基于同步提取变换的地空频率域电磁信号幅度提取方法

地空频率域电磁法探测信号为多频非平稳信号,为了解决应用传统傅里叶变换方法提取其幅度时分辨率较差的问题,本文提出了基于同步提取变换(SET)的地空频域电磁信号幅度提取方法。该方法对电磁数据进行SET,得到高分辨率时频图,并利用能量算子使电磁数据时频谱能量更为集中;采用贪心算法提取脊线,得到时频图的高能量带;通过自回归模型自适应地补充了脊线中的0值,解决了由窗函数引起的端点效应问题。根据脊线位置的时频图复数值,得到各频率分量幅度随时间的变化,研究了不同信噪比情况下基于SET的地空频率域电磁信号幅度提取结果的准确性。结果表明:当信噪比≥10 dB时,幅度提取结果的平均相对均方根误差均小于5%;当信噪比<10 dB时,幅度提取结果的平均相对均方根误差在10%以内。提取效果良好。将此方法应用于新疆霍拉山隧道工程地空频率域电磁法探测中,成功提取了多频电磁信号各频率分量的幅度,与采用傅里叶变换提取非平稳信号幅度的方法相比,该方法有效地提高了幅度提取结果的分辨率。

基于自适应短时Chirplet分解的高性能时频分布重构

通过傅里叶变换得到的频谱能够反映信号所包含的频率成分,但无法揭示瞬时频率随时间的变化特性。为满足工程应用中大量非平稳信号的分析需求,能够同时描述信号时域和频域特征的时频分析方法得到了广泛关注和深入研究。然而,传统时频分析方法所得到的时频分布往往具有较低的能量聚集性和较强的交叉项干扰,难以支撑信号时频特征的准确表达和提取。通过对信号内在稀疏特性进行挖掘和利用,能够有效提升信号时频分布的质量。本文通过对信号的相位函数进行泰勒展开,阐述了信号稀疏时频分解的实质,并分析了现有稀疏类时频分析的方法不足。在此基础上,提出了一种基于自适应短时Chirplet分解的高性能时频分布重构方法。首先,利用与信号时频特性自适应的窗函数为每一时刻生成了具有最强拟平稳性的最优短时信号;其次,提出了一种Chirplet字典的简化设计方法,利用得到的Chirplet字典对上述短时信号进行稀疏分解,基于分解结果实现了短时信号中心时刻瞬时频谱的参数化重构;最后,按时间顺序排列所有时刻的瞬时频谱,得到了信号能量聚集性高且不含任何交叉项干扰的高性能时频分布。仿真实验表明,所提方法有效改善了传统稀疏类时频分析方法结果中时频曲线畸变的问题,同时在计算效率上具有较大优势。此外,本文还利用所提方法处理了实际雷达系统所采集的微动目标回波,进一步验证了所提方法的有效性和应用潜力。

基于LMS-SPWVD的非平稳振动信号时频分析方法

针对SPWVD存在中心信号频率能量发散、干扰信号能量波形及模态混叠现象未得到有效抑制的缺点,提出一种最小均方滤波算法(LMS)和平滑伪维格纳威尔分布(SPWVD)相结合的时频分析方法(LMS-SPWVD).首先,采用LMS算法对模拟非平稳振动信号测试函数进行抑噪处理,获取最优输出信号测试函数时域波形;然后采用SPWVD对最优输出信号测试函数时域波形进行分析,构建LMS-SPWVD算法时频分布模型;最后将该方法与SPWVD、LMS-STFT、LMS-WVD进行对比。结果表明,该方法具有较好的时频分辨率与时频聚集性、模态混叠及干扰信号抑制效果。

时频分析方法及其在医学信号处理中的应用

许多生物医学信号的频率分布随着时间迅速变化 ,传统的傅立叶谱分析技术显然不能满足对这类时变信号的分析。通过对一个一维时间或频率信号进行变换 ,其时频表示能够在时间 -频率平面上描述信号的能量分布。实际研究表明 ,时频分析方法能够解决很多生物医学信号问题。

