基于离散短时傅立叶变换的π/4-DQPSK信号解调

现有解调π/4-DQPSK信号的方法大多采用时域解调的方式。提出一种基于离散短时傅里叶变换(DST-FT)的算法,利用频域信息完成对π/4-DQPSK信号的解调。计算机仿真表明,该算法解调性能良好,运行效率较高,便于软件化实时处理。

基于自适应短时傅立叶变换的电频率跟踪测量算法

电频率快速、准确测量是电网及电气设备运行、控制、调节的基础。基于电气信号的异步采样数据,应用短时傅立叶变换(STFT)估计电气信号频率,选用矩形自卷积窗抑制谐波对测频的影响,并根据频率变化自适应调整时间窗宽度。算法实现简单、计算量小,测频范围大,在信号频率缓慢变化和快速变化时,均具有较好的测量精度和跟踪速度。仿真研究对测频算法在各种情况下的可行性和有效性进行了验证。

一种基于短时傅立叶变换软件解调的快速算法

提出一种基于短时傅立叶变换(STFT)软件解调的快速算法——基于全极点窗的递归算法,给出算法的理 论及解调流程,并通过仿真给出软件解调中全极点窗函数参数的选择结果。还讨论了几种不同的窗函数对解调性能的 影响,给出不同信噪比下的仿真结果。仿真结果表明,全极点窗递归算法解调效果良好。

细化FFT的短时傅立叶变换方法

提出了一种细化FFT的短时傅立叶变换(short time Fourier transform,简称STFT)时频分析新方法.STFT实质为加窗的傅立叶变换,在窗内数据满足平稳性条件下利用傅立叶变换获得频谱,并依据时间间隔移动窗函数最终得到时频表示.细化FFT在分析频率范围内具有较高的频率分辨率,将细化FFT应用于STFT的窗内数据,可有效提高STFT的时频聚集性.利用仿真信号和某次导弹武器试验中的遥测振动信号处理证明了这一方法的有效性.

落锤式弯沉仪校准试验标准值离散程度的优化

为了提高量值传递的质量,优化落锤式弯沉仪校准试验中标准值出现的差异性离散程度,文章首先通过双因素方差分析法判断试验环境和落锤式弯沉仪设备本身对校准测量结果离散程度影响的显著性水平,确定因素的方差贡献率。数据显示检测设备本身对数据离散程度的影响占据主导地位。进而以信号处理为切入点研究,通过短时傅立叶变换分析落锤式弯沉仪的信号特征,以时域和频域结合法的方法判断目标冲击信号的频率成分,通过设计数字滤波器去除高频振动噪声干扰。将校准试验中具有高频振动干扰情况下采集到的原始信号进行分组对照,对比标准弯沉算法中计算得到的速度序列、位移序列以及最终弯沉标准值,验证了设计的滤波器对数据离散程度优化的有效性。

谐波分析的加窗插值改进算法

加窗插值FFT是电力谐波分析的常用算法,文中在两方面对该算法进行了改进.提出了一类新的离散窗函数--矩形自卷积窗.m阶矩形自卷积窗由m个矩形窗通过卷积运算生成,其幅频特性在零点处的1～m-1阶导数均为0;谐波分析时,加这类窗可以最大限度地减小基波及各次谐波相互之间的频谱泄漏;另外,给出了适合新窗的插值算法,并对插值算法的一些常规做法进行了改进.基于新窗的改进算法易于实现,能显著提高谐波分析精度和减小计算量.仿真分析和实践验证了其可行性和有效性.

基于滑窗迭代DFT的电力谐波检测

有源电力滤波器的动态补偿要求能够准确、实时地检测出电网中瞬态变化的畸变电流。针对现阶段有源电力滤波器畸变电流检测方法存在工频周期时延、计算量大等不足,提出了一种基于离散傅立叶变换的滑窗迭代算法,能实时有效地检测出谐波参考指令电流。若进行扩展,该算法还能应用于单次谐波的检测。仿真与实验结果都表明该算法能有效地提高系统的实时性、目标跟随特性和抗干扰性,并具有计算量小、灵活性高、易于工程实现等特点。

基于加窗DFT的相位差高精度测量算法

本文提出一种基于加窗离散傅立叶变换(DFT)的相位差微机高精度测量算法,详细论述算法原理及实现步骤。采用该算法,相位差测量值理论上与信号频率无关,从而不需要跟踪测量信号频率,不需要对信号整周期采样。算法实现简单,计算量较小,精度高,对高次谐波和噪声具有较强的抑制能力,仿真计算和工程应用验证了其可行性和有效性。

基于Nuttall窗DFT校正的微电网谐波检测算法

谐波参数的准确估计是微电网谐波治理的基础和依据,微电网频率偏移大,信噪比低,采用常规傅里叶算法测量谐波误差大。提出基于Nuttall窗离散傅里叶变换(DFT)校正的谐波检测算法。首先,对采样数据加Nuttall窗,利用Nuttall窗旁瓣低且衰减快的特点抑制各频率成分间的频谱干扰;其次,采用DFT校正算法估计谐波频率、幅值、相位等参数,减小频谱泄露引起的谐波测量误差;最后,对微电网较大频率偏差和较低信噪比的情况下,对所提方法进行仿真分析。仿真结果表明,所提算法能有效抑制同步采样误差对谐波测量的影响,可显著提高微电网谐波测量的精确性。

