基于自适应VMD和WVD的配电网故障行波检测方法

精确检测故障行波信号是保证故障定位结果准确可靠的重要因素,针对Wigner Ville分布(Wigner Ville distribution,WVD)在检测故障行波时易产生交叉项的问题,提出一种基于改进变分模态分解(variational mode decomposition,VMD)和WVD的故障行波检测方法。首先,通过波形相似性确定VMD参数的选取,利用改进的VMD对线模行波信号自适应分解,实现对故障行波不同频段信号提取的同时保留重要故障信息;然后,分别求取各分量信号的WVD后叠加得到原始信号的WVD,由此解决WVD交叉项带来的影响;最后求取VMD-WVD能量谱密度分布,利用WVD良好的时频聚集性检测故障行波[150,170]kHz频段波头位置,从而实现故障行波波头的精准检测。仿真实验结果表明,该文所提方法相比小波和HHT的故障行波检测方法更加快速、准确。

基于WVD和OEW算法识别矿用栓接电缆电连接松动故障

为深入研究栓接电缆电连接松动故障的典型特征,实现故障识别,以铜-铜电缆接头作为研究对象,利用电缆接头松动故障实验平台开展了不同电流、不同松动程度条件下的松动故障实验。提出了基于Wigner-Ville(WVD)及客观熵权(OEW)的松动故障识别方法。运用WVD对回路电流进行变换,使其具有联合时频特征,然后提取该信号的时间边缘和频率边缘,进而计算回路电流的平均能量和基频能量。以回路电流的极差、平均能量、基频能量作为故障特征参数,采用OEW算法确定特征参数的权值,并构造加权规范化矩阵,结合最优距离准则(ODC)和硬判决规则识别松动故障。实验表明,该方法能够有效识别栓接电缆的电连接松动故障。

海洋环境中基于WVD的LFM信号检测方法

海洋环境中弱信号的谱与海杂波的谱相混叠 ,目标和背景的位置差异很小 ,经典的频域或空域处理对海杂波中弱信号的检测难以奏效。鉴于Wigner-Ville分布 (WVD)对线性调频信号 (LFM )具有时频聚集性这一特点 ,提出了一种海洋环境中基于WVD的LFM信号检测方法。利用雷达采集的真实海杂波数据 ,在不同信杂比的条件下 ,研究了该方法与经典频域法在信号检测中的差别。通过实验分析 ,与经典方法相比 ,该方法具有明显的优越性 ,且信杂比达到 -14 . 3dB时 ,其仍能很好地对信号进行检测。

利用ASTFT谱有效抑制WVD交叉项的方法

该文分析了Wigner-Ville Distribution(WVD)中自项与交叉项相互关系,提出了一种利用自适应短时傅里叶变换(ASTFT谱)有效抑制WVD交叉项的新方法。该方法首先对信号进行ASTFT得到信号的ASTFT谱图,以确定出信号分量在时频平面内的位置,然后将ASTFT谱作为窗函数对信号的WVD进行加窗处理,从而有效消除掉WVD中的交叉项,并保留WVD的高分辨率和能量聚集性等优良特性。最后通过实例验证了该方法的有效性。

基于WVD改进算法的跳频信号参数估计

针对平滑伪维格纳分布(SPWVD:Smoothed Pseudo Wigner-Ville Distribution)在跳频信号参数估计中存在的分辨率下降和运算量过大等问题,提出基于STFT(Short-Time Fourier Transform)与WVD(Wigner-VilleDistribution)的联合算法(STFT-WVD),实现了跳频周期、跳变时刻和跳频频率等参数的盲估计。在参数估计的过程中,STFT-WVD算法有效地抑制了WVD的交叉干扰项,保持了WVD较高的时频分辨率,在运算量上和WVD相近,没有增加运算的复杂程度。仿真实验证明,STFT-WVD比SPWVD具有更好的整体性能,在信噪比优于-1 dB时,能得到更为精准的估计值。