基于VMD-HHT方法的水电机组启动过渡过程振动信号分析研究

随着中国水电机组数量及装机容量的不断增加,水电机组启动过渡过程故障问题也日趋明显,利用信号分析法对机组故障诊断得到广泛的应用。利用一种处理非线性非平稳信号自适应方法——变分模态分解(Variational Mode Decompostion,VMD),对葛洲坝某台机组启动过渡过程振动信号分析。首先,利用VMD方法对启动过渡过程仿真振动信号进行分析,验证VMD方法处理非线性非稳态信号的有效性。然后,利用该方法对机组启动过渡过程实测振动信号进行固有模态函数(IMF)的有效分离,通过Hilbert-Huang(HHT)变换对各IMF进行瞬时频率计算,得出相应的Hilbert谱,并将结果与经验模态分解(EMD)方法进行对比。从最终的振动信号分析中可以看出,通过VMD分解后的IMF可划分为3部分:第1部分主要为信号的发展趋势;第2部分主要为信号的基础分解,出现较强的规律性的"纺锤形"信号,且能够反映机组开机过程的振动变化规律;第3部分主要为干扰噪音或机组故障导致的高频特征信号,信号波形图无明显规律性,对应的Hilbert谱也明显具有主频波动小,幅值稳定等优势。结果表明:经VMD分解后,机组启动过渡过程振动信号各分量频率变化与机组转速时变规律吻合良好,能够有效提取特征频率,较EMD具有更好的自适应性,分析结果更加准确有效,能够更好地揭示水电机组过渡过程信号中的振动规律。

基于平稳小波包分解的水轮机非平稳振动信号希尔伯特谱分析

应用平稳小波包变换对信号进行窄带分解,避免了经验模式分解过程中虚假模式分量的产生以及高频本质模式函数瞬时频率的波动,改善了Hilbert谱对于高频宽带信号的频率分辨率,使其更加适合复杂多分量的非平稳信号分析。针对水轮机过渡过程中转子振动响应的复杂性和非平稳性,应用该方法对停机和起动过程现场测试信号进行分析,识别了信号的时频结构特征,主轴振动响应主要由转速频率及其谐频成分组成,其中主导成分为转速频率。与Hilbert-Huang变换的对比验证了该方法在分析水轮机过渡过程非平稳振动信号方面的有效性。

一种新的时变参数AR模型分析方法

提出了一种新的非平稳信号的时变参数 AR模型分析方法——局域波分解及其时变参数 AR模型 .该方法先用局域波分解方法把待处理信号分解成有限个基本模式分量 ,再对分解得到的基本模式分量建立时变参数 AR模型 ,从而得出时频平面上的时变参数 AR模型谱 .它扩大了传统的时变参数模型法的应用范围 。

基于MEEMD的内燃机辐射噪声贡献

为了研究内燃机振动成分对噪声的贡献,提出一种改进的集总平均经验模态分解(MEEMD)方法.通过仿真试验,对比MEEMD与传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)的结果.结果表明,MEEMD是一种更为优秀的自适应信号模态分解方法,不仅能够抑制模态混叠问题,而且能够解决模态分裂等问题.采用MEEMD方法对内燃机振动成分对辐射噪声的贡献进行研究,以一个4缸4冲程内燃机为例,对标定工况下的缸盖罩振动信号和缸盖罩近场噪声信号进行MEEMD分解,并对分解得到的本征模态函数(IMF)进行时频分析,研究对辐射噪声贡献大的振动成分的来源.研究结果表明,通过MEEMD方法能够得到对内燃机辐射噪声贡献大的振动成分,并且准确确定其来源.

基于时频分析的机械设备非平稳信号盲分离

针对传统的机械故障源分离方法忽略信号非平稳性的不足,结合时频分析和盲源分离的各自优点,提出一种基于时频分析的机械设备非平稳信号的盲分离方法,并与传统的机械故障源分离方法进行对比。实验结果表明,对于机械设备非平稳混迭信号,必须充分利用信号的非平稳性,才能达到很好的分离效果。文中的研究为机械设备非平稳混迭信号的分离提供一种新方法。

固体潮时频分析新方法

对传统时频分析方法的特点和局限性作了介绍。采用Huang-H ilbert Transform ation方法分析了固体潮数据,即利用经验模态分解,将复杂信号分解成有限个本征模态函数之和,求取三维时频空间的H ilbert谱。仿真实验和重力固体潮实例分析表明,该方法适用于调频调幅信号特征的提取。

基于Wigner-Ville分布的非平稳信号盲分离

许多盲源分离方法限于非高斯、平稳且相互独立的源信号 ,在实际应用中往往会产生许多问题 ,因为自然界中的源信号通常不满足这些假设 .本文基于时频分析 ,通过利用信号的Wigner Ville分布 ,得出一种新的盲源分离方法 ,该方法能有效分离非平稳信号 .

