基于单矢量水听器时频声强法的非合作水声跳频信号多维参数估计

针对传统方法对水下非合作跳频信号的多维参数估计效果不佳的问题,提出一种基于单矢量水听器时频声强法的非合作水声跳频信号空时频参数估计方法。利用矢量水听器声压通道与振速通道的接收信号建立时频域的短时互谱分布,分析噪声与信号在时频域分布的差异,通过迭代去噪法与连通域方法,对噪声进行抑制并平滑每跳的能量分布;采用复声强法对短时互谱矩阵进行处理,得到清晰稳定的跳频信号空时频分布;提取空时频分布的脊线并利用Haar小波变换对脊线进行奇异点检测,估计出信号的多维参数。仿真和水池试验结果表明,当信噪比大于-5 dB时,所提方法得到的参数估计归一化均方根误差小于0.05。

基于声发射Wigner-Ville时频图的岩石拉剪破裂智能识别方法

为了解决岩石破裂过程中的拉破裂与剪破裂两种破裂类型的高效识别问题,提出一种基于声发射Wigner-Ville时频图的岩石拉、剪破裂智能识别方法。该方法首先通过岩石的巴西圆盘试验和直剪试验,获得了与拉破裂、剪破裂对应的声发射撞击信号,进而绘制拉破裂与剪破裂的Wigner-Ville时频图,由此构建以Wigner-Ville时频图为特征的训练样本和测试样本;然后,利用训练和测试样本,建立了拉破裂与剪破裂自动识别的支持向量机(SVM)模型,实现了基于声发射Winger-Ville时频图的岩石拉、剪破裂过程智能识别,并利用所建模型对双轴压缩条件下的灰岩拉、剪破裂过程进行识别,揭示了双轴压缩条件下灰岩张拉破裂到剪切破裂的拉、剪演化过程。研究结果表明,该方法具有识别精确度高、简单、实用的特点。

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。

利用Wigner-Ville分布的三相整流装置故障诊断技术

针对电力电子整流装置故障诊断方法中的故障特征提取和故障识别两个关键技术,提出了一种基于Wigner-Ville分布的三相整流装置故障诊断方法,首先建立各种类型故障信号的Wigner-Ville模时频矩阵,然后计算故障信号Wigner-Ville模时频矩阵与标准模时频矩阵的相似度,以相似度最大为判别依据实现故障的诊断。三相桥式可控整流电路晶闸管故障诊断仿真结果表明该方法能准确对电力电子电路故障进行类型的识别和故障元的定位,对噪声具有鲁棒性,且算法简单,在解决电力电子电路故障问题上有着很好的工程实用价值。

基于Hilbert-Huang变换的长周期地震动能量时频分布比较研究

远场类谐和地震动与近断层脉冲型地震动是两种不同类型的长周期地震动,确定其能量的时频分布特性对理解长周期地震动作用下长周期结构的反应特点及揭示结构破坏机理具有重要意义。各选10条远场类谐和地震动、近断层脉冲型地震动与普通地震动,利用Hilbert-Huang变换,提取出各地震动的3-D Hilbert幅值谱、边际谱、Hilbert能量谱与瞬时能量曲线,在此基础上提出累积能量谱、强频段、能量时间分布系数等概念,定义了多个指标对比分析三类地震动的长周期特性、宽频带特性和脉冲特性。结果表明:与普通地震动相比,远场类谐和地震动与近断层脉冲型地震动的能量主要集中于较低的频段,长周期特性明显,且远场类谐和地震动的能量集中频段低于近断层脉冲型地震动;远场类谐和地震动的强频段宽度小于其他两类地震动,且能量在强频段内的分布比其他两类地震动均匀;与其他两类地震动相比,远场类谐和地震动的脉冲特性不明显;三类地震动的卓越频率与能量时间分布系数均存在明显的分布规律,可以作为地震动的能量表征参数。

