中国空间站的微波星地时频比对技术及其初步试验验证和分析

高精度时频比对是现代科学技术的核心需求之一.然而,现有的技术受限于比对系统测量水平和链路系统误差处理算法,严重限制了时间比对性能的提升.针对这些问题,本研究搭建了基于中国空间站的高精度星地微波时频比对系统,并提出了一种基于双向测量的空间站-地面时频比对技术(三频模式),包括了对各项链路系统误差精细化建模新方法.通过对不同星地时频比对场景的仿真模拟发现,在配置高精度原子钟(10^(−15)~10^(−17))进行星地时频比对的场景下,经过本文算法优化后的比对长期性能仍可达与原本星地时钟相近的性能.利用中国空间站所搭载的氢钟与地面氢钟进行初步比对试验结果表明,在300 s可视弧段内的空间站-地面时间比对精度可达到10.77 ps,相应的ADEV(Allan DEViation)达到9.9921×10^(−14)@100 s,与仿真模拟结果大致吻合.本研究可为精密时频同步技术提供了新的理论依据和技术参考.

盲源分离的一种时频比方法

在M.Puigt和Y.Deville提出的时频盲源分离算法基础上,引入S变换来获取非平稳信号的多分辨率特性。首先通过S变换将一维混叠信号映射到二维时频平面,然后构造不同混叠信号的时频比矩阵,通过在时频比矩阵范围内搜索单源分析域计算混合阵的每个元素,进而估计源信号。该方法能有效分离非平稳信号且具备多分辨率特性。

基于STFT时频比算法的跳频信号盲分离

威格纳—威利分布(WVD)算法会引起交叉项干扰,快速独立分量分析(FastICA)算法会使分离信号的幅度、相位等参数较源信号发生变化,针对这些算法存在的误差问题,结合跳频信号的特点,提出一种基于短时傅里叶变换时频比的跳频信号盲分离法。仿真实验表明,这种算法能够有效地分离出多个跳频信号,比FastICA算法更准确。

基于改进时频比的语音音乐信号分离

时频比是混合信号在时频域幅值特性的比值,利用时频比寻找混合信号中的单源点,对相应的比值构成的矩阵求逆可以得到对源信号的估计。针对基于时频比的盲源分离将信号变换到时频域后计算量大且对算法有效的时频窗较少的问题,提出用重复结构周期内的时频点代替整个时频域进行单源点的检测,重复结构内的时频点在每个周期内都有相似的值,通过减少一个周期内时频点的检测,由单源点对应的时频比恢复出源信号。用相似系数矩阵评价分离效果,仿真实验结果表明,在达到几乎相同的相似系数的情况下,运行时间可减少45.43%,可有效降低运算量。

基于FBOC调制的高精度光纤双向时频比对方法

为了提高光纤双向时频传递系统的传递精度,解决系统码相位测量不确定度过大的问题,提出了一种基于灵活二进制偏移载波(FBOC)调制方式的光纤双向时频比对方法,利用FBOC调制信号的良好自相关特性,降低码相位测量不确定度,在100km室内光纤中完成了实验验证,时间传递稳定度达到3.37ps/s,频率传递稳定度达到4.74×10^(-16)/40000s;仿真了FBOC调制信号的码相位测量不确定度,其值约为3.5ps,远小于传统二进制相移键控调制信号的码相位测量不确定度。

一种时频尺度下的多元短期电力负荷组合预测方法

随机因素的增加导致电力负荷数据成分日渐复杂,使短期负荷预测的难度逐渐增大。针对该问题,提出一种时频尺度下的时间卷积网络与多元线性回归相融合的组合预测模型。利用自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)在时频域上将负荷数据分解为若干个频率特征不同的本征模态分量,在模糊熵准则下聚类为随机项和趋势项。采用皮尔逊系数从诸多影响因素中筛选出与电力负荷高度相关的特征,鉴于小时间尺度分析更易于挖掘局部细节特征,分别构建了随机项与趋势项的细颗粒度特征集。利用具有强非线性处理能力的时间卷积网络(temporal convolutional network,TCN)去预测随机项,利用结构简单及线性拟合效果好的多元线性回归(multiplelinearregression,MLR)去预测趋势项,将二者的预测结果进行叠加重构后获得最终预测值。在新加坡和比利时两组数据集上的实验结果证明:所提模型具有较高的预测精度、较好的泛化性能及鲁棒性。

