魏格纳-维尔分布交叉项抑制方法综述

魏格纳-维尔分布(WVD)交叉项抑制一直是时频分析领域的研究热点之一,已有相当多的交叉项抑制方法被提出来并得到应用。综述了能量分布方法、信号分解方法、多谱图叠加法和其他类方法,并对各类方法的优缺点作了全面总结和分析,最后,对魏格纳-维尔分布交叉项抑制提出了一些参考性思路,如利用小波分析工具、分数阶傅里叶变换工具,以及多种方法综合应用等。

伪魏格纳-维勒分布在地磁时频分析中的应用

采用伪魏格纳-维勒分布对静日和扰日的地磁场Z分量数据进行时频分析,结果表明周期为6～24h的静日变化在静日和扰日的各个台站都存在;而2～6h部分既受外源场影响,也反映了区域信息,表现出感应磁场和地壳磁场的特征。采用平滑伪魏格纳-维勒分布对汶川8.0级地震前各台的Z分量数据进行时频分析,结果显示震中附近的地磁台站在震前记录到了周期约为4.4h的异常信号,其振幅随震中距增大而减小。

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。

魏格纳——维尔分布在非平稳信号分析中的应用

简要介绍了魏格纳———维尔分布及其性质 ,通过列举两个应用魏格纳———维尔分布来分析非平稳信号的实例 ,显现这种方法在分析非平稳信号中的作用 .

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FRFT的Wigner-Ville分布交叉项抑制方法

针对多分量线性调频信号的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)交叉项干扰问题,提出一种抑制交叉项的方法。该方法利用分数阶傅里叶变换(Fractional Fourier Transform,FRFT)在最佳FRFT域中对给定的线性调频信号具有最好的能量聚集性,将多分量线性调频信号在FRFT域上分解为若干个单分量信号,线性叠加单分量信号的WVD,从而达到抑制交叉项的效果。此外,当多分量线性调频信号为周期信号时周期间存在干扰,进一步提出了在基于FRFT的WVD交叉项抑制方法中增加周期遮蔽处理。仿真结果表明,在保持较高的时频分辨率时,该方法能够有效抑制交叉项,并且有一定的抗噪声能力。

基于RSPWVD-Hough的多分量LFM信号检测

由于多分量LFM信号的双线性时频分布(BTFD)存在交叉项的干扰,所以在低信噪比条件下直接在时频平面难于进行检测,采用重排平滑伪魏格纳维尔分布(RSPWVD),能在抑制交叉项的同时提高时频聚集性,并利用Hough变换检测图像中直线的原理,将多分量LFM信号的检测问题转换为在参数空间寻找局部极大值的问题,由于Hough变换运算量较大,提出一种在平滑重排后进行设定门限处理的方法,仿真实验表明,该方法可以在抑制噪声和交叉项的同时大大减少运算量。

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。

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。

一种基于SPWVD-WVD的高质量时频分析方法及ISAR成像应用

交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。

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。

不同关门力度下乘用车关门声声品质评价

针对在主观偏好性试验中关门力度对听审者的主观评价有很大影响这一问题,考虑轻、重关门力度对声品质评价的影响,提出了一种新的关门声声品质评价参数——SE(sharpnessenergy)。即利用二次EEMD分解和Wigner-Ville分布得到样本的能量分布,参考尖锐度计算公式推导得到SE计算公式,并将其归一化为百分制,SE突出了高频成分对声品质主观偏好性的影响。为验证参数SE的有效性,将该参数和主观评价结果进行相关性分析,结果表明当关门力度不同时,SE与样本评价结果相关性更高,SE比尖锐度能更准确地反映高频成分对声品质的影响。

基于SPWVD时频图纹理特征的滚动轴承故障诊断

针对如何提高滚动轴承故障诊断准确率的问题,提出一种基于平滑伪维格纳-威利分布(smooth and pseudo Wigner-Ville distribution,简称SPWVD)时频图纹理特征的故障诊断方法,对滚动轴承不同故障类型及故障程度进行识别。首先,采用SPWVD时频分析方法处理轴承故障振动信号,并获取时频图,从中提取选择表征能力优秀的特征参量作为故障特征;其次,将故障特征作为输入,结合支持向量机(support vectors machine,简称SVM)建立滚动轴承故障诊断模型;最后,采用轴承故障数据,比较SPWVD时频图纹理特征、维格纳-威利分布(Wigner-Ville distribution,简称WVD)时频图纹理特征和小波尺度谱图纹理特征3种故障特征的模式识别能力及准确率。分析结果表明,SPWVD时频图纹理故障特征分类效果最佳,敏感性最强,具有较高的故障诊断精度。

应用时频表示进行结构时变模态频率辨识

本文应用线性和二次时频表示的方法 ,包括 :线性时频分析方法短时傅里叶变换和二次时频表示魏格纳-维尔分布 ,进行了时变结构模态频率的辨识。通过对刚度连续变化的二自由度系统时变模态频率辨识的仿真 ,论述了两种时频辨识方法的特点。仿真结果表明时频变换辨识方法是辨识时变模态频率的有效工具 ,魏格纳

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。

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。

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。

地震时程分析的时频联合缩减法

为了减少动态时程法的计算开销,根据地震时程记录的能量在时间-频率域内主要集中在特定时间段和低频分量中的特点,用离散小波变换,变采样率重构时程记录,以达到在时程计算时减少积分步数,节约计算时间的目的。通过有限元数值实验,表明该法可有效缩短计算时间,同时计算误差不超过5%,在工程范围内可以接受。