基于Choi-Williams分布的侵彻层数识别方法

针对侵彻多层硬目标过程中实测加速度信号的振荡叠加,以及可能引起的层数误判问题,采用时频分析法研究弹体主轴方向加速度信号的Choi-Williams能量分布特征,提出了以侵彻过程加速度信号的能量分布为依据的层数识别方法。侵彻8层等间距混凝土靶板的实测数据处理结果表明,该方法可快速准确实现层数识别,解决了低通滤波方法无法获取准确层数信息的问题,为实时控制起爆位置提供依据。

半监督条件下基于朴素贝叶斯和Choi-Williams时频分布能量积累的雷达信号识别

针对非合作电子侦察雷达信号识别中先验信息残缺的问题,该文提出一种基于Choi-Williams时频分布(CWD)的改进半监督朴素贝叶斯的识别算法(ISNB)。首先对CWD进行降噪预处理,然后通过计算降噪后CWD不同时间下各频率采样值的积累量,从而得到CWD的能量积累量这一新特征;针对传统的半监督朴素贝叶斯(SNB)在更新训练样本集过程中会产生迭代错误的不足,通过在无标签样本集生成的置信度列表中选取置信度高的样本添加到有标签样本集中,再利用预测后的分类结果对分类器参数进行改进,进而构建改进的SNB分类器,有效解决了传统SNB算法分类精度低且分类性能不稳定的缺点。理论分析和仿真结果表明,所提方法相比于传统SNB算法均提高了3%左右;在相同信噪比下,相比于传统的主成分分析加支持向量机法,该算法具有更高的分类识别率和更好的分类性能。

Choi-Williams分布参数优化及其应用

提出时频分布信息熵的定义和求法 ,先对时频分布取绝对值 ,进而计算该分布的信息熵 .根据信息熵最小的原则对Choi Williams分布的参数进行优化 ,然后用优化的参数计算信号的Choi Williams分布 ,得到的Choi Williams分布能较好地反映信号的时频结构 .

基于Choi-Williams时频分布的阵列声波测井信号时频分析

对多极子阵列声波测井信号,提出了一种基于信号时、频局域相关能量的新的时-频信号分析方法,Choi-Williams能量分布,它有着较明确的物理意义.该分析方法对于不同岩性的构造的响应具有很好的区分和识别能力,其声波全波列的Choi-Williams能量分布对由不同岩性组成的构造破碎带具有明显不同的表现特征.利用相应的模式识别方法,可以对这些岩性构造进行有效的区分和识别.

基于Choi-Williams时频分布的裂缝性地层时频特征

为验证Choi-Williams能量分布时频分析方法的有效性,将其引入阵列声波测井信号处理之中。结果表明,它对于裂缝性地层具有较好的区分和识别能力,并且可以有效地抑制多频率成分信号的交叉性干扰,清晰地得到声波测井信号的时频分布性能及其特征。对于致密性地层来说,声波测井信号的各组分波均无明显的衰减。对于裂缝性地层来说,斯通利波能量会有较大幅度的衰减;破碎度更好,渗透性越好的裂缝对斯通利波的衰减影响更大;横波的衰减在渗透性更好的裂缝中更加明显。

基于EEMD和Choi-Williams分布的侵彻加速度信号时频分析

提出了一种基于总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和Choi-Williams分布联合的时频分析算法,该算法采用EEMD算法将信号从频域上分离为若干个固有模态函数之和,再对各分量进行Choi-Williams分布,得到了信号的时频分布特征,有效地消除了信号内部各模态函数之间时频分布的交叉项,从而挖掘信号的本质及相关特征.通过对实测侵彻两层厚度不同的混凝土靶板的加速度信号,采用EEMD和Choi-Williams分布联合时频分析,得出弹体激发的振动模态和靶厚以及着靶速度有关.

基于Choi-Williams分布的心音信号时频分析

目的:通过心音信号的时频特性分析,为心血管疾病提供辅助诊断。方法:首先对心音信号进行阈值去噪,然后基于非线性时频表示Choi-Williams分布对心音信号进行时频分析,给出正常心音与心律过快心音的三维图和等高线分布。结果:基于平稳小波的Penalizd high硬阈值去噪效果最好,Choi-Williams分布三维图可清晰地看出时间-频率平面上的能量分布特性,而心音信号的各个部分在等高线分布的时频面上能够清晰地表现出来。结论:通过ChoiWilliams分布对心音信号时频分析,从一个新的视角较好地反映出了人体心音信号的一些本质性特征,有望成为心血管疾病诊断的一种重要判别依据。

