基于变窗函数谱重排的谱分解技术

谱分解是将地震信号由时间域变换到时间—频率域,然后再对其局部时频属性和瞬时频率特性进行分析的技术。常规谱分解方法受Heisenberg准则限制,不能同时兼顾时间分辨率和频率分辨率,时频谱重排有效规避了Heisenberg准则的限制,同时提高了时频谱的聚集性,且对噪音等干扰聚焦。变窗函数谱重排算法是在常规时频谱重排的基础上,利用Hermite窗的正交性和可递推性,得到多个变化窗口的谱重排结果,然后利用最小二乘估计原理,对多个谱重排剖面进行加权近似组合。合成记录和实际例子均表明该方法在保证了时频谱高聚焦性的同时,分散了噪音干扰,能准确归位时频能量的真实位置,对低频阴影有很好的显示效果。

面向沉底目标的分数阶傅里叶变换谱重排回波时频处理

基于谱重排原理,在混响限条件下,根据工程需要讨论Wigner-Ville、短时傅里叶变换(STFT)和分数阶傅里叶变换(FrFT)3种谱重排下目标宽带回波时频特征的表征过程。用二维FrFT重排谱表征目标回波,在此基础上设计时频匹配检测器。研究结果表明:FrFT谱重排有利于表征沉底目标回波时频局部化特征,且在一定程度上抑制混响,提高二类目标回波在时频面的能量集聚性,便于设计二维匹配检测器,提高水下目标检测性能。

基于小波尺度谱重排与排列熵的自动机故障诊断

针对传统的自动机故障诊断方法检测与诊断维修成本高、周期长,且容易受不确定性因素影响的问题,提出了基于小波尺度谱重排与排列熵的自动机故障诊断方法。该方法运用小波尺度谱重排,提高了自动机振动信号能量的集中度;以振动信号的小波排列熵作为特征向量,差异较为明显;并优化支持向量机(SVM)对自动机故障进行识别。实例验证表明:该方法能有效地提取故障特征值并完成故障识别,解决了自动机故障诊断的问题,是一种适合其高频振动冲击信号的故障诊断方法,有着极其重要的理论意义和现实意义。

水下目标LFM回波的小波尺度谱重排及匹配检测

在浅水混响限条件下,为提高水下小尺度目标检测性能,结合宽带线性调频(LFM)信号回波目标信息量大、混响背景相关性弱的特点,提出对目标宽带回波进行时频谱重排压制混响,再进行匹配检测的方法.通过比较目标回波的短时傅里叶变换和小波尺度重排谱时频表征,发现小波尺度谱重排能较好地实现目标信号和耦合混响的分离.再结合匹配滤波的定位特性设计基于小波尺度重排谱的时频匹配检测器.仿真和测试数据分析表明,文中方法的检测性能优于传统匹配滤波约4 dB,在混响背景下,时频匹配滤波器仍能对水下目标进行有效定位,且能较好抑制旁瓣.

基于S变换谱重排的宽带DOA估计算法

针对宽带MUSIC声源定位算法在采用短时傅里叶变换时,由于受Heisenberg测不准原理限制,引起窗函数的时间和频率分辨率不能同时达到最优的问题,提出一种基于S变换谱重排的宽带MUSIC声源定位算法。该算法把每一时刻接收的信号进行S变换,利用谱重排方法优化时频谱,并在各个频率通道上使用MUSIC算法进行声源定位。仿真结果表明,该算法在非平稳信号的应用中更具实用性和灵活性。

谱图重排的谱分解理论及其在储层探测中的应用

谱分解理论是把单道地震记录分解为连续的时频谱平面,是地震资料处理和解释的重要技术之一.由于谱分解方法的多解性,所以同一道地震记录因为分解方法不同,得到的时频谱是不一样的.短时傅里叶变换,小波变换,S变换和匹配追踪算法都是对信号开窗分析,这些方法都受到不确定性原理的限制.Wigner-Ville变换避开了不确定性原理的限制,但是交叉项的存在限制了本方法的使用.本文利用谱图重排的时频分析方法(RSPWV)对合成的单道地震记录和实际的地震资料进行了分析.与短时傅里叶变换和匹配追踪算法的比较得出:此方法具有较高的时频分辨率,能够很好地识别气层.

