基于变参数域和短时高斯线性调频基的自适应信号分解算法

基于高斯线性调频基的参数化时频分析方法由于具有很高的时域和频域分辨能力,而被广泛应用于非线性非稳态信号的分解和特征提取中,但其巨大的计算量常常让工程人员望而生畏。因此结合变参数域和短时傅里叶变换的方法提出了一种改进的短时高斯线性调频基自适应信号分解算法,将四参数优化问题转化成窄带范围的两参数优化问题,提高了参数化时频分析的时效性。利用改进算法对四原子组合的非线性解析信号和动检列车轴箱振动加速度信号进行分解,结果表明该方法能有效消除交叉项干扰,时频分辨率高,而且具有计算量小,速度快的优点,对分析动检列车轴箱振动与轮轨短波冲击有实际意义。

短时高斯包络线性调频基自适应信号分解算法

作为一种参数化时频分析的方法,基于高斯包络线性调频基自适应信号分解的快速算法具有分辨力高、零交叉项和计算量小的优点,在信号时频分析中具有独特的优势和广阔的应用前景。然而该快速算法却存在由于采样点初值选择不当而造成分解失效的缺点,虽然后来的基于优化初值选择的自适应高斯包络线性调频基信号分解对初值选择算法进行了改进,提高了分解性能的稳定性,但仍存在较多的问题没有解决。本文将对这些问题进行研究和改进,并提出短时自适应高斯包络线性调频基信号分解算法。算法通过加短时窗来增强时频中心定位的准确性,通过控制采样基时宽来获取有效的初始方差取值范围,从而提高了分解的自适应性和稳定性。对仿真信号和语音信号的分解结果表明了该算法的有效性。

基于自适应线调频基原子分解的时域同步平均方法及其在变转速齿轮故障诊断中的应用

提出一种基于自适应线调频基原子分解(adaptive chirplet atomic decomposition,ACAD)的时域同步平均方法,并将其应用于低信噪比下变转速齿轮故障诊断。首先对齿轮振动信号进行ACAD分解估计齿轮所在轴的转速曲线;然后根据转速曲线对信号进行等角度重采样,以满足时域同步平均方法对信号周期平稳的要求;再利用时域同步平均方法对重采样信号进行处理,处理后的信号具有很高的信噪比;最后,对其进行FFT变换,其阶次谱上非常清晰地显示齿轮的调制阶次,从而揭示齿轮的故障信息。仿真算例与应用实例证明了该方法的有效性。

基于自适应线调频高斯基展开的参数识别方法

提出了用自适应线调频高斯基展开及其自适应谱进行参数识别的时频分析方法.用线调频高斯基函数自适应地对响应信号进行匹配分解,得到信号的线调频高斯基展开及其自适应谱.根据自适应谱从响应信号中重构出具有单频特性的振动信号,再由单自由度系统的参数识别方法识别系统的模态参数.并针对一多自由度系统具体论述了固有频率、阻尼比和振型的识别方法,识别结果与理论结果吻合较好.该方法不需要输入信号,并对平稳、非平稳信号均适用,且具有较强的抗噪声能力.算例分析说明提出的方法是参数识别的有效方法之一.

高斯基函数参数自适应信号分解和相应的时频分布

提出了一种在线性调频高斯基函数上进行信号自适应分解的方法 ,并给出了相应的自适应时频分布 .该分布是一种正的时频能量分布 ,具有较高的时频分辨率且无交叉项干扰 .基函数集是由单一原型高斯函数通过自适应调节其方差、扫频率、时移和频移来匹配信号的局部时频特征而获得 .这些参数和匹配系数中包含了信号的全部信息 ,可以方便地用于进一步的信号处理 .

自适应线调频基原子分解方法研究

提出了一种新的多分量非平稳信号分解方法——自适应线调频基原子分解方法。该方法能自适应地将一个复杂信号分解为若干个具有一定物理意义的PF分量,其中每个PF分量为一个包络信号和一个纯调频信号的乘积。与经验模式分解、局部均值分解和Wigner-Ville分布对仿真信号分析结果进行对比,结果表明,该方法具有良好的时频聚集性和较高的抗噪性能与分析精度,不存在二次型时频分布干扰,非常适用于非平稳振动信号的分解。对齿轮箱振动信号的分析结果验证了该方法在工程应用中的有效性。

步进频雷达目标ISAR成像运动补偿新方法

分析了基于步进频ISAR运动目标的回波信号模型,讨论了目标运动对成像的影响,指出了当目标运动速度不可忽略时会造成高分辨距离像的移位和畸变,并使二维像散焦。提出了一种基于高斯包络线性调频信号自适应分解及高分辨距离像最小熵方法的运动补偿算法,利用高斯包络线性调频信号自适应分解得到回波多普勒调频率和目标运动速度,并用高分辨距离像最小熵方法提高估计精度,然后进行运动补偿。该算法具有计算量小,精度高的特点,仿真结果验证了它补偿效果好,能获得清晰的ISAR像。