分布式小卫星雷达空时频成像方法研究

分布式小卫星雷达的天线面积小,一般小于2m2。根据最小天线面积公式,此时距离多普勒将模糊。分布式小卫星雷达固有的距离多普勒模糊特性,给它带来了不同于常规合成孔径雷达(SAR)成像的新问题。常规的SAR成像实际是基于距离快时间匹配滤波、方位慢时间多普勒处理的时频成像原理。分布式小卫星成像需利用多颗小卫星的空域信息,解距离多普勒模糊后,方可获得较好的成像结果,因此其成像是一个需利用空域信息的空时频成像问题。提出一种空时频成像方法,它是采用低重复频率,使观察距离不模糊,但多普勒模糊情况下,利用分布式小卫星雷达丰富的空域资源,对各多普勒通道分别作空域滤波处理,消除多普勒模糊后,进行成像处理。另外,本文对此分布式小卫星雷达空时频成像方法进行了理论推导、性能分析和仿真检验。

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.

自适应核时频分布在抑制交叉项中的应用

分析了固定核函数时频分布在抑制交叉项方面的局限性以及基于信号特征的自适应时频分布对时频分辨率的改善。通过对基于信号特征的径向高斯核时频分布进行改进,提出了一种基于信号特征的自适应核时频分布的改进算法。该算法采用短时模糊函数和随时间变化的自适应核,能够在时频分布中区分出多分量信号的细节部分。仿真结果表明,该分布具有较高的时频分辨率,且无交叉项干扰。同时它还适合分析长时间信号和实现在线信号处理。

基于空间时频分布的非平稳信号盲分离算法性能研究

基于空间时频分布的盲信号分离算法可以用来分离具有不同时频分布的非平稳信号。Wigner-Ville分布(WVD)作为比较常用的时频分布,对合成信号存在交叉项,因而将WVD分布用于这种分离算法时,其分离性能并不好。理论上,大多数Cohen类时频分布可以抑制交叉项并且保持时频聚集性,因此,Cohen类时频分布可以在TFBSS中取得更好的分离性能。分析了各种常用的Cohen类时频分布对交叉项的抑制性能和对盲源分离性能的影响,理论分析和仿真结果表明:通常情况下,在时频盲源分离算法中,采用Born-Jordan分布、Choi-Willimams分布、Butterworth分布、广义矩形时频分布、减小交叉项分布、平滑伪WVD、ZAM分布、Mar-genau-Hill谱图时频分布和伪WVD分布时的盲分离效果优于采用WVD。

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。

自适应最优核时频分布在地震储层预测中的应用

提高时频分辨率是频谱成像技术研究的重点。自适应最优核时频分布采用随信号特征自适应变化的核函数,在模糊域对远离原点的互分量进行抑制,并尽可能的保留集中在原点附近的自分量。通过理论模型验证,该方法较好地抑制了交叉项干扰,同时较连续小波变换和平滑伪Wigner-Ville分布等方法具有更高时频分辨率。最后在营尔凹陷长沙岭地区的实例应用中,利用自适应最优核时频分布对该区目标储层进行了频谱成像处理,并结合沉积相特征对长沙岭地区进行有利区带预测。结果表明:该方法适用于实际地震信号的时频分析,对储层刻画优于传统方法,且对研究区储层预测具有有效性。

基于时频分布的欠定混合矩阵盲辨识

针对欠定混合矩阵的盲辨识问题,提出了基于空间时频分布的盲辨识算法,首先计算信号的空间时频分布并找出源信号的自源时频点,然后把所有自源点对应的时频分布矩阵表示成高维矩阵的形式,再通过联合对角化和特征值分解估计出混合矩阵.该方法不需要假设源信号是稀疏的或独立的,此外通过检测能量足够大的自源时频点,提高了算法的鲁棒性.仿真结果表明在相同信噪比条件下与已有算法相比,本文方法提高了混合矩阵的估计精度.

