自适应窗口旋转优化短时傅里叶变换的变转速滚动轴承故障诊断

针对短时傅里叶变换(STFT)中固定窗效应所导致的能量集中度不高的问题,提出了一种自适应窗口旋转优化短时傅里叶变换(AWROSTFT)的变转速滚动轴承故障诊断方法。通过变分模态分解(VMD)对原始振动信号进行降噪,并利用粒子群优化算法(PSO)解决了VMD参数选择困难的问题;利用切线思想对STFT中水平窗口自适应匹配一系列的旋转算子,使得窗口旋转方向接近甚至等于瞬时调频率,提高了时频表示的能量集中度;计算出谱峰检测法提取到的瞬时频率与转频的平均比值,将得到的结果与轴承的故障特征系数进行匹配,以此实现变转速工况下滚动轴承的故障诊断。仿真和实验的结果都表明,本文所提方法能够兼顾PSO-VMD和AWROST-FT的优势,通过切线思想自适应的旋转窗口使得信号与窗函数在全局上的夹角都为零,从而达到提高能量集中度和锐化时频脊线的目的,实现了变转速工况下滚动轴承的故障诊断。

基于卷积神经网络的短时傅里叶变换

本研究提出了一种基于卷积神经网络(CNN)的短时傅里叶变换方法,用于揭示非稳态信号的频谱随时间的变化规律。我们设计了一个卷积神经网络,采用双层结构,并随机初始化网络权重系数,不包含偏置系数。输入数据为随机生成的一维信号,其傅里叶变换作为标签数据。通过使用平方误差作为损失函数,并运用梯度下降法对网络进行训练,网络逐渐学得输入信号到其傅里叶变换的映射规则。同时,我们观察到网络权重系数在迭代过程中逐渐逼近傅里叶变换的核函数。基于学到的核函数,我们进行了信号的时频分析。数值试验结果表明,以通过训练获得的核函数作为基函数的短时傅里叶变换能取得与传统窗口傅里叶变换相一致的结果,证明了该方法的有效性。这一基于卷积神经网络的短时傅里叶变换方法为处理非稳态信号提供了一种新颖而有效的途径。

基于同步压缩短时傅里叶变换的毫米波雷达人体动作识别

针对人体动作识别问题,提出一种基于同步压缩短时傅里叶变换的人体动作识别方法。使用毫米波雷达进行人体动作数据的采集,将采集到的数据进行同步压缩短时傅里叶变换得到其时频图;然后使用卷积神经网络对不同动作进行微多普勒特征提取并分类。在数据采集部分,使用毫米波雷达进行数据采集,有效地避免了外界因素的影响;在时频分析部分,使用窗函数优化的同步压缩短时傅里叶变换提高了时频聚集性。实验结果表明,该人体动作识别系统对不同人体动作的识别率可达到91.7%。

基于短时傅里叶变换和独立分量分析的滚动轴承包络分析

滚动轴承的早期故障信号能量小,频带分布广泛;而传统包络谱分析技术直接在强干扰影响下对滚动轴承的故障特征提取经常失效。提出一种基于短时傅里叶变换(short time Fourier transform,STFT)的能量谱和独立分量分析(independent component analysis,ICA)的抗干扰滚动轴承包络分析新方法。该方法首先对获取的滚动轴承振动信号进行STFT能量谱分析,获取信号采样频带下的能量分布,采用带通滤波器获得高频带能量信号,并提取该包络波形,再通过ICA实现包络波形按源分离去噪,最后通过比较各独立分量的包络频谱与滚动轴承理论计算故障特征频率的匹配性,实现滚动轴承故障的精确诊断。仿真数据和试验验证该方法的可行性。

基于短时傅里叶变换分析超短光脉冲的传输特性

短时傅里叶变换可将1维时域或频率信号扩展到时间-频率的2维平面。为了研究了光纤中的色散效应与脉冲的初始啁啾对信号传输的影响,采用短时傅里叶变换理论进行了分析。与传统傅里叶变换相比,短时傅里叶变换可以更直观地描述光纤的色散效应与脉冲的初始啁啾如何影响信号的时域与频率的传输特性;此外,从短时傅里叶变换的时频分析图还可以很清晰地观察到在脉冲传输过程中,由色散效应与脉冲的初始啁啾所诱导的新的频率啁啾的演化规律。结果表明,短时傅里叶变换克服了传统的傅里叶变换法只能单独在频率或时域中比较信号的瞬态特性缺点,为分析光纤中脉冲信号的传输提供了一种新途径。

