式短时傅里叶变换的自适应高阶同步压缩变换算法,进一步提升对复杂信号时频特征的提取能力。通过对仿真信号和轴承外圈故障信号进行分析,验证了该算法的有效性。

2FSK信号DSTFT解调算法中的同步新方法

针对FSK调制信号在离散短时傅里叶变换(DSTFT)解调算法中的同步问题,通过分析比较2FSK信号的谱图与码元偏移之间的特定关系,提出一种基于谱图的同步新算法,即将信号接收过程分为码元起始点捕获过程和码元跟踪过程,针对不同的接收过程采用不同的同步算法.MATLAB仿真结果表明:在相同信噪比的情况下,采用基于谱图的同步算法比其他同步算法解调的误码率更低.该同步算法已用于实际的NAVTEX接收机中,接收灵敏度满足NAVTEX检测标准:当输入信号强度为-107dBm时,误码率小于4%,并且接收机已成功接收、解调出国际通道信息.

一种新的高速跳频同步方法

跳频电台同步系统要求具有良好的抗干扰性能和保密性能,同时达到快速同步。针对传统的时间信息和同步字头相结合的同步方案,提出了一种基于差分跳频原理的高速跳频同步方案。发送端利用载波的前后相关性来传送同步信息,接收端通过频率侦测获取同步信息,简化了传统方案中同步信息的编码、调制等过程。仿真结果表明,方案的同步性能有较大改善,同步时间短,抗干扰能力强。

一种基于DSTFT解调FSK信号的改进方法

提出了一种基于离散短时傅里叶变换 (DSTFT)来实现 FSK信号数字解调的方法 ,给出了解调原理和码元同步算法 ,仿真表明效果良好。

基于FSST和D-K聚类的次同步振荡分析

为了更准确地识别电力系统次同步振荡的模态数量和频率,以及时进行频率定位和重构,需要提高次同步实测数据的模态辨识的结果精度。针对DBSCAN聚类可以被应用于划分类簇但无法自动计算类簇中心,以及Kmeans聚类需提前确定类簇数量才能计算类簇中心的特点,提出了一种基于傅里叶同步挤压变换和DBSCAN-Kmeans混合聚类(以下简称D-K聚类)的电力系统次同步振荡分析法。模拟数值信号和IEEE次同步谐振(SSR)标准模型算例的仿真实验数据表明,FSST方法能被用于分离距离较近的相邻信号模态。通过算例分析,验证了结合FSST和D-K聚类的次同步振荡分析方法可以避免FSST方法无法自动获取模态的缺陷,且参数辨识结果有较高的精度。

频率估值自同步方案设计与性能分析

现有跳频自同步方案中抗干扰性能最强的方法是串行滑动相关法和并行匹配滤波两种方案,但是滑动相关法捕获速度比较慢,匹配滤波法系统结构比较复杂。为了克服这些缺点,提出了频率估值自同步方案,该方案使用STFT获取跳频载波频率,利用频率控制字逆向恢复PN序列以获取系统同步。从捕获时间期望、抗干扰性能及系统复杂度三方面对新方案进行了评价,从理论及程序仿真验证了方案在大信噪比下的可行性。本方案在大信噪比信道中有较强的抗干扰及快速捕获能力。