基于NSTFT-WVD变换的芦山M_S7.0级地震前后地球天然脉冲电磁场信号时频分析

本文针对地球天然脉冲电磁场（ENPEMF）信号的非平稳性特点,通过采用归一化STFT-WVD变换（NSTFT-WVD）提取芦山MS7.0地震前地表天然脉冲电磁场信号的时频特性,来研究大地震发生前地表天然脉冲磁场的时频特点。通过对线性调频信号分别进行Short-Time Fourier Transform（STFT）和WignerVille Distribution（WVD）,对比分析两者时频聚集的优缺点,提出采用NSTFT-WVD变换方法,可得到时频聚集特性更优且可抑制交叉项的时频分析方法。结果表明,对于ENPEMF非平稳信号,NSTFT-WVD变换能较为真实地反映震前ENPEMF信号的时-频-能量谱的联合分布特性,即震前1~2天呈现较为明显的脉冲全频率段静默状态,通道2和通道3数据的震前时频表现基本一致,具有较好的临震前兆的特点。

基于频域“CLEAN”抑制WVD中的交叉项

针对多分量正弦信号 ,采用信号分解的思想 ,提出一种基于频域“CLEAN”抑制交叉项的方法 ,即先在频域利用“CLEAN”的技术将信号逐一分解 ,然后对每一个分解后得到的单分量信号进行时频分析(Wigner Ville分布 ) .这样既可以避免交叉项的干扰 ,又能保持较高的信号时频分辨率 .与“CLEAN”法相比 ,该方法可以避免各信号分量持续时间及缓变包络等因素的影响 ,更适合于逆合成孔径雷达成像等实际应用领域 .

基于多谱图叠加阈值的抑制WVD交叉项的新方法

本文提出了一种抑制Wigner-Ville分布(WVD)交叉项的新方法。首先对多幅具有不同时-频分辨率的谱图进行叠加,然后对叠加结果进行阈值处理,确定WVD自项在时频平面的支撑区域。最后,用该区域的示性函数乘以WVD得到一个新的时频分布。不同于传统的抑制交叉项的核函数方法,该方法抑制交叉项的同时,保持WVD了高时频聚集性。实验结果表明,该方法对由多个LFM信号构成的多分量信号和非线性调频信号都非常有效。

应用WVD估计AM-FM信号的瞬时频率

该文研究了应用WVD谱峰检测估计AM-FM信号的瞬时频率的方法及其性能。理论分析表明;对线性调频的AM-FM信号,只要其幅度的WVD在频率为零处取得最大值在任意时刻都成立,则基于WVD谱峰检测得到的瞬时频率估计是无偏的,并给出了估计的方差。仿真实验使用高斯包络的线性调频信号表明,利用WVD可以有效地估计AM-FM信号的瞬时频率。

基于经验模态分解的WVD交叉项抑制法

针对Wigner-Ville分布(WVD)存在交叉项的问题,提出一种基于经验模态分解(EMD)的WVD交叉项抑制方法,将EMD得到的各固有模态函数去伪后进行WVD计算,将WVD分析结果线性叠加后重构出原始信号的WVD时频分布。仿真结果表明,该方法能有效抑制时频分布的交叉项,保证WVD的时频聚集性,分析信号的调幅调频现象。

基于瞬态极化WVD相关的高分辨雷达目标识别

研究了毫米波高分辨极化雷达的目标识别问题,提出了瞬态极化WignerVille分布(WVD)的概念,导出了瞬态极化WVD莫耶公式,证明了瞬态极化WVD时频域相关与极化信号时域相关的等价关系.在此基础上,提出了基于高分辨极化雷达目标回波瞬态极化WVD相关的目标识别方法,并利用五种飞机缩比模型外场测量数据进行了目标识别实验,实验结果表明该方法是一种有效的高分辨极化雷达目标识别方法.

一种融合特征与卷积神经网络的车轮缺陷识别方法

针对同一识别算法下不同损伤类型以及损伤程度识别准确率低的问题,提出一种多尺度融合特征与一维卷积神经网络(One-dimensional Convolution Neural Network,1D-CNN)相结合的车轮损伤诊断方法。利用完全噪声辅助聚合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)和魏格纳-维尔分布(Wigner-Ville Distribution,WVD)联合时频分析方法,对轴箱加速度信号进行融合特征提取,将提取到的多维度融合特征作为样本输入,构建适合车轮踏面损伤诊断的CNN模型,对样本中的不同损伤类型和损伤程度进行分类识别。经仿真分析和实验验证表明:所提出的多维度融合特征对于不同车速下的损伤类型以及损伤程度都有很好的识别能力,识别准确率可达到98%,且鲁棒性强,可为车轮踏面损伤识别和评估提供新的方法。

基于WVD-HT的宽带调频信号检测技术研究

本文研究高斯白噪声背景下和混响背景下基于Wigner VilleDistribution HoughTransform (WVD HT)时频分析方法的主动声呐宽带LFM脉冲信号的检测问题 .给出了理论实现方法和相应的仿真结果 .分析结果表明 :WVD HT方法在信噪比为 - 2 0dB左右仍可很好的抵消干扰背景 ,取得了比较理想的LFM检测效果 .