ISVD降噪和重排谱图在烟机信号HHT时频谱分析中的应用

针对基于希尔波特黄变换(HHT)的时频谱存在受噪声影响大、高频部分时频分辨率低的缺点,提出将迭代奇异值分解(ISVD)降噪和重排谱图应用于HHT时频谱分析中。首先对噪声对HHT时频谱的影响进行了分析,含噪实测信号经过经验模式分解(EMD)得到的基本模式分量(IMF)中含有很强的噪声成分,从中提取的瞬时参数不具有物理意义,构成的HHT时频谱混乱而不准确;然后利用ISVD降噪对实测信号进行了降噪处理,有效地去除了噪声,降噪后信号EMD分解得到的IMF分量其Renyi信息接近于0,是近似平稳的单分量信号,从中可以提取到准确的瞬时参数,构成特征清晰、分布合理的HHT时频谱;最后对HHT时频谱中高频部分所对应的IMF分量进行了重排谱图分析,实现了其时频特征的准确定位。结果表明,该方法可以有效地提高烟气轮机信号HHT时频谱分析的准确率,为故障诊断提供可靠的特征依据。

重排谱图在跳频信号参数估计中的应用

为能准确提取出跳频信号的参数,提出了基于重排谱图的方法对跳频信号进行参数提取。对跳频信号进行重排谱图,得到其能量分布的最大值,对由最大值构成的矢量进行傅里叶变换,根据得到的数据,按照峰值检测法进行估计,得到对跳频周期、跳变时刻及跳频频率的估计值。对跳频跳速(跳频周期的倒数)进行仿真,仿真结果表明,与简单的谱图方法相比,重排谱图具有更好的时频分辨率,并且能得到更精确的估计值。

谱图重排分析法在心音分析中的应用研究

该文针对WVD分析方法产生的交叉项对信号分析产生的影响进行行分析研究,提出了使用谱图重排的方法可以有效的抑制交叉项,并将该方法应用的心音信号分析中。可得到较好的信号时频特性,对进一步分析心音信号、提取信号特征具有重要的参考价值。

平滑伪Wigner-Ville分布和重排谱图的应用

针对基于Wigner-Ville分布存在受噪声影响大,存在交叉干扰项的缺点,提出其改进算法平滑伪Wigner-Ville分布和重排谱图应用其中,应用平滑伪Wigner-Ville分布处理其信号间的交叉项和受噪声污染的问题,后结合重排谱图提高其分析精度。

基于配准和二次码率控制的光谱图像压缩

提出一种基于"谱间预测+JPEG-LS"框架的星上未配准多光谱图像压缩方法。首先结合压缩方案,提出基于谱段重排的整像素谱段配准预处理算法,将谱段重排与谱段配准有机结合,显著提高了谱间相关性和压缩性能;其次提出基于二次迭代调整的码率控制算法,保证输出码率在接近目标码率的前提下严格低于目标码率,更好地满足固定链路带宽的要求。实验表明该压缩方法兼容无损和有损压缩,压缩性能优于其他方法,且算法实现简单。

风电机组齿轮箱非平稳振动信号谱分析方法

齿轮箱是风电机组的重要部件，其运行状态直接决定了风电场的收益，通过研究齿轮箱的振动信号来评判齿轮箱的运行状态具有重要意义。论述了风电齿轮箱的结构形式和故障特征，依据某类型风电机组齿轮箱特点，制定振动数据采集方案，采集两台风电机组齿轮箱高速轴振动信号；应用Hilbert能量谱和短时傅里叶重排谱对比分析，分别提取两台机组齿轮箱高速轴测点振动信号中蕴含的故障特征频率。分析得到一台机组齿轮箱高速轴损伤，实际验证了该齿轮箱高速轴故障为齿面点蚀。证实了Hilbert能量谱和短时傅里叶重排谱相结合的分析方法在提取风电齿轮箱故障特征频率的有效性和实用性。

基于时频分析的高频地波雷达目标检测算法

为提高海事监测中高频地波雷达(High Frequency Surface Wave Radar,HFSWR)对运动目标的检测准确率,提出了一种基于频谱细化和小波尺度谱重排时频分析的运动目标检测算法.对HFSWR的接收信号进行频率细化处理以提高后续时频分析的频率分辨率;然后,进行基于Morlet小波的时频分析以提取目标的时频分布特征,为提高时频分布的集中性和抑制交叉项干扰,对小波尺度谱进行重排;根据得到的时频分布特征实现可疑目标区的精确检测.实验结果表明:该算法能有效检测多普勒频率相差很小的运动目标以及海杂波附近的运动目标,可用于对常规目标检测算法无法判定的可疑目标区域进行精细、准确的目标检测与分析.