基于特定频带的短时傅里叶分析

短时傅里叶分析(STFT)和小波分析部具有分析暂态谐波的能力,但两者部存在不足之处,STFT需要有一个合适的窗才能有满意的分析效果,小波分析不能得到单个的谐波频率和幅值。文中通过比较STFT和小波分析在电力系统暂态信号分析中的优缺点,结合两者的优点,提出了基于特定频带的STFT的方法。该方法利用多分辨率分析确定暂态故障发生的时刻和暂态信号的主要频率范围,在此基础上确定STFT的时窗中心和合适的窗宽,可有效地提高STFT的精度和效率,快速、准确地得到暂态信号中主要谐波频率分量的频率和幅值,通过MATLAB仿真证明了该方法的有效性。

基于线性正则变换与短时傅里叶变换联合的时频分析方法

线性正则变换作为傅里叶变换、分数阶傅里叶变换更为广义的形式,已经在光学和信号处理等领域得到了应用.短时傅里叶变换是一种线性时频分布,避免了其他双线性时频分布中出现的交叉项干扰,是分析时频信号的有力工具.本文从线性正则变换的定义和性质出发,研究了线性正则变换与短时傅里叶变换的时频关系,提出了基于线性正则变换与短时傅里叶变换联合的时频分析方法,避免了交叉项问题能够实现chirp信号干扰抑制和多分量时频信号分离.最后用仿真实例表明,该方法是分析时频信号的有效手段.

基于数学形态学的短时傅里叶分析

为了提取恰当的短时傅里叶分析(STFT)时间窗宽度和中心,进而利用STFT分析暂态信号成分,提出了基于数学形态学的STFT方法。针对电力系统信号特点,讨论了结构元素的选择问题,推导了结构元素大小公式及离散化的结构元素方程。同时提出了奇异点定位算法,进而得到了基于数学形态学的STFT算法。在MATLAB中的仿真结果表明该方法能够快速准确地得到暂态信号中主要频率成分及其幅值,可提高STFT的精度和效率。

基于短时傅里叶变换的飞行器故障振动信号分析

目的对某飞行器出现故障时的振动信号进行分析,为故障定位提供依据。方法将短时傅里叶变换方法应用于飞行振动信号分析,通过计算故障振动信号和正常振动信号的短时傅立叶变换谱,获取两者之间的不同时频特征。通过分析包括发动机工作、外部气动激励、设备工作、电气干扰在内的各种影响因素的时频变化特征,与故障振动信号的时频特征对比,为故障定位提供依据。结果故障振动信号的时频特征表现为飞行中期突发出现的某一频率的倍频振动响应,且振动频率随时间增加逐渐增大,分析表明只有发动机异常工作才具有此特征。结论短时傅里叶变换可以有效地获取飞行振动信号的时频特征,可以更深入地了解不同振动影响因素的时频特征,为飞行故障定位分析提供了新途径。

基于静电信号和短时傅里叶变换的齿轮故障监测方法

传统振动监测需依附被检对象,从而引起振动干扰源激励的增多,使得变工况下齿轮振动信号的故障特征被干扰信号湮没。为了解决这一问题,以啮合齿轮组为研究对象,分析了静电监测信号的优势,推导了信号时频分析理论,提出了一种基于静电信号和短时傅里叶变换(STFT)的齿轮故障监测方法。首先,研究了静电监测技术机理,设计了带阻滤波器去除工频干扰,完成了信号预处理工作;然后,推导了短时傅里叶加窗变换的原理,并结合齿轮振动和静电实验数据,分析了其时频域信号特征;最后,搭建了齿轮故障监测平台,进行了齿轮啮合磨损区域静电监测实验,验证了从静电信号中提取出齿轮故障特征的普适性。实验结果表明:静电信号提取的齿轮特征频率为309.6 Hz,与齿轮实际啮合频率一致,静电信号的三维功率谱密度与齿轮转速、载荷呈现正相关关系;与齿轮的振动信号相比,静电信号包含的干扰频带少,且利用时频功率谱可凸显不同的故障信息。研究结果表明:采用静电信号能较好地获取变工况下齿轮的状态信息,克服了振动监测的不足,该齿轮故障监测方法具有一定的应用价值。

基于短时傅里叶时频分析的声信号盲分选仿真系统研究

为优化声信号盲分选仿真系统的实时性以及分选精度,研究了一种基于短时傅里叶时频分析(Short Time Fourier Time Frequency Analyze, STF-TF)的声信号盲分选算法,用于改善系统分选精度。该方法在信号的时频平面投影相交的情况下,能够实现声信号分选算法功能。仿真实验表明:在欠定条件下,当源信号数目与接收天线数目相差为1时分选效果最佳。利用SystemVue仿真平台建立了多声传感器条件下信号盲分选系统,并结合透明计算原理提出了适用于该系统的高实时性结构。