基于混合分解多尺度时频图和Res-GRU-AT的电能质量复合扰动识别

能源互联网背景下的电能质量问题越来越凸显,针对传统电能质量扰动(power quality disturbances,PQDs)识别过程中存在的信号特征提取复杂、算法识别能力不足和复合扰动区分困难等问题,提出了一种混合分量多尺度时频图和残差神经网络(residual neural network,ResNet)、门控循环单元(gated recurrent units,GRU)网络与注意力机制(attention,AT)组合的电能质量复合扰动识别新方法—Res-GRU-AT。首先利用奇异谱分解(singular spectrum decomposition,SSD)和逐次变分模态分解(successive variational mode decomposition,SVMD)对PQDs信号分别进行多尺度分解得到混合分量,再对混合分量进行希尔伯特黄变换(Hilbert-Huang transform,HHT),分析得到多尺度时频图。其次,利用Res-GRU-AT模型对多尺度时频图进行深层次特征提取、强化和识别。Res-GRU-AT模型能够利用ResNet的二维图像空间特征提取能力和GRU的时序特征提取能力进行特征融合,再通过AT进行特征加权强化,提高了PQDs的识别能力。不同方案的仿真结果表明,所提方法特征提取能力强且抗噪性能好,对复合扰动识别率高。

道路地下空洞探地雷达波场和时频特性

根据城市道路地下介质的分布特征和电性参数设计模型,采用时域有限差分法和广义S变换,对道路地下存在的充气空洞、充水空洞、回填不密实、埋藏金属物状态进行探地雷达正演模拟和时频特征提取。结果表明,地下空洞顶界面的反射波同相轴均呈弧形反射形态,但充气空洞的反射波能量强于充水空洞;地下空洞发育区域的中心频率集中在某个低频区间,其余频率成分分布较均匀;埋藏金属物区域出现两簇高幅值能量团,频率分布较分散;回填不密实区域频率未能显示出较明显的规律。最后,通过工程实测验证了数值模拟的可靠性。

时频电磁技术在黄土塬覆盖区河道砂油藏分布预测中的应用

鄂尔多斯盆地西部黄土塬覆盖区的中生界侏罗系油藏成藏主控因素复杂,在未开展三维地震勘探的区域,仅利用二维地震资料进行钻探的成功率较低。为了提高钻井成功率,针对该区侏罗系河道砂油藏特点,采用时频电磁双侧、双源激发、多线接收的油气检测技术方案。在鄂尔多斯盆地西部ZB地区进行攻关试验,总结了适用于黄土塬覆盖区的时频电磁采集、处理、解释技术方案,即两项针对性采集方案设计和三项针对性处理、解释技术。利用GeoEast软件系统,基于深度学习开展时频电磁多参数智能油气预测。根据时频电磁解释成果,在时频电磁强异常区域部署并完钻Z6井,获得工业油气流,表明时频电磁预测结果与实钻结果吻合,证实了在黄土塬覆盖区利用时频电磁技术对侏罗系薄储层进行油气预测的可靠性。

基于EMDPWVD时频图像和改进ViT网络的滚动轴承智能故障诊断

滚动轴承是机械设备的关键零部件之一,其故障诊断对设备安全稳定运行至关重要。针对滚动轴承振动信号的非平稳特点,提出经验模态分解联合伪魏格纳分布(empirical mode decomposition&pseudo-Wigner-Ville distribution, EMDPWVD)时频图像联合改进Vision Transformer(ViT)网络模型的智能故障诊断新方法。首先针对实际信号研究短时傅里叶变换(short-time Fourier transform, STFT)、连续小波变换(continuous wavelet transform, CWT)和EMDPWVD三种时频分析方法,考虑STFT和CWT无法同时获得高的时间分辨率和频率分辨率,优选EMDPWVD作为智能故障诊断网络的时频图像构造方法。其次,以经典ViT作为故障诊断基础模型,将时频图像按照预定尺寸分块并线性映射为输入序列,通过自注意力机制整合图像全局信息,借助堆叠Transformer编码器完成网络传输,进而实现故障诊断。为进一步提高故障诊断准确率,将池化层作为ViT的预处理网络,获得改进的Pooling ViT(PiT)模型,实现时频图像的空间特征延展,提升模型对输入图像敏感度。结果表明,所提方法对滚动轴承不同故障类型均有高的诊断准确率,PiT较ViT的准确率提高4.40%,证明对ViT加入池化层能够实现滚动轴承故障诊断效果提升。

