一种魏格纳-威利分布交叉项剔除新算法

为抑制魏格纳-威利分布分析多分量信号时交叉项的干扰,提出了一种交叉项剔除新算法,该方法通过分析多分量信号及跳频信号的魏格纳-威利分布交叉项特性,得出其交叉项数目和频率的一般规律,然后采用带通滤波器对时频分布结果中交叉项进行滤除。理论分析和仿真验证表明,该算法可以有效剔除多分量信号魏格纳-威利分布中的交叉项干扰,且具有优异的时频聚集性。

基于SPWVD分布DSP实现的纸浆流量测量新方法

针对于当前实用型纸浆流量测量方法精度低的问题,提出一种纸浆流量的测量新方法,该方法利用纸浆浓度传感器产生的浓度信号的噪声中含有的流量信息,通过DSP实现的魏格纳-威利分布进行纸浆浓度信号噪声的时-频分析,利用其特征频率计算出纸浆实时流量。该方法使得纸浆浓度传感器同时测量纸浆浓度和流量,实验表明测量精度高达0.5%,并且具有出色的动态性能。

CUDA架构下的改进多谱图WVD算法

多谱图WVD算法在计算自项支撑域时需要估计噪声的方差,且由于WVD是二次型运算,当强弱信号共存时,弱信号将被淹没。针对此问题,通过利用所处理信号的双音动态范围来确定支撑域的阈值,并对支撑域的幅度进行修正,避免了对噪声方差的估计,改善了信号时频图的聚集性。仿真实验表明,改进算法在抑制交叉项的同时,很好地保留了弱信号的细节,提高了多谱图WVD算法所处理信号的双音动态范围。最后利用计算机统一设备架构的高强度并行能力实现了该算法,加速比达到50倍左右。

基于SBL-WVD的地震高分辨率时频分析

时频分析是地震数据处理和解释过程中重要的数学工具,其精度和分辨率决定了后续处理和解释成果的质量。提出了一种结合贝叶斯学习方法(sparse bayesian learning,SBL)和魏格纳威利分布(wigner-ville distribution,WVD)的两步高分辨率时频分析方法。第一步基于构建的雷克子波库和贝叶斯学习方法将地震数据分解为子波的线性组合;第二步通过求取子波的魏格纳威利分布获得地震数据的时频分布。其中,贝叶斯最大后验概率和第二型最大似然概率通过迭代求解。贝叶斯学习方法可以用最少数量的、具有不同主频和相位的雷克子波重构地震数据,并同时有效压制随机噪声。求取、分解子波的魏格纳威利分布可有效避免交叉项干扰,分辨率高。模拟数据和实际数据实验结果均验证了方法的正确性和有效性。与常规基于Gabor变换和匹配追踪算法的时频分析方法相比,该方法具有更高的精度和分辨率,有利于后续处理和解释研究。

信号的时频分析理论与应用评述

由傅里叶变换在刻划信号的时间信息和频率信息上的矛盾引出了时频联合分析的思想,在详细介绍了短时傅里叶变换、小波变换、魏格纳威利分布和希尔伯特黄变换这4种典型时频分析方法的基础上,对他们的时频局部性能进行了分析和比较,指出了这些分析方法的优势和存在的问题。最后简要介绍了上面4种典型时频分析方法各自的应用领域。

基于希尔伯特-黄变换方法的信号奇异性检测与仿真

介绍了希尔伯特-黄变换(HHT)方法的分析步骤、特点和应用范围,并对信号奇异性检测效果进行了仿真分析,并和短时傅里叶变换(STFT)、魏格纳-威利分布(WVD)、小波变换(WT)等分析方法进行了比较。结果表明,希尔伯特-黄变换方法具有良好的局部适应性和在信号奇异性检测方面的有效性及优越性。

希尔伯特-黄变换在SAR信号处理中的应用研究

合成孔径雷达(SAR)回波信号是一个典型的非线性非平稳信号,联合时频分析理论是分析此类信号的最佳选择。本文引入一种新的时频分析方法——希尔伯特-黄变换(HHT),与传统的魏格纳-威利分布(WVD)相比较,对SAR回波信号进行检测,判断目标的存在,验证了希尔伯特-黄变换在SAR信号处理中的可用性及能量聚集性。

基于WVD的电缆测试系统研究与设计

文中在研究了电缆故障检测的理论和方法及国内外电缆故障检测仪的发展现状基础上,提出了一种基于魏格纳-威利分布的时频域联合分析的电缆测试设计方案,并在单片FPGA上完成了基于SOPC技术的高精度、便携式、智能化的电缆测试系统设计。

基于脑电信号的WVD的睡眠状态辨识

目前,大多数的人体睡眠状态辨识方法都是采用幅值域、频域或时-频域的线性分析方法,来处理脑电信号这一含有大量非线性成分的非平稳随机信号,因而其辨识效果的鲁棒性和稳定性无法保证.为此,本文提出了一种非线性的时-频辨识方法.该方法对脑电信号进行重排伪Wigner-Ville分布的时-频分析,并利用Wigner-Ville分布边缘聚集特性在不同频段内提取特征量,最后通过支持向量机实现睡眠状态的精确辨识.实验表明,该方法辨识睡眠状态的准确率达到91.6%,鲁棒性得到显著改善,为后续进行睡眠控制研究奠定了基础.

基于SPWVD和改进AlexNet的复合干扰识别

针对现代电子战电磁环境复杂,复合干扰信号有效特征难提取,识别难度大的问题,提出了一种基于伪平滑魏格纳-威利分布(Smoothed pseudo Wigner-Ville distribution,SPWVD)和改进Alex Net的复合干扰识别算法。该算法利用SPWVD对复合干扰信号进行时频分析,再利用图像处理技术对时频特征进行降维,最后结合改进的Alex Net模型,采用多个小的卷积核替代大的卷积核,删除全连接层7和局部响应归一化模块等手段,来减小网络参数从而加快计算速度,完成复合干扰信号的识别。仿真结果表明,在干(信)噪比为0 d B时,目标信号和6种复合干扰信号的识别率均在90%以上。与Alex Net模型相比,改进后的网络在识别准确率上有明显提高。