基于NGWarblet-WVD的高质量时频分析方法

针对高聚集度Wigner-Ville distribution (WVD)时频分析方法存在严重的交叉项干扰问题,利用广义Warblet变换(Generalized Warblet transform, GWT)不产生虚假频率分量的特点,提出了WVD与GWT相结合的归一化广义Warblet-WVD (Normalized generalized Warblet-WVD, NGWT-WVD)算法.该算法将GWT与WVD进行矩阵运算,实现滤波效应,抑制WVD产生的新交叉项以及混入自项的交叉项,提高WVD的时频分析质量.实验结果表明, NGWT-WVD方法有效地去除了多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布.采用NGWT-WVD方法处理金属疑似破裂样本信号,获取破裂发生区间的时间和频率标志段,为监测传感器设置有效门限值提供判据,取得了良好效果.

基于变分模态分解和广义Warblet变换的齿轮故障诊断

变分模态分解(Variational mode decomposition,VMD)作为一种新的信号处理方法,摆脱了传统自适应分解方法中的模态混叠、边界效应等缺陷,具有抗噪鲁棒性强、分解效率高等优点。广义Warblet变换(Generalized warblet transform,GWT)是一种新型参数化的信号时频分析方法,适合分析单分量瞬时频率呈周期或非周期变化的非平稳信号。融合VMD多模态信号分解优势以及广义Warblet解调性能,提出了一种基于VMD和GWT变换的齿轮故障诊断新方法,并通过实验分析验证了该方法的有效性。

调频初相位补偿的广义Warblet变换时频分析

信号时频分析的长时间窗时频分析法通常可提高输出信噪比和频率分辨率,但对于调频信号,会降低线谱时频能量聚集度并影响瞬时频率估计。对于调频信号广义Warblet变换(Generalized Warblet Transform,GWT),具有较短时傅里叶变换(Short Time Fourier Transform,STFT)更优的时频分析性能,但在长时间窗分析时,调频初相位估计误差会使算法性能下降甚至失效。针对该问题,提出调频初相位补偿的GWT(Frequency Modulation Initial Phase Compensation-GWT,FMIPC-GWT)时频分析方法。在调频参数估计时将一半时间窗长所经过的相位补偿到调频初相位中,提高调频参数估计的准确性以增加瞬时频率估计精度。仿真和实验数据验证了,相比STFT法和GWT法,FMIPC-GWT法对于非线性调频信号时频分析性能更优。FMIPC-GWT法在调频信号线谱检测与瞬时频率估计等方面具有应用前景。

几种参数化时频分析方法的比较

时频分析在实际的非平稳信号处理中得到广泛的应用并仍然具有发展潜力。在时频分析中有两项重要的评价指标,即自项的集中程度和瞬时频率估计的准确性,介绍线性调频小波变换,多项式Chirplet变换和广义Warblet变换三种参数化时频分析方法,着重从此两项指标来阐述这三种方法的优缺点,进而分析和比较这三种方法的原理及应用范围。