基于Choi-Williams分布的煤田测井解释研究

为了改善传统煤田测井解释忽略波数的情况,达到提高测井信息利用率的目的,提出了通过研究双侧向测井、中子测井、声波测井、密度测井以及自然伽马测井的ChoiWilliams分布规律,来实现不同性质层位的识别。结果表明,对于致密性地层、泥质含量较高的干层、水层和灰分含量不同的煤层而言,上述测井等值线呈现不同的分布规律。通过利用这些规律,可以达到识别上述层位的目的,同时可以对煤层的开采价值实现初步的判断。

基于Choi-Williams分析与神经网络的两相流流型识别

提出一种基于Choi-Williams分析和神经网络的流型识别方法。使用阵列电导传感器获取垂直上升管道气液两相流流型信息,并将多元测量数据进行去噪和降维处理,进一步采用Choi-Williams分析将其转换为时频谱图,并构建数据集。分别搭建CNN、VGG-16和ResNet-18网络模型,将不同流型的时频谱图作为网络输入进行训练、测试。识别结果表明,Choi-Williams分析可以有效提取不同流型信号的特征,3种网络均具有较高的识别精度,其中ResNet-18网络准确率最高,平均流型识别率达99.4%。

一种基于Choi-Williams分布的间谐波检测新方法

由于间谐波具有频域分布广、幅值较小、周期难以确定等特点,因此,其检测难度高。目前,大多数算法虽然在较短的采样时间内有很好的检测精度,但不能同时反映信号在时域与频域的特性。文章通过分析电力系统谐波与间谐波的模糊函数的特点,在模糊域,将改进的Choi-Williams分布的核函数进行运用。仿真实验表明,该方法具有较强的抑制交叉项的能力,在提高时频分辨率的同时,也减少了计算量,并且反映了信号随时间的变化。

基于改进Choi-Williams分布的多分量信号频率识别方法

通过相关域内对短时信号模糊函数的分析,针对短时信号对Choi-Williams分布(CWD)的核函数进行了改进,提出对加窗信号运用改进后的CWD提取信号时频信息的方法。仿真实验表明陔方法对多分量信号具有较强的交叉项抑制能力,在提高了信噪比特性的同时,也减少了计算量。

基于EEMD和Choi-Williams分布的齿轮故障诊断

针对齿轮箱齿轮故障特征提取过程中,经验模态分解(EMD)存在模态混叠、固有模态函数(IMF)筛分困难以及Wigner-Ville分布(WVD)存在交叉干扰项的问题,提出一种集合经验模态分解(EEMD)和Choi-Williams分布(CWD)相结合的齿轮故障诊断方法。首先,将采集到的齿轮故障信号进行EEMD分解,分解为多个单分量固有模态函数(IMF)的组合;然后,通过相关系数和香农熵准则去除虚假分量并筛选IMF;最后,将筛选出的IMF分量进行CWD表达,结合时频域表现出的频率与等时冲击特性,识别出齿轮故障特征。通过齿轮故障仿真和实验分析,验证了该方法在齿轮箱齿轮故障诊断中的适用性和有效性。

基于Choi-Williams分布的瑞雷波法在采空区探测中的应用研究

现有的瑞雷波数据处理方法通常只能计算得到地震排列下方岩土体平均相速度,造成探测结果的水平分辨率较低。为了解决这一问题,利用Choi-Williams分布得到瑞雷波时间、频率和幅度之间的关系,通过相邻两道不同频率瑞雷波波形的整体时间差,计算瑞雷波频散曲线。结合各道之间瑞雷波频散曲线,得到地震排列下方岩土体瑞雷波相速度-深度剖面。此方法应用于近地表老窑探测,得到了老窑空间分布情况。

基于Choi-Williams分布的机械故障源分离技术的研究

针对传统的机械故障源分离方法的不足,即源信号满足非高斯、平稳和相互独立性的假设,提出了一种基于Choi-Williams分布的机械故障源分离方法,并进行仿真研究,同时,还与传统的机械故障源分离方法进行了比较,仿真结果表明,对于机械非平稳信号的分离,必须充分利用信号的非平稳性,才能达到很好的分离效果。最后,将该方法应用到电机-减速箱耦合的多通道振动实验中,实验结果表明,该方法是有效的。

基于MODWPT和Choi-Williams分布的齿轮箱低频故障特征提取

针对齿轮箱多级齿轮传动振动信号易受噪声干扰,低频微弱故障特征提取难的问题,提出一种最大重叠离散小波包变换(MODWPT)和Choi-Williams分布(CWD)相结合的齿轮低频故障诊断方法。首先采用MODWPT方法将复杂的振动信号分解为若干分量,避免了经验模态分解(EMD)存在的模态混叠和端点效应等问题,然后依据峭度准则筛选合适分量,最后将选取的分量进行CWD分析,将时频谱表现出的频率特征与理论故障特征频率对比,识别出齿轮故障特征,实现故障诊断。通过齿轮故障的仿真及实验研究,说明了该方法较传统EMD-WVD方法的优越性,同时验证了该方法的有效性和可行性。

