基于ARMA模型滤波的微弱信号辨识

双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征,但双线性时频变换固有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的应用,提出采用ARMA模型滤波的方法来抑制双线性Wigner-Ville时频变换的交叉项干扰,并给出算法推导。结合实验数据,对比平滑伪Wigner-Ville算法的信号辨识结果,表明基于ARMA模型预滤波的双线性时频分析能更好的抑制交叉项干扰,具备更高的时频分辨能力和瞬态微弱信号辨识能力。

复杂海况下舰船微弱信号的时频辨识研究

将时频分析技术应用于复杂海况背景下舰船物理场场微弱信号的辨识研究。分析了Wigner-Ville分布(WVD)检测微弱信号时的交叉项干扰问题,采用高阶Butterworth滤波器进行预滤波,并通过Blackman窗数字平滑滤波(SPWD),抑制WVD交叉项干扰,提高WVD时频分辨率。基于舰船水压场海上测量,对算法进行对比验证,表明该算法显著提高对复杂海况下舰船微弱信号的辨识能力。