基于Hilbert信号空间的未知干扰自适应识别方法

针对大样本下未知干扰类型的分类识别问题,该文提出一种基于信号特征空间的未知干扰自适应识别方法。首先,基于Hilbert信号空间理论对干扰信号进行处理,建立干扰信号特征空间,进而利用投影定理对未知干扰进行最佳逼近,提出基于信号特征空间的概率神经网络(PNN)分类算法,并设计了未知干扰分类识别器的处理流程。仿真结果表明,与两种传统方法相比,该方法在已知干扰的分类精度方面分别提高了12.2%和2.8%;满足条件的未知干扰最佳逼近效果随功率强度呈线性变化,设计的分类识别器在满足最佳逼近的各类干扰中总体识别率达到91.27%,处理干扰识别的速度明显改善;在信噪比达到4 dB时,对未知干扰识别准确率达到92%以上。

Hilbert-Huang变换及其滤波特性研究

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法。其基本的实现分为两步,经验模态分解和瞬时频率的求解。这种方法的核心部分是经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的本征模态函数,对这些本征模态函数作Hilbert变换即可得到每一个本征模态函数的瞬时频率。经验模态分解方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号的局部特征,在信号的滤波和去噪中具有较大的优势。本文讨论了Hilbert-Huang变换时空滤波的实现过程,仿真验证了该方法的优越性。

HHT方法在模态密集结构模态参数识别中的应用研究

结合海洋平台物理模型的动力响应数据,研究加入伪信号技术的HHT方法在模态密集结构模态参数识别中的应用,并对伪信号参数的选择方法进行了改进。通过两自由度系统数值算例说明了改进后伪信号技术结合HHT方法用于模态参数识别的优越性及可行性。进而运用模态参数识别频域方法中的峰值法(PP)和时—频方法中的HHT方法结合伪信号技术对海洋平台物理模型进行了模态参数识别。分析结果表明,该类方法对模态密集结构参数的识别效果良好,适用于模态密集结构的模态参数识别。

与傅里叶变换有关的线性空间和代数

与三维欧氏空间一样,信号时域和频域都是希尔伯特空间。采用类比方法,将信号看作矢量,信号基函数看作基矢量,能建立时域空间和频域空间的几何直观性。可通过三维欧氏空间性质来直观理解时域空间和频域空间,而傅里叶系数本质上是信号在其基函数上的正交投影分量。信号的时域空间和频域空间是环同构,同构映射是傅里叶变换。根据希尔伯特空间性质和环同构,还可得出傅里叶变换的一些性质。

The structure of instantaneous frequencies of periodic analytic signals

In this paper, the structure of analytic signals is investigated by means of the relation between analytic signals and functions in the Hardy space. It is shown that an analytic signal is made up of two parts, one depending on the amplitude of the signal and another on the boundary value of an inner function. Based on this result, properties of the instantaneous frequencies of these two parts are studied, and it is found that negative instantaneous frequencies are caused by the amplitude of a signal. Finally, such conditions that an analytic signal is of positive instantaneous frequency are presented.