基于重排Gabor变换的高分辨率谱分解

地震信号是随机信号,频率成分随着时间变化而变化。Gabor变换是加窗傅里叶变换的一种,被广泛用于信号的时频分析,但分辨率有限。本文引入一种基于能量重排的Gabor变换,在时频平面上对能量关于其重心进行重排,提高了时频分析的分辨率。通过理论算例和实际数据证明,重排后的Gabor变换谱分解在烃类检测中有更好的时频分辨率,分层更准确,更精细地指示了烃类的存在。

基于重排Gabor变换和Radon变换的盲分离及其应用

根据重排Gabor变换和Radon变换理论提出了基于重排Gabor变换和Radon变换的盲分离算法.利用重排Gabor变换时频聚集性特点,对混合信号进行重排Gabor变换,再将Gabor展开系数进行Radon变换,通过Radon变换平面上的像点求出近似矩阵,从而实现信号分离.数值仿真和模拟故障结果表明:文中方法有效地抑制了噪声的干扰,成功地实现了信号分离.

基于重排Gabor变换和Radon变换的特征提取技术

基于重排Gabor变换和Radon变换理论,提出了基于重排Gabor变换和Radon变换的故障诊断技术。文章首先利用重排Gabor变换时频聚集性特点,对含噪信号进行重排Gabor变换,再将Gabor展开系数进行Radon变换,在Radon变换平面上提取像点,再进行Radon逆变换,实现信号降噪。仿真结果表明,该方法有效地抑制了噪声的干扰,成功地提取了故障特征信号。

基于延时自相关与重排Gabor变换的特征提取技术

根据自相关函数自身特性及时频分析重排算法,提出了基于延时自相关与重排Gabor变换的故障特征提取方法。本文首先利用时延自相关函数对信号进行降噪预处理,再对剔除干扰部分后的自相关函数进行重排Gabor变换,从而提取出故障特征频率,判定其故障类别。数值模拟仿真与齿轮箱故障试验结果表明:该方法更能有效地抑制噪声,凸显故障特征信息。因此,在旋转机械故障诊断领域,该方法具有广泛的应用前景。

基于Viterbi算法和ROMP的多弹道目标分离与特征提取

为实现对中段飞行中多弹道目标进行分类和特征提取,首先利用重排Gabor分布与Viterbi算法相结合的方法,获取目标散射点的时频曲线,对目标信号时频曲线拟合后进行频谱分析,完成目标运动类型分类。根据目标微动类型确定对应散射点的回波信号形式并构造相应的匹配原子库,设定待估计参数,利用ROMP方法对参数进行提取。仿真实验表明,该方法有效实现散射点分离并判断出目标的微动类型,同时验证了该方法对目标参数的提取精度。