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。

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。

EMD和平滑伪Wigner-Ville谱熵的轴承故障诊断

提出一种基于经验模态分解(EMD)和平滑伪Wigner-Ville分布(SPWVD)谱熵的滚动轴承故障诊断的方法。EMD方法充分保留信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势,SPWVD谱熵用于定量刻画轴承不同状态下振动信号的时频能量分布,将二种算法相结合应用于不同工作状态滚动轴承,并设计最小二乘支持向量机(LS-SVM)智能模型,实现轴承状态和故障类型的自动分类和识别。通过SPWVD谱熵与谱峭度法的对比,验证了SPWVD谱熵的有效性。实验表明此方法能够有效地提取轴承故障的特征信息,提高轴承故障诊断率。

基于参数优化VMD和SPWVD的轨道波磨辨识方法

为了有效检测轨道波磨故障,提出一种基于参数优化变分模态分解(VMD,VariableMode Decomposition)和平滑伪维格纳分布(SPWVD,SmoothPseudo Wigner VilleDistribution)的轨道波磨辨识方法。采用变步长最小均方(VSSLMS,Variable Step Size Least Mean Square)算法对列车轴箱振动加速度原始信号滤波;对滤波后的信号进行变分模态分解,将分解信号包络熵作为轨道波磨辨识的指标;采用平滑伪维格纳分布对分解后的信号进行时频分析,确定波磨发生的位置及波长;通过仿真信号与实例验证方法的有效性。验证结果表明,该方法可提高轨道波磨辨识的准确性,辅助轨道维修和养护。

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STFT与SPWVD的跳频参数盲估计算法

为了降低欠定条件下多网台跳频信号参数盲估计误差,提出一种基于短时傅里叶变换(STFT)与平滑伪WVD分布(SPWVD)相结合的方法.该方法先对信号进行STFT,确定跳变时刻的粗估计范围,再对粗估计范围内的信号进行SPWVD,得到跳变时刻的精确估计,从而估计出跳周期.理论分析与仿真实验结果表明:所提算法在欠定条件下可有效估计出同步正交多网台跳频信号的各参数,与现有的基于时频稀疏性的时频图修正方法相比,在复杂度少量增加的前提下,参数估计误差大幅减小.当信噪比为-4dB时,跳周期、跳变时刻、载频相对估计误差降低了2个数量级,而复杂度只增加了6倍.

脉冲噪声下跳频信号时频图修正

为了在α稳定分布噪声的环境下获得清晰的跳频信号时频图,提出一种基于分数低阶SPWVD(Smoothed Pseudo Wigner-Vile Distribution)与形态学滤波相结合的跳频信号时频图修正算法。首先,根据接收到的多跳频信号建立跳频信号的模型和α稳定分布噪声模型;然后,采用低阶SPWVD变换抑制时频图中脉冲噪声;最后,根据形态学滤波处理方法对残留噪声进一步抑制进而得到清晰时频图。理论分析和仿真结果表明,所提算法在广义信噪比为-5 dB时仍可以得到清晰可靠的跳频信号时频图,并且基于时频图的参数估计性能优良。

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。

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。

基于自适应时频分析的滚动轴承故障诊断

针对滚动轴承故障诊断,提出一种将集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）和平滑伪魏格纳分布（Smoothed Pseudo Wigner-Ville Distribution,SPWVD）相结合的EEMD-SPWVD自适应时频分析方法。首先将多分量轴承故障信号通过EEMD分解为多个单分量信号的叠加;然后参考各分量的互相关系数去除虚假分量,筛选出真实的固有模态分量（Intrinsic Mode Function,IMF）;最后将筛选出的固有模态函数进行SPWVD计算,并从低频到高频逐步有选择地线性叠加到EEMD-SPWVD时频谱图中。通过对EEMD-SPWVD方法的滚动轴承内圈故障诊断仿真和西储大学轴承内圈故障信号的特征提取应用,对比SPWVD时频谱,说明了EEMD-SPWVD方法相对单一方法的优越性,验证了该方法在滚动轴承故障特征提取中的有效性。