基于VMD和Choi-Williams分布的齿轮故障诊断

针对当前机械故障自适应时频分析存在模态混叠和时频分辨率低的问题,提出一种变分模态分解(Variational Mode Decomposition,VMD)和Choi-Williams分布(Choi-Williams Distribution,CWD)相结合的齿轮故障诊断方法。首先参考VMD分解后各分量的中心频率,确定模态分量个数,将采集到的齿轮故障信号分解为指定个数的多个单分量有限带宽固有模态分量(Band-limited Intrinsic Mode Functions,BLIMFS);然后结合峭度(Kurtosis,K)和互相关系数(Cross-correlation,CC)准则,去除虚假分量,筛选出真实的,包含丰富故障特征信息的模态分量;最后将筛选出的多个模态分量进行CWD时频分布表示,结合时频域表现出的频率与等时冲击特性,识别出齿轮故障特征。通过齿轮断齿故障仿真和实验分析,以及与EMD-WVD方法的应用效果对照,验证了文中所论方法的有效性和适用性。

基于时频分析与复杂网络的气液两相流流动特性分析

提出一种基于时频变换与复杂网络相结合的垂直管道气液两相流流动特性分析方法。该方法基于数字化电阻层析成像系统采集的测量数据,通过Choi-Williams分布(CWD)、自适应最优核(AOK)以及平滑伪Wigner-Ville分布(SPWVD)三种方法对预处理后的一维时间序列进行时频分析,进而从时频平面中提取能量序列。分别对原始时间序列和三类能量序列使用有限穿越可视图方法构建复杂网络。最终使用平均集聚系数、平均度以及全局效率3个网络指标来表征从泡状流到段塞流的演变。结果表明,由原始序列构建的复杂网络,3个网络指标规律性较差;AOK与SPWVD所对应的平均集聚系数与全局效率仅在部分工况下具有规律性;而CWD所对应的3个网络指标均呈现较好的规律,能够更有效地揭示气液两相流复杂的流动行为。

孔洞缺陷对TC4切削加工影响的仿真研究

为研究孔洞缺陷对TC4材料切削加工的影响,使用有限元切削仿真方法对切削过程的应力应变、切屑形态和切削力特点和规律进行研究。通过热力耦合仿真、数据分析、时频分析等方法对含缺陷材料切削过程中的参数的研究,研究结果表明:位于切削路径上的缺陷,在切削完后缺陷处表面出现应力集中,位于切削路径上的缺陷处表面应力值相比无缺陷时明显减大;缺陷位于表层区域时,由于缺陷导致材料内部结构变化,切屑断裂,切屑形态剧烈变化;当缺陷位于切削路径上和表层区域时,切削至缺陷处时切削力发生突变,切削状态发生失稳,并且位于表层区域的缺陷对切削力的突变影响最大;最后通过Choi-Williams时频分析对含不同位置缺陷切削仿真得到的切削力信号进行分析,观察到不同位置缺陷情况下切削力波动的时频信号,判断缺陷的位置。

绕水翼空化非定常动力特性的时频分析

为了解绕水翼附着空化的流体动力特性,用实验方法研究了绕水翼的空化流动现象。实验在空化水洞中完成,采用高速摄像技术观测了不同空化阶段的空穴形态,并测量了水翼所受的升阻力。利用时频分析中的Choi-Williams变换和小波变换对水翼升力信号进行了分析处理,得到了水翼升力信号在不同空化阶段的时频特征。结果表明:在不同的空化阶段,对应于各种不同的空化形态,其流体动力的频谱特性也表现了不同的特点。在没有空化产生时,水翼升力的时频无规则,升力随时间的变化不存在周期性;在片状空化阶段,升力信号变化的频率随着空化数的减小而减小;在云状空化阶段,空穴波动增强,升力信号的周期性更加显著,而此时频率基本不随时间和空化数变化。

Wigner分布干扰项抑制及其算法

Wigner分布是一种真正意义上的时频分析方法 ,但存在其固有缺陷即虚假时频谱 (干扰项 )问题。将实信号转化成所对应的解析信号 ,并采用Choi Williams方法对Wigner分布进行修正 ,实现了对干扰项的有效抑制 ,获得了满意的信号时频谱。给出了用解析信号计算信号Wigner分布及Choi Williams分布算法。通过几个典型信号 (分段多分量信号 ,调频信号等 )对所研制的软件进行仿真实验 ,结果与理论相符 ,表明了软件算法的正确性。