用短时傅里叶和小波变换对鸣叫声的时频分析

短时傅里叶和小波变换是信号处理领域的热点研究问题。本文对 2类鸣叫声分别进行短时傅里叶和小波变换 ,以分辨瞬时频率 ,得到了较好的结果。并根据所得结果 ,分析比较了这 2类变换的特点。

基于短时傅里叶变换的相位编码信号分析

在电子侦察中,需要判断截获的雷达信号的调制方式和调制参数。利用递归式短时傅里叶变换(STFT)和相参积累的分析方法,可对相位编码信号进行检测和解码。与一些常规方法相比,该方法在较低信噪比时也可以得到较好的分析结果。最后,通过计算机仿真验证了该方法的有效性。

短时傅里叶变换在压气机气动失稳分析中的应用

摘要:短时傅里叶变换技术作为一种重要的分析工具,可用来分析某型发动机低压压气机气动失稳的时域和频域信号,从而能清晰地了解其气动失稳的发生和发展过程。所获得的这些结果将为改进该低压压气机的气动设计提供科学依据。

一种基于短时傅里叶变换的罗兰C信号频谱分析方法

当前对罗兰C信号的频谱分析基本上采用的是基于傅里叶变换法的频谱分析方法,此类方法无法实现对信号频谱的实时监测。采用短时傅里叶变换法(STFT)对不同信干比、天波幅度和时延条件影响下的罗兰C信号进行理论建模与仿真,并建立信号的时频数据库。通过对罗兰C信号的STFT分析,并与时频数据库进行谱峰比对,可有效解决实时性要求较高的天地波识别与天波时延测量问题。

二维短时傅里叶变换及其在地震资料中的应用

在油气勘探领域中,针对横向变化快的地质体仅用短时傅里叶变换是无法准确捕捉到地层的横向信息。因此,文章中引入二维短时傅里叶变换对地震剖面进行处理,通过在空间域中引入波数,保证了横向的连续性,进而得到地震信号在时间-频率-空间-波数域上的时空表征,不仅可以精细刻画储层的形态,同时保留了信号的重构性能。模拟信号和实际资料的结果更好地验证了二维短时傅里叶变换可以有效解决地层横向连续性的问题。

应用于时频分析的低功耗短时傅里叶变换处理器(英文)

提出了一个应用于时频分析的短时傅里叶变换处理器。为了克服已有的离散短时傅里叶变换算法和结构的缺点,给出了一种基于快速傅里叶变换阵列的新结构。根据实际需要提出了一种新的高频域分辨率的SDF(Single-path De-lay Feedback)结构FFT单元,和传统的SDF结构FFT单元相比,反馈FIFO的深度和蝶形单元的数量都有所降低。再加上开发窗函数的对称性和适当合并硬件资源,与原始设计相比处理器的功耗降低了20%。使用中芯国际0.18微米工艺实现之后,系统工作时钟可以达到200MHz,即该处理器可以满足同样频率的采样信号的实时时频分析需求。

变换样条函数及其短时傅里叶分析

讨论 m阶基数 B样条函数的一些性质 ,并通过其平移不变空间的生成函数来讨论其短时傅里叶变换的窗口半径与面积 ,得出了其半径与面积大小由 { Cj}决定 ,在时频分析中 ,可以通过对 { Cj}的调整 ,得到需要的短时傅里叶变换。

基于傅里叶分析方法的钢琴音色识别与电子合成系统研究

基于傅里叶分析法设计钢琴音色识别与电子合成系统,详细分析系统功能模块,就音色而言,音色识别是系统关键环节,以数字化识别法提取音色特征矩阵,获取音色倍频点,同时通过包络函数提取,健全音色识别的电子合成,函数可表征音强与时间变化关联性,以此识别钢琴音色。通过系统测试分析,结果表明,基于傅里叶分析法的钢琴音色识别与电子合成系统在600-2100Hz频率时,保持在稳定状态,性能良好;音色识别正确率高,说明系统设计完美度较高。

基于短时傅里叶变换的岩石声波信号分析方法研究

针对岩石声波信号离散、非平稳,含有较多突变分量等特性,提出一种基于短时傅里叶变换的时频分析方法。通过合理选择窗函数、加窗长度以及窗移动步长,对岩石声波信号进行时频分析,提取相关声学参数。结果表明:短时傅里叶时频分析能很好地显示信号时域和频域局部特征,能够清楚地描述声学参数(频率、振幅等)变化。