一种简化DFT的滑窗迭代算法在电力谐波检测中的应用

文章介绍了一种在有源滤波控制器应用中基于简化离散傅立叶变换的谐波电流检测技术的设计和应用。为检测由非线性负载产生的谐波电流成分,运算过程中应用了滑窗迭代算法,它能有效地提高系统的实时性、目标跟随特性和抗干扰性,并且具有计算量小、容易工程实现的特点。该算法的有效性通过实验和仿真结果得到了证明。

加窗相位差校正算法在电网频率测量中的应用

电力系统的频率时刻处于波动状态,采样不可能做到完全同步,基于离散傅立叶变换(DFT)的算法不可避免的存在频谱泄露和栅栏效应,导致测量的精度无法满足电力系统参数的精度要求。介绍了一种改进的DFT频率测量算法,通过选择合适的窗函数和相位差校正的方法来提高频率测量的精度。仿真分析表明,该算法达到了电网频率测量的标准,具有一定的可行性和有效性。

基于短时相位谱补偿的非接触语音检测增强算法研究

语音是人类重要的生理信号,生物雷达能够通过检测喉部发音器官振动的微弱信息对语音进行非接触采集,从而提供一种新型的非接触语音获取方法。但生物雷达所接收的含有语音信息的回波中还存在多种噪声和杂波。本文采用离散短时傅立叶变换,在保持语音信号振幅谱不变的条件下通过改变相位谱来对信号谱进行重构,达到去除雷达语音信号中噪声分量的目的。通过与经典的谱减法和维纳滤波语音增强算法进行对比,此算法能够在低信噪比条件下有效地降低噪声分量,可提高生物雷达语音信号质量。

S变换在地震时频分析中的对比研究

介绍了S变换基本原理的基础上,通过设计实验数据,对比Fourier变换、短时窗傅立叶变换和S变换的时频分析特点,最后对地震数据分别应用S变换和Gabor变换,认为S变换具有自身独特的优点,更适合于地震资料的时频分析。

一种基于全极点窗递归算法的PCM/FM信号解调方法

提出一种基于全极点窗递归算法DSTFT解调PCM/FM信号的新方法,该方法通过检测信号的瞬时频谱峰值来实现解调,摆脱了传统解调方法中的载波恢复环路。采用基于全极点窗的递归算法来计算信号的频谱能量,理论分析和仿真结果表明,该方法计算量较小,误码率较低。通过对实际数据进行解调,验证了该方法的有效性。

连续滑动窗的递推-Pruning-FFT算法

在信号谱线分析中,经常用到滑动窗的FFT计算,由于传统的FFT在N值较大和滑动步距较小时,计算量较大,在"实时"通信系统中难以实现,本文提出一种连续滑动窗的递推 PruningFFT算法,该算法充分利用了前窗的计算结果并将输入序列转换为一个输入端仅有少数非零点的特殊序列,不仅降低了计算量,而且提高了使用的灵活性和实时性。

改进加窗插值的电力系统谐波分析方法研究

快速傅里叶变换(Fast Fourier Transform,FFT)因其易于嵌入式系统实现而被作为电力系统谐波分析的主要方法,但电力系统谐波分析时很难做到同步采样和整数周期截断,由此造成的频谱泄漏将影响测量结果的准确性。加窗和插值修正算法可改善基于FFT的谐波参数计算的准确度。对(FFT)的泄漏原因进行了分析。通过对卷积窗的谐波理论分析与研究,提出了一种基于三角自卷积窗的加窗改进方法。

基于单路滑窗宽变窄的超宽谱线性调频侦收技术

采用信号自相关技术解线调,将超宽谱线性调频信号转化为窄带信号,然后量化为数字信号,做短时傅立叶变换识别信号,采用自适应滤波器组分离多信号。仿真证明,该方法可在-12dB的低信噪比情况下识别信号;在多信号下,能有效抑制交叉项的干扰;并且系统运算量较低,适合于实时处理。

基于广义希尔伯特变换的地震图像边缘检测算法优化

传统广义希尔伯特变换在处理弱振幅分布较广或者有地质褶皱带的复杂地震数据时,强振幅周围的边缘检测效果还相对比较清晰,但弱振幅周围的边缘检测就十分模糊,同时细节信息显示不够全面。因此,该算法在Luo等人提出的广义希尔伯特变换算法的基础上进行优化,提升弱振幅周围和地质褶皱带的边缘检测效果。首先,将地震信号在时间域上加高斯窗并做傅里叶变换;然后取傅里叶变换后信号的虚部,取绝对值,沿频率求和后计算1/n次幂;最后,沿纵轴和横轴分别进行边缘检测,将两者的结果求取平均作为检测结果。该算法应用于实际地震数据时,弱振幅和地质褶皱带周围的图像边缘被清晰地检测出来且计算效率明显快于频域加窗的广义希尔伯特变换,验证了文章提出的算法的有效性。

自适应短时傅立叶变换算法的研究

详细分析了窗函数选择对短时傅立叶变换的影响,提出了一种窗长自适应的短时傅立叶变换算法,并给出了快速算法,进行了算法复杂度分析,最后给出了仿真实验。

分频解释技术在表征储层中的运用

采用短时窗离散傅立叶变换及最大熵方法这一独特的频谱分解及解释技术——分频解释技术 ,实现了在频率域内通过调谐振幅的对应关系来研究储层横向变化规律 ,使地震解释可得到高于常规地震主频率对应 1/ 4波长的时间分辨率结果。分频解释技术的应用解决了长期困扰解释人员只能依靠钻井数据划分和确定岩性油藏边界的难题。目前 。