基于WVD的谱峭度法在轴承故障诊断中的应用

在对基于短时傅里叶变换(STFT)和基于小波变换的谱峭度法分析的基础上,提出了基于Wigner-Ville分布的谱峭度法。将其作为检测工具,利用谱峭度构造最优滤波器提取轴承故障信息。将这三种谱峭度法应用于滚动轴承故障诊断中进行对比分析。分析结果表明,时频分析方法对信号能量的集中程度和时窗与滤波器的选取是影响谱峭度法应用效果的主要因素。该结果对基于时频分析的谱峭度法理论体系的形成及其在故障诊断中的应用具有实际意义。

估计跳频信号参数的多窗口迭代平滑伪WVD新算法

采用时-频分析方法获取跳频信号的瞬时频率、跳周期、跳频图案等主要参数,在短时傅立叶变换、Wigner-Ville分布等传统时-频分析算法均无法达到抑制噪声和实时参数检测的情况下,提出一种能适应跳频信号速率变化的多窗口迭代平滑伪Wigner-Ville分布(SPWVD)算法来进行跳频信号参数的实时估计。仿真结果表明,该算法在较低信噪比(-8 dB)的情况下也具有良好的实时估计效果。

超级WVD对多分量LFM信号参数的估计

线性调频信号广泛存在于雷达系统之中。目前,对其检测及参数估计最常用的方法是WVD-Hough方法。不过,它存在以下三个突出问题:1)在多分量情形下,受交叉项干扰严重;2)在低信噪比环境中,受噪声项干扰严重;3)巨大的计算量和数据存储量。文中在超级WVD的基础上,结合Hough变换,提出了超级WVD-Hough方法,在负信噪比的环境中,多分量的情形下,对LFM信号进行了检测及参数的估计,取得了更为理想的效果。

PWVD在跳频信号时频分析中的应用

跳频信号是典型的非平稳信号,需采用非平稳信号处理方法进行分析.介绍了跳频信号的模型以及Wigner-Ville分布、伪Wigner-Ville分布的离散化实现过程,可得到跳频信号的有关参数,进行了计算机仿真.结果表明Wigner-Ville分布和伪Wigner-Ville分布均可对跳频信号进行分析,伪Wigner-Ville分布可以抑制交叉项的影响,这种分析方法是有效的、合理的.

基于WVD的超声海流信号瞬时频率的计算

给出了一种简化的超声海流信号仿真模型,利用WVD计算其瞬时功率密度,取瞬时功率密度的最大值作为其瞬时频率的估值。仿真结果表明,高信噪比(超过30 dB)情况下可以利用WVD估计超声海流信号的瞬时频率。

基于Sobel算子实现WVD交叉项的衰减

针对在分析多分量信号时,WVD的交叉项使得时频分布图变得难于解释,提出了一种基于Sobel算子的WVD交叉项衰减方法。该方法首先利用模糊函数将信号聚集在原点附近,再利用Sobel算子作为滤波算子,对AF进行滤波,最后通过二维傅里叶变换,得到交叉项衰减后的WVD。实验结果证明该方法可以很好的抑制WVD交叉项。

基于LPFT时频滤波器的WVD交叉项抑制方法

本文提出一种抑制Wigner-Ville分布(WVD)交叉项的新方法。利用局部多项式傅里叶变换(LPFT)构建时频滤波器,确定自项支撑区域,再利用此滤波器对WVD进行处理,从而达到抑制交叉项的目的。通过3dB信噪比的分析可以看出,LPFT具有比短时傅里叶变换(STFT)更好的时频聚集性,因此基于LPFT的时频滤波器能更有效抑制WVD中的交叉项干扰,同时又能保留WVD的高时频聚集性。通过与Chio-Williams分布、径向高斯核函数时频分布、基于STFT时频滤波器的交叉项抑制方法的比较,验证了该方法对抑制多分量信号及非线性调频信号的交叉项以及噪声干扰的有效性,显示了该方法在保持高时频聚集性,抑制交叉项干扰,以及抑制噪声干扰方面的优势。