用维格纳-威利时频分布进行信号时频分析

信号时频分析对电子战侦察有重要意义。讨论了维格纳 威利时频分布的基本原理、与谱相关及模糊函数的关系。给出了求离散时间信号的维格纳 威利时频分布算法,以及用信号的维格纳 威利时频分布计算信号瞬时频率的方法。给出了几种目标信号的瞬时频率的计算实例。

维格纳-威利分布算法研究及应用

介绍了一种利用FFT计算维格纳 威利 (WVD)的算法。针对WVD二次时频分布数值计算的复杂性和计算量大的特点 ,提出了一种抽样算法。它在不改变采样频率的情况下 ,增加了处理数据的长度。在同样数据长度下 ,大大缩短计算时间。并用该算法对时变正弦信号和处理铁窗关闭声进行了时频联合分析 ,得到了满意的效果。

基于Choi-Williams时频分布的阵列声波测井信号时频分析

对多极子阵列声波测井信号,提出了一种基于信号时、频局域相关能量的新的时-频信号分析方法,Choi-Williams能量分布,它有着较明确的物理意义.该分析方法对于不同岩性的构造的响应具有很好的区分和识别能力,其声波全波列的Choi-Williams能量分布对由不同岩性组成的构造破碎带具有明显不同的表现特征.利用相应的模式识别方法,可以对这些岩性构造进行有效的区分和识别.

基于时-频分布的非平稳盲信号分离算法

大多数盲信号分离算法只适用于非高斯、平稳、相互独立的源信号，因此使用高阶统计量（HOS）有效解决以上问题。然而非平稳环境在实际问题中经常出现，本文主要考虑基于Cohen类时-频分布的Wigner—Viue分布的有噪声污染的盲信号分离算法。通过联合对角化一组空间时-频分布矩阵，给出了一种选取时频点初值的选取准则，最后给出了针对非平稳混合信号的盲分离算法。仿真实验说明本文提出算法的有效性。

正常人耳瞬态诱发耳声发射的时-频分布初步分析

本文建立了瞬态诱发耳声发射（ Ｔｒａｎｓｉｅｎｔ Ｅｖｏｋｅｄ Ｏｔｏａｃｏｕｓｔｉｃ Ｅｍｉｓｓｉｏｎ， ＴＥＯＡＥ）时－频分布分析方法，在 此基础上首次直观、清晰地展现了ＴＥＯＡＥ在正常人耳的个体差异及规律性，提出正常人耳ＴＥＯＡＥ频率变化的多种形态；通过对 ＴＥＯＡＥ时－频关系、潜伏期等的研究，提出了探讨 ＴＥＯＡＥ产生机理的新思路。

铁路轨道不平顺的时-频能量联合分析方法

为满足铁路轨道不平顺实时监测、时-频特征精细化提取和线路状态评估的需要,本文基于时-频联合分析基本理论,采用时-频能量密度方法描述轨道不平顺的时-频域分布性质,推导Wigner-Ville分布能量密度与轨道不平顺功率谱密度、TQI指标的数学联系,建立融合轨道谱和TQI指标基本物理特性的铁路轨道不平顺时-频能量联合分析方法,并分别从时域、频域和时-频域等角度验证方法的合理性。结果表明:本文提出的轨道不平顺时-频联合分析方法在时域病害峰值提取、轨道状态表征、频域特征波长统计与定位等方面正确、有效。

瞬变电磁场探测中低阻屏蔽层影响的时-频分析

瞬变电磁法在低阻覆盖层地区施工时会受到低阻层的屏蔽影响。虽然观测数据如感应电动势有较大的数值,但实际上探测深度却大大减小了。当有上覆低阻层存在时,要探测同样的深度,需要较长的观测时间。采用平滑伪Wigner-Ville分布和Gabor展开,分别将典型的二层地电模型(D、G型)与三层地电模型(H、A、K、Q型)的感应电动势衰减曲线映射成为时间-频率平面上的二维信号,通过对时-频能量谱的分析及模型之间的对比研究表明,瞬变电磁场能量在低阻层中聚集和损耗,尤其是对于描述我国华北型煤田的A型地电模型(地表为低阻层),瞬变电磁场的能量在由地面向下扩散的过程中,能量通过基底以上各低阻层的聚集和损耗,到达最有观测意义的底层界面(奥灰与煤系的界面)时,已经消耗殆尽。因此,当在A型模型地层地区进行瞬变电磁勘探时,应充分考虑低阻屏蔽层的影响,在施工设计时应选择较长的观测时窗以保证探测深度,并采用大功率仪器来提高信噪比。