基于Hilbert-Huang变换的水轮机非平稳压力脉动信号分析

水力压力脉动在水轮机的运行过程中是不可避免的现象,而且在过渡过程中具有较强的非平稳性。以机组启动过程中的非平稳尾水管水力压力脉动信号分析为例,研究压力脉动在过渡过程中的时变特征。为了降低时频分析的计算量,提高时频分辨率,首先应用采样率转换技术对现场测试信号进行预处理,然后应用Hilbert-Huang变换进行时频分析,识别确定信号中的频率成分及其相对机组运行条件的变化情况。分析结果表明:水轮机尾水管中的水力压力脉动以低频成分为主,其时变性与运行条件密切相关,但是在过渡过程中,其频率成分相对时间的变化情况与机组转速变化不成比例;与其它时频分析方法相比,Hilbert-Huang变换时频分辨率高,适合分析非平稳低频水力压力脉动信号。

非平稳确定性信号与非平稳随机信号统一分类法的探讨

根据信号通过线性系统可产生新信号的理论,对非平稳确定性信号与非平稳随机信号的统一分类方法进行了深入研究,分别给出格林函数描述的线性时变系统法、调制函数作用于边界稳定线性系统的自激振荡正弦波法、随机输入线性时不变系统与边界稳定的与不稳定的线性系统组合法。这3种分类法便于对非平稳确定性信号与非平稳随机信号进行统一分类研究,并具有比较全面与系统性好的优点。

基于S变换的内燃机噪声信号时频特性

简述了S变换的基本原理,设计了仿真试验,对比分析短时Fourier变换与S变换的时频分析和信号检测能力.结果表明,S变换是一种更加有效的非稳态信号时频分析方法.以某六缸发动机为研究对象,采集机体前端和顶部噪声信号.采用S变换对噪声信号进行时频分析,分析信号能量在时频域内的分布规律及其频率成分随时间的变化情况,结合发动机的结构特点,分析噪声信号中比较突出的频率成分产生原因.S变换比较适合于发动机噪声信号时频特性研究,研究结果对发动机低噪声改进设计具有一定的参考价值.

TVAR在非平稳工况转子故障诊断中的应用

研究了基于BP网络(ANN)的时变参数自回归模型(TVAR)及其在非平稳工况旋转机械故障诊断中的应用。首先提出了一种基于BP算法的TVAR参数辨识方法,然后利用TVAR方法对一非线性调频仿真信号进行时频分析,并与典型时频分析方法短时傅里叶变换(STFT)及Choi-Williams分布(CWD)的分析结果进行比较。结果表明,TVAR方法具有时频分辨率高、无交叉干扰项及计算速度快等优点。最后利用TVAR方法分析了转子启动过程正常及故障工况下转子实验台的非平稳振动信号。研究表明,TVAR不但能够有效地分析非平稳振动信号,而且具有较强的故障特征提取和抗噪声能力,是在时频域上进行故障诊断的有效方法。

时频联合分析方法在土木工程中的研究现状

时频联合分析方法因能同时提供信号的局部时频特征,适于分析非平稳信号而在土木工程领域得到了极大应用。线性变换、双线性变换和Hilbert-Huang变换是土木工程中常用的时频联合分析方法。根据时频分析方法的理论,将其应用于人工地震波模拟、结构动力反应分析和可靠性估计、结构参数识别及损伤检测等领域。通过对其在土木工程中的应用进行总结,提出了存在的问题,探讨了进一步研究的方向。

局域波法在船舶柴油机燃油系统故障诊断中应用

局域波时频分析能够从振动信号中提取清晰直观的故障特征.根据该方法的优点,以船舶主机——柴油机的燃油系统漏油故障为例,对柴油机缸盖表面的振动信号应用局域波时频谱进行分析,为柴油机的故障诊断提出一种新的分析方法.

基于时频分析的工频通信信号特征提取

由于数字差分技术不能提取单个通信脉冲信号,而无法实现工频通信信号的多路传输。该文从时频两个角度分析信号特征,提出了解决方案。短时傅立叶变换方法的时间与频率分辨率矛盾突出,而多分辨分析在低频段的时间分辨率差。如果将二者结合,将在低频段同时具有时域和频域的良好局部化特性。采用多分辨短时傅立叶变换方法有效的提取了信号的时频特征,并利用特征向量的自协方差矩阵,构造了可有效识别工频通信单个信号的特征参数。

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。

基于Gammatone滤波器组的内燃机气缸盖振动特性研究

借助听觉模型已有的研究成果,提出了基于Gammatone滤波器组听觉模型对内燃机缸盖振动信号进行时频分析的新方法。根据柴油机本身的配气定时划分时频区域,提取能量百分比特征值,并采用RBF神经网络方法进行故障诊断与识别。对实测缸盖振动信号的分析结果表明:新方法能够准确地对信号进行时间和频率定位,分析结果直观并能很好地描述信号中的中高频成分,进而快速提取诊断特征向量,并通过神经网络成功识别出内燃机的四种不同工作工况。