自适应最优核时频分布在地震储层预测中的应用

提高时频分辨率是频谱成像技术研究的重点。自适应最优核时频分布采用随信号特征自适应变化的核函数,在模糊域对远离原点的互分量进行抑制,并尽可能的保留集中在原点附近的自分量。通过理论模型验证,该方法较好地抑制了交叉项干扰,同时较连续小波变换和平滑伪Wigner-Ville分布等方法具有更高时频分辨率。最后在营尔凹陷长沙岭地区的实例应用中,利用自适应最优核时频分布对该区目标储层进行了频谱成像处理,并结合沉积相特征对长沙岭地区进行有利区带预测。结果表明:该方法适用于实际地震信号的时频分析,对储层刻画优于传统方法,且对研究区储层预测具有有效性。

基于自适应最优核时频分布理论的ISAR成像方法

由于运动的复杂性,传统的成像方法已无法满足机动目标成像的要求。在分析机动目标复杂运动引起目标回波多普勒相位非线性变化的基础上,提出了一种基于自适应最优核时频分布(AOK TFR)理论的ISAR成像方法。通过计算回波数据不同距离单元的AOK TFR,得到不同时刻目标的瞬态ISAR像,且不受交叉项的影响;通过估计距离单元的瞬时多普勒频率并依此对成像时间段进行选择。仿真数据结果验证了该方法的有效性。

基于自适应最优核时频分布的鸟类识别

针对鸟鸣声信号的非稳态特性,提出了一种基于自适应最优核时频分布(Adaptive optimal kernel,AOK)的鸟类识别方法。首先对采集的鸟鸣声信号进行预处理,通过AOK时频分析方法得到时频谱图,分析不同鸟类声音信号在不同时间和不同频率下的能量分布。然后,将时频谱图转化成灰度图像,求取灰度共生矩阵,提取基于灰度共生矩阵不同角度的图像特征参数作为鸟类识别的特征值。最后选取已知鸟种的图像纹理特征训练生成训练模板,将待识别的鸟种的图像纹理特征参数生成测试模板,利用动态规整(Dynamic time warping,DTW)算法进行模板的匹配,将匹配值进行大小比较,找到最小匹配值对应的模板,从而实现鸟类的识别。通过对40种常见鸟类的实验表明,总体识别率达到96%。

自适应核时频分布在抑制交叉项中的应用

分析了固定核函数时频分布在抑制交叉项方面的局限性以及基于信号特征的自适应时频分布对时频分辨率的改善。通过对基于信号特征的径向高斯核时频分布进行改进,提出了一种基于信号特征的自适应核时频分布的改进算法。该算法采用短时模糊函数和随时间变化的自适应核,能够在时频分布中区分出多分量信号的细节部分。仿真结果表明,该分布具有较高的时频分辨率,且无交叉项干扰。同时它还适合分析长时间信号和实现在线信号处理。

基于自适应核时频分布的机动目标ISAR成像

具有复杂姿态运动的目标由于其多普勒的时变性,使得传统的逆合成孔径雷达(ISAR)距离多普勒算法成像模糊,时频分析技术是解决该问题的有效途径之一。在详细分析复杂姿态运动导致的目标回波多普勒相位非线性特性的基础上,利用自适应核时频分布进行ISAR瞬时成像,并给出了一种新的自适应高斯核函数的参数估计方法。仿真数据和外场实测数据成像结果证明了该方法的有效性。

新非平稳信号分析方法—自适应径向墨西哥草帽核时频分布

据自适应最优核设计准则,构造新的自适应径向墨西哥草帽型核函数时频分析方法。该方法能据分析信号分布自适应调节核函数的扩展方向及宽度,使在信号自项方向尽可能延伸,而不在信号自项方向的互项尽可能抑制,能克服传统时频分布中固定核函数缺乏对信号自适应能力的不足。给出自适应径向墨西哥草帽型核函数时频分布定义及算法,并与传统的短时傅里叶变换、Wigner-Ville分布及小波变换方法对比分析。仿真结果表明,所提方法优于传统的时频分布方法,能更有效处理非平稳信号,可获得较传统时频分布分辨率及抗噪更高性能。通过用于转子裂纹故障诊断实验结果表明,该方法能有效反映裂纹故障的严重程度。