基于非线性时频分布的跳频信号分析研究

介绍了利用非线性时频分布(WVD和SPWVD)进行跳频信号分析,通过理论研究和仿真分析表明,非线性时频分布能够反映出信号的瞬时能量分布,是关于信号二阶统计量(如局部自相关函数)的Fourier变换,相对Fourier变换和线性时频分布而言,它具有更好的时频聚集性,能够很好地展现跳频信号的时频特征和能量分布,采用加窗处理等方法,可以较好地抑制非线性时频分布中的交叉项和能量分布的负值性,从而证明了非线性时频分布用于跳频信号分析研究的工程应用可行性。

一种新的抑制交叉项的时频分布的分析

从信号模糊域滤波的角度分析了最近提出的一种新的高时 频分辨率抑制交叉项的时 频分布中核函数的设计方法与思路,并针对多分量线性调频信号用该分布进行了计算机仿真。仿真结果证明了该分布在抑制交叉项并保持较高时 频分辨率方面的有效性。

基于Born-Jordan分布的LFM-BPSK信号的参数估计

对线性调频-二进制相位编码(LFM-BPSK)复合调制信号的参数估计,现有方法在低信噪比(SNR)环境下估计精度较低。针对该问题,文中推导出了LFM-BPSK信号的Born-Jordan(BJD)时频分布,分析了LFM-BPSK信号的时频特性,并提出了基于BJD时频分布的参数估计算法。首先,该算法在BJD时频变换的基础上使用霍夫变换对LFM-BPSK信号初始频率和调频斜率进行估计,并将二维的BJD时频变换转化为一维时域信号,通过降维后的时域信号求解码元宽度;然后,为了探寻参数估计的理论下界,文中还推导了LFM-BPSK信号参数估计的修正克拉美罗下界(MCRLB);最后,利用蒙特卡洛实验对三个参数进行了测试。仿真实验表明,文中算法在低SNR下的参数估计精度明显优于现有的算法,其性能接近MCRLB。

喉返神经监测仪中维格纳能量特征提取方法

喉返神经监测仪通过提取声带肌的肌电信号特征值,识别喉返神经,避免甲状腺术中对其造成误伤。为提高识别的灵敏度和准确率,研究了基于维格纳-威利分布的信号特征值提取算法。针对喉返神经监测仪的应用需求,将时域信号通过维格纳-威利变换转换为时频域信号,并将维格纳-威利变换后的时频分布在核心频段内的能量求取平方和,获得信号的特征值以评估肌电阈值。为验证特征值提取的有效性,采集30组不同强弱的肌电数据,并记录相应的肌力值,对采集到的肌电数据在50~150 Hz频段内完成维格纳-威利分布的能量平方和提取。结果表明肌力值越大的肌电信号,其特征值也越大;与传统的时域或频域分析方法对比,利用维格纳-威利分布能量和算法获取的肌电特征值灵敏度更高,抗干扰能力更强。所以该特征值提取算法能用于识别肌电信号的强弱,从而可用于喉返神经探测。

噪音环境下基于时-频特征的生态环境声音的分类（英文）

生态环境声音描述的是在一个时段里生态环境下各种生物发出的声音。对生态环境声音的研究可以用于监测野生动物随着时间进化的情况。由于生态环境中有各种各样的噪音,因此所研究的项目是基于噪音环境的生态环境声音识别。对于不稳定信号,时频特征是潜在的很有用的特征。尤其是,当使用频域特征(如MFCCs)对带有噪音的声音进行分类失败的时候,时-频域特征能成功进行分类。因此,论文提出了一种用时频特征对噪音环境下的生态环境声音进行分类的方法。匹配追踪(MP)算法用于提取有效信号的时频特征。此外,在噪音环境下,Choi-Williams分布下提取的统计特征比其他的传统音频特征更有效。考虑到特征的有效性和分类器的鲁棒性,该文提出一种基于时频特征和支持向量机的分类模型(简称:MP+CWD-SVM)。实验证明,在噪音环境下,对生态环境声音进行分类,MP+CWD-SVM可以达到更高的分类正确率。结果显示时频特征和SVM分类器具有更好的抗噪性。

多分量线性调频信号时-频分析的交叉项抑制

自线性调频信号被用于通信以来,线性调频信号作为载波的扩频通信方式因为具备抗多普勒频移,系统功耗低,传输距离远等优点而得到快速发展。对线性调频信号普遍采用WVD时-频分布进行分析,但是多分量线性调频信号的WVD时-频分布存在严重交叉项问题。通过实验仿真验证:采用时频重排平滑伪WVD(RSPWVD)变换方法可以有效的抑制多分量线性调频信号的交叉项。