K-S变换及其电网超谐波时频分析应用

依据FFT→优化窗→IFFT思路,突破线性时频变换的窗函数积分性能桎梏,实现高性能优化窗函数的线性时频变换应用,建立新型时频变换算法——K-S变换.对信号x(t)的FFT频谱向量进行频移处理后,与该频移点下Kaiser优化窗的频谱向量进行Hadamard乘积,再将乘积结果进行FFT逆变换(IFFT),构造出K-S变换复时频矩阵,由此获得x(t)的时间-频率-幅值、时间-频率-相位三维信息;给出逆变换的数学推导与局部性质、线性性质和变分辨率特性;0~150 kHz电网的稳态与时变超谐波信号仿真实验表明,K-S变换的时域、频域分辨能力均优于流行的短时傅里叶变换、S变换,具有优良的变分辨率性能;0~40 kHz超谐波信号的实测证明,基于K-S变换的超谐波电压幅值测量绝对误差均小于0.032 3 V.

基于自适应参数估计的微动时频表征重构方法

针对数据缺失条件下的目标微动回波时频表征重构问题,提出了一种基于自适应参数估计的微动时频表征重构方法。首先,将缺失的微动时频表征重构问题建模为基于L_P范数最小化的稀疏重构问题,其次,引入哈达玛积参数将L_P范数最小化稀疏重构问题转化为多个L_2范数联合最小化问题,并采用迭代吉洪诺夫正则化求解,同时在每次迭代过程中根据重构结果自适应估计正则化参数,最后,采用除偏处理减小了重构时频表征的振幅衰减。与传统微动回波时频表征重构方法相比,所提方法避免了需要人工设置正则化参数不足的问题,并且重构的时频表征更加完整。仿真实验和实测数据处理结果验证了所提方法的有效性和稳健性。

时频电磁法在巴什布拉克-乌泊尔构造带深部结构勘探中的应用

利用时频电磁数据资料,并结合测井资料约束提高电磁反演结果的分辨率,探讨塔西南西部地区巴什布拉克构造带和乌泊尔构造带深层电性结构及其油气分布区域。该区域地形、浅地表形态以及深层地质结构都较为复杂,无法得到有效的地震资料,严重制约了目标层的油气勘探。时频电磁具有勘探深度大,信噪比高,不受高阻屏蔽的优点。通过对巴什布拉克-乌泊尔区域时频电磁资料进行处理解释,有效识别了该区域的主要断裂及褶皱。南北向和西北向的反演电阻率剖面和极化率剖面,展示了塔西南凹陷同时受南天山和西昆仑山双向挤压的电性结构特征,两侧分别形成逆冲推覆体,呈对冲构造形式,覆盖于塔西南凹陷之上,两侧推覆体发育多排逆冲断层,呈叠瓦状分布,其南侧为乌泊尔构造带,北侧为巴什布拉克构造带,与盆地呈现明显的断层接触关系,南北两侧为区域性大断裂。

基于时频波动溢出网络的中国金融机构关联性

金融机构关联性是系统性风险的主要来源,厘清时频域下金融机构关联性特征有助于防范与化解系统性风险.本文基于30家A股上市金融机构在2011年~2020年期间的高频交易数据,构建时频波动溢出网络研究中国金融机构关联性.通过引入网络密度与全局效率两个系统层面指标和入度、出度与相对影响值三个机构层面指标,以测度时频域下静态与动态关联性.研究发现:中国金融机构间的关联性主要为20天~60天的中长期关联性;在极端事件期间,往往表现为长期关联性增强和短期关联性减弱;银行部门倾向于接收偏短期的波动关联性并发出偏短期波动关联性,而证券和保险部门倾向于接收偏长期的波动关联性并发出偏短期的波动关联性.

基于时频Grad-CAM的调制识别网络可解释分析

针对时频深度学习调制识别方法存在可解释性差的问题,提出一种基于时频梯度加权类激活映射(GradCAM)的调制识别网络可解释框架.该框架通过时频Grad-CAM可视化深度模型中隐含层的关键特征,从视觉上解释网络隐含层提取的时频深度特征对于正确与错误识别中的作用,揭示低信噪比环境下网络性能下降的内在机理,并通过量化和排序网络中每层不同卷积核的贡献值来判断网络的冗余程度.仿真实验结果验证了基于时频Grad-CAM的调制识别网络可解释性框架的有效性;可解释分析结果表明,在低信噪比环境下,网络特征提取区域有大量噪声存在,且本文所测试的调制识别网络冗余程度较为严重.

