Cohen类双线性时频分布在语音识别上的应用

短时分析技术有着与生俱来的短时平稳假设限制,众多非平稳信号处理技术有着克服这一根本技术限制的潜力。非平稳信号处理技术中的Cohen类双线性时频分布技术拥有良好的时频分辨率,其中的WVD的时频分辨率已达到不确定原理下界,在非平稳信号处理技术中有独特优势。详细介绍了将这一优势在语音自动识别上的应用原理,提出了一种新型的语音智能识别方法。

双线性时频分布交叉项提取及损伤识别应用

对信号时频分析方法进行了综述,并比较了线性时频分布及以Wigner-Ville(简称WVD)分布为代表的双线性时频分布的特性。论证了交叉项的存在及其在结构损伤识别中应用的价值,提出采用短时傅里叶谱图与WVD内积提取主项的方法,构建了二维时频转换矩阵,进而获得完整的交叉项并可利用交叉项的分布特性实现结构损伤识别。通过理论论证并结合梁式结构试验和仿真模拟,表明利用交叉项幅值变化率可以准确识别出结构损伤部位和程度,验证了利用双线性时频分布的交叉项进行损伤识别的有效性,为工程结构损伤识别提供了一种可靠的分析方法。

基于小波的广义时频分布及其与Cohen类的关系

STFT，WT，WVD和Cohen类是目前信号分析和处理的有力工具。本文用WT的二次型时频形式分析了线性时频特性，研究了尺度图和变化窗谱图与Cohen类之间的关系；将尺度图纳入到Cohen类的框架，从而使WT广义化为时频域、时延频偏域的双线性时频分布以及谱相关域的二维频率分布；定义了尺度图、小波模糊函数(WAF)和小波谱相关函数(WSCF)；分析了它们的物理意义。推导并仿真了单频、双频和高斯白噪声的WSCF，分析了各自的特性。最后通过引入一种离散小波变换的加密算法，解决了小波时频分布的计算问题。

多Chirp成分信号双线性时频分布的交叉项分析

以广泛出现在许多工程应用领域和物理现象中的多Chirp成分信号为对象,研究了双线性时频分布对这种信号时频分布的交叉项特点,推导了几种分布的交叉项的数学表示,从模糊平面分析了交叉项抑制的机理,提出了双线性时频分布对多Chirp成分信号时频表示存在局限,仿真试验结果显示理论分析正确.

语音识别中的双线性时频分布技术

简单介绍了对语音识别中具有高时频分辨率优势的双线性时频分布技术,并对此技术的应用做了简单展望。

跳频信号的几种Cohen类时频分布性能比较

分析了谱图（SPEC）、伪Wigner—Ville分布（PWVD）、平滑伪Wigner-Ville分布（SPWVD）、矩形核分布（RKD）及Choi—willianls分布（CWD）等几种典型Cohen类时频分布核函数的特点，从信号项的保留和交叉项的去除两个方面比较了它们对跳频信号模糊函数的滤波效果，同时从交叉项抑制和时频聚集性两个方面比较了这几种时频分布的性能。理论分析和仿真结果表明，在核函数形式和参数选取适当的情况下，SPWVD在减小交叉项、保持时频聚集性以及抗噪性方面优于其它时频分布，更适于表征跳频信号的时变信息。

基于时频点聚类的LFM信号波达方向估计

基于空间时频分布(spatial time-frequency distribution,STFD)的多重信号分类(multiple signal classification,MUSIC)算法常用于非平稳信号波达方向(direction of arrival,DOA)估计,其关键是选取合适的信号时频点.文中针对传统时频MUSIC算法不能提取各信号时频点且在小角度间隔时估计性能不佳的问题,以线性调频(line frequency modulation,LFM)信号为研究对象,提出了基于时频点聚类的DOA估计算法.该算法首先对阵列接收信号进行白化,利用白化后的接收信号构造STFD矩阵,达到抑制STFD矩阵的交叉项、突出信号自项的目的,然后利用K均值聚类提取各信号时频点,最后运用MUSIC算法估计DOA.对不同角度间隔和不同信噪比时三种算法的估计均方根误差进行了仿真对比,结果表明:相比经典时频MUSIC算法,文中算法在小角度间隔和低信噪比时有更好的估计性能.

基于时-频分布的非平稳盲信号分离算法

大多数盲信号分离算法只适用于非高斯、平稳、相互独立的源信号，因此使用高阶统计量（HOS）有效解决以上问题。然而非平稳环境在实际问题中经常出现，本文主要考虑基于Cohen类时-频分布的Wigner—Viue分布的有噪声污染的盲信号分离算法。通过联合对角化一组空间时-频分布矩阵，给出了一种选取时频点初值的选取准则，最后给出了针对非平稳混合信号的盲分离算法。仿真实验说明本文提出算法的有效性。

一种性能优越的二次时频分布

提出了一种新型的性能优越的二次时频分布核。通过对步进频率信号以及点频信号的时频分析处理,可以看到,这种核的时频分布比较于魏格纳分布以及BrahamBarkat提出的分布,能更好地抑制交叉项;同时,这种核的频域分辨率与BD方法相当,而在时域上的分辨率则比它要更好。

基于时频重排-Hough变换的多分量Chirp信号的检测与参数估计

针对BTFD-Hough算法因交叉项形成伪尖峰引起的误检测;而平滑交叉项又造成参数估计精度降低和运行 时间增加的问题,本文提出了对BTFD进行时频重排再结合Hougb变换的多分量Chirp信号检测与参数估计的改进方法, 仿真实验结果表明,该方法不仅有效地检测多分量Chirp信号并估计其参数,还降低了H0ugIl变换时间,同时也改善了抗 噪声性能。

一种硅油扭振阻尼器的非线性动力学特性研究

本文提出一种利用Ｃｏｈｅｎ类二次时频分布和Ｈｉｌｂｅｒｔ变换，由非平稳振动信号对非线性动力学系统进行辨识的方法，利用该方法对一种硅油扭振阻尼器进行了实验研究，得到了阻尼器的阻尼系数随转速的变化曲线及附加刚度随转角的变化曲线，揭示了阻尼器的非线性动力学特征。该方法仅需利用一次冲击响应信号，实验工作量小，抗噪性好，适用性广泛。

基于BTFD-Hough变换的多Chirp成分信号的检测与参数估计

由于双线性时频分布(BTFD)对多个Chirp成分信号的时频表示存在交叉项干扰,因而在低信噪比情况下直接在时频平面难于进行检测和参数估计.该文提出了将信号的双线性时频分布作为图像,利用Hough变换检测图像中直线的原理,将多Chirp成分信号的检测与参数估计转换为在参数空间寻找局部极大值及其坐标的问题,可以使得检测和参数估计一并完成.仿真实验表明,该方法不仅能够有效地检测多Chirp成分信号并估计其参数,而且有较高的抗噪声性能,并能起到抑制与信号自项重叠的交叉项干扰的作用.

基于ARMA模型滤波的微弱信号辨识

双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征,但双线性时频变换固有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的应用,提出采用ARMA模型滤波的方法来抑制双线性Wigner-Ville时频变换的交叉项干扰,并给出算法推导。结合实验数据,对比平滑伪Wigner-Ville算法的信号辨识结果,表明基于ARMA模型预滤波的双线性时频分析能更好的抑制交叉项干扰,具备更高的时频分辨能力和瞬态微弱信号辨识能力。