基于时频能量重排的改进小波变换谱分解

小波变换作为一种具有多分辨率特征的时频分析方法已被地球物理学家广泛应用,受不确定性原理影响,其时频分辨率有限.能量重排小波变换通过对小波变换能谱向其局部重心进行重新分配,进一步提高了时频谱图的精度.拟合信号和实际地震数据表明,利用该方法能够更准确地刻画信号的时频特征,有助于获得更好的解释效果.

转动目标光学微多普勒效应的仿真研究

为了研究转动目标激光雷达回波信号中目标运动特征的提取问题,建立了转动目标微多普勒效应的点散射模型,并进行了仿真研究,获得了激光雷达探测转动目标的回波信号图。针对转动目标雷达回波信号成分复杂,采用一般的时频分析方法信号可读性差的问题,提出了应用时频分析的重排算法来分析信号,获得了良好的时频特性,估计出了目标的相关运动参数,证明了该方法用于分析转动目标微多普勒信号的有效性,为利用雷达回波信号的时频特征实现转动目标的识别奠定了基础。

基于时频分析的ISAR瞬时成像算法

基于传统R-D算法(Range Doppler Algorithm)的ISAR成像是基于目标平稳运动的假设,而对机动目标,由于R-D算法将相同散射点不同时刻表现的不同频率压在一起,从而使散射点展宽、图像模糊不清。文中首先分析经典傅里叶变换与时频分析的本质区别;然后阐述几种典型的时频分布的交叉项干扰情况、时频聚集性能,与其他时频分布相比,重排Gabor时频分布性能优良,不仅时频聚集性好,而且无交叉项干扰,对目标瞬时成像效果较好;最后,仿真和实测数据验证了成像算法的有效性。

几种时频分析方法的对比分析

地震勘探信号属于非平稳信号,进行时频分析时常用到短时傅立叶变换、连续小波变换、Wigner-Ville分布和平滑伪Wigner-Ville分布等时频分析方法,但这些方法存在时频分辨率不够高或交叉项干扰的问题。文章介绍了一种目前在地震勘探领域应用相对较少的方法——谱重排法。在阐明各时频分析方法原理的基础上,对合成地震信号进行试算及对比分析,阐述了各时频分析方法的优缺点。就文章提出的各时频分析方法,提出了谱重排法在地震信号时频分析中的应用优势。

基于时频分析的海杂波背景下舰船目标检测

为了克服基于小波尺度谱重排的时频分析方法中时、频分辨率不佳及时频分布可读性较差等问题,提出了一种基于参数优化Morlet小波变换和奇异值分解的海杂波背景下舰船目标检测算法。算法利用Shannon小波熵作为目标函数,根据高频地波雷达信号的特点自适应地优化Morlet小波变换的时间带宽积参数,使得后续重排尺度谱的时、频分辨率同时达到最佳;然后再对重排小波尺度谱进行基于奇异值分解的降噪处理,以抑制环境噪声的影响,进一步提高时频分布的可读性。实验结果表明,与传统的时频分析算法相比,提出的算法具有更好的时频聚集性和较强的噪声抑制能力,能有效地检测海杂波背景下缓慢运动的匀速和匀加速舰船目标。

冲击噪声背景下频率和DOA的联合估计

为解决冲击噪声背景下的LFM信号频率和波达方向(DOA)联合估计问题,本文依据FLOM-时频分布理论和谱图重排方法,提出了一种基于FLOM-时频分布谱图重排的频率特性和DOA联合估计算法,该算法解决了时频分布DOA估计算法不能应用于冲击噪声的不足,能有效抑制交叉项影响,具有较好的时频聚集性能,算法通过频率拟合和时频平均-MUSIC算法可同时得到LFM信号的瞬时频率和DOA值,相比于目前已有的DOA算法,该算法具有更好的参数估计精度。计算机仿真试验证实了算法的有效性。

一种有效的心音信号分析方法

随着计算机技术和数字信号处理技术的发展,心音信号的定量分析对于先天性心脏病(CHD,简称先心病)的早期诊断和治疗具有十分重要的意义。目前,许多分析方法被用于心音信号的分析,而且,国内外生物医学界的科研人员都已经取得了一些成就。但由于心音信号是一种时变的、非平稳的、由多种成份组成的复杂信号,传统的分析方法难与达到令人满意的效果。本文通过使用几种非线性的时频分析方法对心音信号进行分析,数据显示文章所使用的谱图重排分析法更能有效的抑制交叉项,更适合对心音信号进行分析。