基于自适应最优核时频分布的鸟类识别

针对鸟鸣声信号的非稳态特性,提出了一种基于自适应最优核时频分布(Adaptive optimal kernel,AOK)的鸟类识别方法。首先对采集的鸟鸣声信号进行预处理,通过AOK时频分析方法得到时频谱图,分析不同鸟类声音信号在不同时间和不同频率下的能量分布。然后,将时频谱图转化成灰度图像,求取灰度共生矩阵,提取基于灰度共生矩阵不同角度的图像特征参数作为鸟类识别的特征值。最后选取已知鸟种的图像纹理特征训练生成训练模板,将待识别的鸟种的图像纹理特征参数生成测试模板,利用动态规整(Dynamic time warping,DTW)算法进行模板的匹配,将匹配值进行大小比较,找到最小匹配值对应的模板,从而实现鸟类的识别。通过对40种常见鸟类的实验表明,总体识别率达到96%。

基于稳定分布噪声的分数低阶自适应时频分布

信号中的α稳定分布噪声会使自适应时频分布方法失效。针对该问题,利用分数低阶统计量理论,提出一种改进的分数低阶自适应时频分布。为了实现带噪信号的实时在线处理及长时间信号的时频分布分析,给出一种分数低阶短时自适应时频分布。仿真结果表明,2种方法都能在含有α稳定分布噪声和高斯噪声的环境下进行有效的时频分布分析。

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。

基于修正空时频分布矩阵的到达角估计

讨论了密集信号环境下,雷达侦察系统对信号到达角(DOA)的估计方法。首先对参考阵元的输出作时频分析,估计信号的频率参数,从而选择时频脊点构造方向矩阵;然后对各阵元输出求互Wigner Ville分布(XWVD)以构造修正空间时频分布(STFD)矩阵;最后用修正STFD矩阵代替传统MUSIC算法中的协方差矩阵即可求得信号的时频———MUSIC空间谱,从而得到信号的DOA。计算机仿真结果表明该算法可实现对常规雷达脉冲、线性调频信号等多种信号的DOA估计。

基于非线性时频分布的跳频信号分析研究

介绍了利用非线性时频分布(WVD和SPWVD)进行跳频信号分析,通过理论研究和仿真分析表明,非线性时频分布能够反映出信号的瞬时能量分布,是关于信号二阶统计量(如局部自相关函数)的Fourier变换,相对Fourier变换和线性时频分布而言,它具有更好的时频聚集性,能够很好地展现跳频信号的时频特征和能量分布,采用加窗处理等方法,可以较好地抑制非线性时频分布中的交叉项和能量分布的负值性,从而证明了非线性时频分布用于跳频信号分析研究的工程应用可行性。

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping,FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum-likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC-RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。

基于自适应核时频分布的机动目标ISAR成像

具有复杂姿态运动的目标由于其多普勒的时变性,使得传统的逆合成孔径雷达(ISAR)距离多普勒算法成像模糊,时频分析技术是解决该问题的有效途径之一。在详细分析复杂姿态运动导致的目标回波多普勒相位非线性特性的基础上,利用自适应核时频分布进行ISAR瞬时成像,并给出了一种新的自适应高斯核函数的参数估计方法。仿真数据和外场实测数据成像结果证明了该方法的有效性。

非线性时频分布重排算法在非合作跳频信号检测中的应用

在简述重排时频分布主要理论的基础上，具体分析了基于平滑伪Wigner-Ville分布的时频重排（rearrangement of the smooth pseudo Wigner-Ville distribution，RSPWVD）算法和基于Morlet小波的尺度图重排（rearrangement of the Morlet scale chart，RMSC）算法识别信号的基本原理，并导出了各自的重排算法表达式。分析结果表明，RMSC算法不仅可以获得比RSPWVD更为理想的抗干扰效果，而且可进一步提高信号时频分布的时频聚集性，从而更加精确地对跳频信号参数进行盲估计。最后给出了计算机仿真结果，并验证了其可行性和有效性。