新非平稳信号分析方法—自适应径向墨西哥草帽核时频分布

据自适应最优核设计准则,构造新的自适应径向墨西哥草帽型核函数时频分析方法。该方法能据分析信号分布自适应调节核函数的扩展方向及宽度,使在信号自项方向尽可能延伸,而不在信号自项方向的互项尽可能抑制,能克服传统时频分布中固定核函数缺乏对信号自适应能力的不足。给出自适应径向墨西哥草帽型核函数时频分布定义及算法,并与传统的短时傅里叶变换、Wigner-Ville分布及小波变换方法对比分析。仿真结果表明,所提方法优于传统的时频分布方法,能更有效处理非平稳信号,可获得较传统时频分布分辨率及抗噪更高性能。通过用于转子裂纹故障诊断实验结果表明,该方法能有效反映裂纹故障的严重程度。

几种时频分析方法的性能比较

在时频分析算法的研究中,传统傅里叶变换无法反映时变信号中信号频率随时间变化的关系,而时频分析方法则是处理时变信号的有效工具。为了比较谱图、魏格纳-维尔分布WVD、平滑伪魏格纳-维尔分布SPWVD、局部多项式周期图LPP、S-method、高斯径向核函数RGK时频分布等6种时频分析方法的性能,针对线性调频信号和正弦调频信号,以瞬时频率估计的最小均方误差、信号的时频聚集度、运算时间等方面为指标对上述6种方法进行了比较。并且给出了上述6种方法对多分量信号和蝙蝠声音信号的时频表示比较。为处理不同信噪比下的不同信号选择合适的时频分析方法提供了依据。

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping,FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum-likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC-RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。

二次时频表示中核函数的优化设计

二次时频分布是分析非平稳信号的有力工具 ,在具有许多优良特性的同时 ,存在严重的交叉干扰项。在Wigner Ville分布及Cohen类时频分布具有固定核函数的基础上 ,研究了基于信号的核函数优化设计的两种方法 ,径向高斯核函数和最优相位核函数的设计方法。基于信号的核函数的时频表示可以有效地抑制或转移交叉分量 ,提高时频表示的可读估计 。

自适应时频分析的发展历程

从分析固定核函数的时频分析法对分析信号的局限出发 ,引出基于数据的变窗长STFT分析、基于信号的径向高斯核时频分析、自适应配投影时频表示 ,简述了Chirp let变换的物理意义和数学基础。这一工作旨在揭示自适应时频分析的发展历程 ,同时阐明作为自适应时频分析的工具 ,Chirplet变换具有高度概括框架地位 ,其他种种自适应分析方法都是其低维特例。

广义Rytov近似有限频初至层析

在传统的有限频层析理论中,采用Born或Rytov近似推导地震波旅行时对模型参数的一阶Fréchet微商,隐含了弱散射近似假设。对于强速度扰动,有限频层析正问题的线性化近似不再成立。近年来发展的广义Rytov近似理论可以较为精确地预测散射波的相位扰动,因此更适用于有限频旅行时层析。为突破弱散射近似的限制,将广义Rytov近似应用于传统的有限频层析理论,导出了基于广义Rytov近似理论的有限频旅行时敏感度核函数。由数值试验可知,对于前向小角度散射,无论速度扰动强度如何,新的旅行时核函数均可较为准确地预测地震波的旅行时扰动。针对旅行时层析反问题,提出了一种基于隐式矩阵向量乘的高斯—牛顿反演算法,具有准二阶收敛速度且无需显式计算和存储Hessian矩阵。复杂模型数据测试结果表明,提出的广义Rytov近似旅行时层析可以建立高精度的近地表速度模型,且收敛速度较快。

基于改进的半监督主动学习的雷达信号识别

为解决在雷达信号分类识别过程中训练样本较少的问题,本文提出了联合主动学习和半监督学习,并对其伪标记样本进行迭代验证改进的分类算法。针对复杂的电磁环境下雷达信号识别率低的问题,本文将径向高斯核时频分析应用于雷达信号,并对时频分布进行奇异值分解,提取出奇异向量作为雷达信号识别的特征参数。针对传统的半监督主动学习算法的不足,利用改进的半监督主动学习算法构建分类器,该算法通过对伪标记样本进行迭代验证来提高伪标记信息的准确性,从而改善了最终的分类性能,实现了在可获取的有标签样本数量较少的条件下对雷达信号的高概率识别。仿真结果表明,本文提出的特征识别方法可以获得较高的识别率。

基于Wigner-Hough变换改进算法的多分量LFM信号检测

Wigner-Hough变换可以很好的抑制多分量LFM信号Wigner-Ville分布中严重的交叉项,但是在低信噪比时,Wigner-Hough变换完全被噪声淹没.本文提出一种改进算法,用基于信号的自适应高斯核时频分布代替Wigner-Hough变换中的Wigner-Ville分布.仿真表明,对于多分量信号在信噪比为-3dB,单分量信号在-17dB时该算法仍然有很好的性能.