基于SPWVD时频图纹理特征的滚动轴承故障诊断

针对如何提高滚动轴承故障诊断准确率的问题,提出一种基于平滑伪维格纳-威利分布(smooth and pseudo Wigner-Ville distribution,简称SPWVD)时频图纹理特征的故障诊断方法,对滚动轴承不同故障类型及故障程度进行识别。首先,采用SPWVD时频分析方法处理轴承故障振动信号,并获取时频图,从中提取选择表征能力优秀的特征参量作为故障特征;其次,将故障特征作为输入,结合支持向量机(support vectors machine,简称SVM)建立滚动轴承故障诊断模型;最后,采用轴承故障数据,比较SPWVD时频图纹理特征、维格纳-威利分布(Wigner-Ville distribution,简称WVD)时频图纹理特征和小波尺度谱图纹理特征3种故障特征的模式识别能力及准确率。分析结果表明,SPWVD时频图纹理故障特征分类效果最佳,敏感性最强,具有较高的故障诊断精度。

阵列声波测井信号的时频局域相关能量分析

提出了一种基于信号时、频局域相关能量的新的时-频信号分析方法——Rihaczek分布,对多极子阵列声波测井信号进行了分析。该方法有着比较明确的物理意义,对不同岩性、构造的响应具有很好的区分和识别能力。声波的Rihaczek分布对不同的岩性,以及由不同岩性组成的构造破碎带具有明显不同的表现特征。利用相应的模式识别方法,可以对这些岩性、构造进行有效的区分和识别。

基于时频域模型的噪声故障诊断

为了避免传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率的麻烦,采用一种基于内燃机工作噪声信号和时频域分析的方法。首先讨论了对内燃机噪声信号进行小波包络谱分析,得到可以判断主轴承磨损故障的特征频率。然后,进一步阐述了采用噪声信号小波包分解,可得到包含更多故障信息时-频分布图。基于此,运用图像处理技术建立基于图像匹配的内燃机主轴承诊断模型。结果表明此方法简单有效,充分利用了故障信息。

用于多分量线性调频信号的自适应核分布

首先分析了自适应高斯核函数的局限性,并作了改进,同时给出了其参数估计方法。然后,基于线性调频信号模糊度函数特征,提出了一种新的自适应核函数。两种新的核函数的宽度对信号长度具有自适应能力,所以在获得了一定的交叉项抑制能力的同时,避免了较大的信号自项能量损失。不仅对更一般的多分量线性调频信号具有适用性,而且简化了参数的求解。因而,相对于自适应高斯核函数而言,两者性能更优。仿真结果验证了本文方法的有效性。

自适应时频插值非平稳实测风速模拟

经典的基于理论规范谱的谱表示法(spectral representation method,简称SRM)可有效模拟自然界大部分风速,但在应用于极端恶劣的实测风速模拟时存在较大偏差,且模拟效率低下。针对这一问题,分别以台风“杜鹃”(弱非平稳)和实测下击暴流风速(强非平稳)为研究背景,首先,以实测风速谱为目标,对理论规范谱进行修正,建立基于修正谱的模拟方案,使得模拟风速更加贴近真实的实测风速;其次,在基于修正谱的风速模拟平台中,引入时频插值技术,并以“平均分辨率”为量化指标,设计一种自适应插值增强方案,从二维角度,实现时频域插值点非均匀分布的自动化确定,避免时域、频域上的局部精度损失和人工测试插值参数的麻烦。数值表明:基于上述方案的模拟结果较好地保留了非平稳实测风速的时域特性和功率谱特性;自适应时频插值方案的引入,在误差损失减小78%左右的情况下,模拟效率提高了76%左右。

高精度时频分析方法研究

时频分析在非平稳信号处理中占有重要的位置,它的主要任务是表述信号的频率成分随时间变化的规律。本文在时频分析的基础上,重点研究了一种新的高精度时频分析方法-希尔伯特黄变换(HHT),并将改进HHT算法与典型时频分析方法(短时傅立叶变换、WD)进行比较,阐述了HHT的应用及优点。

针对磁共振射频脉冲的时频域分析方法比较研究

射频脉冲可实现样本自旋体系的精确操控,进而产生预期的核磁共振(NMR)信号,在NMR信号产生过程中扮演重要角色.该文分别采用短时傅里叶变换(STFT)、连续小波变换(CWT)和维格纳-威利分布(WVD)几种时频域分析方法对射频脉冲(优化形状脉冲)进行特性分析和比较.结果表明,三种方法各自具有优缺点,结合各自优势对射频脉冲进行各种方法分析,可以更好地理解复杂脉冲的幅度、相位特性在时频域的分布情况.该文的研究方法将为直观理解复杂射频脉冲对自旋体系的作用机制提供参考.