自检自适应最优时频分布在电力系统谐波分析中的应用

电力系统谐波对电网的危害显得日益严重。为提高对谐波特征参数精确分析,提出了一种自检自适应最优时频分布谐波分析方法。首先应用核参数自适应选取方法(同时对实用化核参数选取进行了分析),实现信号自项和交叉项在模糊域内有效分离,确保信号分量自项有最优的时频分布;其次应用信号分量频谱信息自动搜索功能,提取出最能代表各信号分量特征的单时频谱,实现信号分量在时频面上精确刻画,有效提高信号时频信息的分辨率和可读性,实现了谐波信号参数的精确提取。仿真和实例分析均表明了该方法的有效性。

基于自适应核时频分布的多普勒频移及多径时延估计

对修正时频相关函数多径时延估计法作了改进 ,提出了两种基于自适应核时频分布的LFM脉冲声纳目标回波多普勒频移及多径时延的联合估计方法。即首先利用目标回波及发射信号的先验信息 ,构造抑制交叉项的时频分布 ,再利用 WVD峰值法及 Radon- Wigner变换法进行参量估计。最后 。

采用自适应核函数的空间时频分布盲源分离

基于空间时频分布的盲源分离算法可以用来分离具有不同时频分布的信号．时频分布的交叉项影响着盲分离的性能，而不同的时频分布对交叉项的抑制效果也不同．目前的盲源分离算法多是基于固定核的时频分布，而自适应核函数对交叉项的抑制能力娄优于固定核的时频分布．提出采用自适应核函数时频分布的盲源分离算法，

基于稳定分布噪声的分数低阶自适应时频分布

信号中的α稳定分布噪声会使自适应时频分布方法失效。针对该问题,利用分数低阶统计量理论,提出一种改进的分数低阶自适应时频分布。为了实现带噪信号的实时在线处理及长时间信号的时频分布分析,给出一种分数低阶短时自适应时频分布。仿真结果表明,2种方法都能在含有α稳定分布噪声和高斯噪声的环境下进行有效的时频分布分析。

二次时频表示中核函数的优化设计

二次时频分布是分析非平稳信号的有力工具 ,在具有许多优良特性的同时 ,存在严重的交叉干扰项。在Wigner Ville分布及Cohen类时频分布具有固定核函数的基础上 ,研究了基于信号的核函数优化设计的两种方法 ,径向高斯核函数和最优相位核函数的设计方法。基于信号的核函数的时频表示可以有效地抑制或转移交叉分量 ,提高时频表示的可读估计 。

电信号的时频分析新方法

针对电力系统中电信号检测的现状,提出了一种高分辨率的电信号时频分析新方法.该方法首先基于自适应最优核时频分布理论得到电信号的时频分布,然后进行时频平面脊信息的提取,从而得到电信号各频率分量频率随时间变化的特征.针对时变间谐波、暂态震荡电压、变压器故障电流等电信号进行仿真分析,仿真结果表明:该方法表现出很高的时频聚集性,且不受交叉项的影响,清晰地刻画出各频率分量的时变性特征.

基于时频平面脊信息提取的间谐波分析新方法

针对电力系统间谐波分析的局限性,提出一种基于时频平面脊信息提取的间谐波分析新方法.该方法首先基于自适应最优核时频分布理论得到间谐波信号的时频分布,然后进行时频平面脊信息的提取,从而得到各间谐波分量频率随时间变化的特征.同仅采用时频分布刻画间谐波信号时频分布特性相比,该法具有更高的时频分辨率及更强的信息可读性.仿真及实测数据分析结果表明:该方法表现出很高的时频聚集性,且不受交叉项的影响,清晰地刻画出各间谐波分量的时变性特征,对各频率分量相隔较近的信号仍然有效.