基于时频脊线提取的机动小目标多普勒展宽补偿方法

对雷达进行长时间积累来提高目标回波的信噪比(SNR),是小目标探测雷达信号处理的重要步骤。然而,对于高速机动目标,目标回波很可能出现距离徙动以及多普勒展宽(DFB),给脉间长时间积累带来困难。针对存在的DFB问题,文中利用慢时间维信号时频图脊线斜率与加速度的数学关系,提出一种基于时频脊线(TFR)提取的机动小目标DFB补偿方法。所提方法可以克服传统的搜索法计算效率不高、需要搜索范围先验信息,以及精度受搜索步长影响的不足,可在低SNR且没有加速度先验信息的情况下对加速度进行快速准确估计,解决DFB问题,实现脉间有效相干积累。通过仿真,验证了TFR提取法可以在没有任何先验信息和低SNR下快速准确计算出目标的加速度,从而对脉压信号进行准确补偿,实现机动小目标的有效检测。

时频电磁法在金牛湖地区深部地热资源勘查中的应用

南京金牛湖地区地质构造复杂、低阻覆盖层厚、电磁干扰强,为了查明该地区深部地热资源,应用时频电磁法进行探测。本次布置了2条时频电磁法剖面,采用大功率发射信号能够有效地穿透低阻覆盖层,获得了信噪比较高的原始数据。通过对时频电磁数据的处理、分析、反演及综合解译,获得了勘查区4000 m以浅的二维电性结构模型。结合地热地质条件,优选了地热钻探井位,经钻探最终验证,推测地层与实际钻探基本吻合,在1600 m钻遇断裂,终孔深度2800 m,经后期抽水试验确定,日出水量大于500 m 3,钻井井口水温51℃,说明获得了优质的深部地热资源。综上所述,时频电磁法在金牛湖地区深部地热资源勘查中的应用效果较好,揭示了南京金牛湖地区较好的地热地质条件,为该地区地热旅游资源的开发利用奠定了坚实的基础。

一种高精度时频综合及守时方法

在现代信息化平台建设中,时频系统为平台提供统一的时频基准,其守时性能是平台各组成部分能否高效联动、稳定工作的关键因素.通过对频率基准源优选、多钟联合时频综合处理技术的分析和研究,提出了一种高精度时频综合及守时方法,设计了一种高精度时频综合及守时系统.通过优选铷原子钟作为频率基准源、基于多个铷原子钟的原子时综合和驾驭、同类源实时互比选择出最优主钟和备钟,提升系统守时性能并开展了与传统方法的比对试验,验证了该方法的可行性和有效性.

一种多分量信号分解方法:时频滤波分解

为解决目前信号分解分量时频域紧邻、重叠和间歇性复杂时频特征的多分量非平稳、非线性信号时,分解困难和效率低的问题,本文提出了一种基于信号时频分布的多分量非平稳信号分解方法——时频滤波分解(Time-Frequency Filtering Decomposition,TFFD). TFFD通过拟合所选反映信号中各分量时频瞬时特征与规律的时频域基准数据点,得到与分量实际瞬时频率(Instantaneous Frequency,IF)一致的拟合IF曲线,并以拟合IF曲线的时频坐标为基础,设置距离阈值条件确定分量在时频图上的分布区域,构造以拟合IF曲线时频坐标为中心频率、分布区域频宽为通带宽度的时频滤波器组,实现对多分量信号的时频滤波分解.通过对具有代表性时频特征的仿真和实际信号分析,并与经典信号分解方法对比,证明了TFFD方法优良的分解能力和分解效率.

基于声发射信号时频图深度学习的桥梁钢桁架焊接节点损伤程度识别

针对桥梁钢桁架疲劳损伤识别难度大、精度低的现状,提出基于声发射信号时频分析与深度学习的钢桁架焊接节点损伤程度识别方法。对桁架节点在桥梁运营状态下产生的声发射信号进行小波变换,表征不同损伤程度信号的时频能量分布模式,然后建立卷积神经网络(convolutional neural network,CNN)模型对时频图进行损伤特征提取,并通过迁移学习思想提升模型的训练效率和学习能力,从而实现桁架焊接节点严重损伤、轻微损伤和噪声工况的准确识别。进一步对模型各卷积层激活区域进行可视化分析,解剖模型的损伤特征学习过程及分类逻辑。某悬索桥中央纵向腹板钢桁架焊接节点现场试验结果表明:相较于利用时域波形进行特征学习的一维卷积神经网络模型,时频图包含了更丰富的损伤信息,所建立的二维卷积神经网络模型对钢桁架焊接节点三种损伤程度的识别准确率超过94%,具有更强鲁棒性和实际应用价值。