基于AOK-TFR的轨道电路故障诊断方法

为弥补现有补偿电容检测方法在检测及时性和检测成本等方面的不足,基于传输线理论,提出了机车信号感应电压幅值包络(IVECS)仿真模型;在此基础上,分析了补偿电容故障对IVECS的影响规律,建立并验证了基于频率的IVECS等效回归模型;利用补偿电容故障位置前后IVECS的频率变化,提出了基于自适应最优核时-频分布的补偿电容故障诊断方法.该方法基于机车信号的实际数据,采用B样条离散二进小波对数据进行滤波降噪处理,并利用自适应最优核时-频分布提取处理结果的时-频信息,再通过检测时-频信息中频率的变化实现对故障电容的定位.经过对随机抽取的100段实际数据的测试,准确率约为92.58%,表明该方法能准确检测轨道电路发生故障的补偿电容位置.

基于AOK-TFR和TLS-ESPRIT的电压闪变参数提取方法

针对统计评价的指标不能给出电压闪变具体参数的问题,将TLS-ESPRIT(总体最小二乘-旋转矢量不变技术)和AOK-TFR(自适应核最优时频分布)引入到电压闪变参数的求取中,闪变参数的提取可转化为求取一系列边频分量参数的问题。首先应用AOK-TFR进行闪变类型的判别,然后将电压信号数据形成的HANKEL矩阵通过奇异值分解进行信号子空间和噪声子空间的划分,通过TLS的再次消噪和抗干扰处理,提高了闪变参数提取的精度。仿真算例表明,在周期性和暂态电压闪变信号中,该方法仍具有较高的精度。实例分析进一步验证了该法的可行性和有效性。

基于鸟鸣声及深度学习的鸟类识别方法研究

针对基于鸟鸣声的鸟类识别问题,提出一种基于自适应最优核时频分布(adaptive optimal kernal,AOK)与卷积神经网络(convolutional neural network,CNN)的鸟类识别方法。首先对采集的鸟鸣声信号进行预处理,获取对应鸟类的音节后对样本进行数据增强处理,然后通过AOK时频分析方法,得到鸟鸣声音信号的自适应频谱图,分析鸟鸣声信号不同时间和不同频率下的能量分布,通过时频谱图对卷积网络模型进行训练,并进行实时预测。对20种常见鸟类的实验表明,在少量初始样本的情况下,总体识别率也可达到95.5%,并且通过对同一科目和不同科目下的鸟类鸣声分析发现,采用时频图结合卷积神经网络的方法对鸟类鸣声进行识别,提取的特征参数代表性更强,识别准确较好,具有较好泛化性。

基于Wigner-Hough变换改进算法的多分量LFM信号检测

Wigner-Hough变换可以很好的抑制多分量LFM信号Wigner-Ville分布中严重的交叉项,但是在低信噪比时,Wigner-Hough变换完全被噪声淹没.本文提出一种改进算法,用基于信号的自适应高斯核时频分布代替Wigner-Hough变换中的Wigner-Ville分布.仿真表明,对于多分量信号在信噪比为-3dB,单分量信号在-17dB时该算法仍然有很好的性能.

EEMD联合AOK-TFR提取车辆微多普勒特征

利用连续波雷达探测运动车辆时,非线性、非平稳的多分量回波信号不易解析提取,基于此,提出了联合总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和自适应最优核时频分布(Adaptive Optimal Kernel Time-Frequency Distribution,AOK-TFR)的方法提取运动车辆的微多普勒(micro-Doppler)特征。建立了车体振动和车轮转动对雷达回波信号产生的复合调制效应数学模型,并对多分量回波信号进行了EEMD,通过联合AOKTFR解析回波信号的固有模态分量,得到了较清晰的微多普勒时频像,较好地克服了地杂波带来的EMD模态混叠。仿真分析表明该方法提取到的微多普勒特征参数与仿真参数吻合,证明了该方法的有效性。