基于自适应快速S变换和XGBoost的心电信号精确快速分类方法

针对心电信号(ECG)传统分类方法效率较低的问题,该文提出一种基于自适应快速S变换(AFST)和XGBoost的心电信号精确快速分类方法。该方法首先通过快速定位算法确定心电信号特征频率点,再根据特征频率点自适应调节S变换窗宽因子,增强S变换的时频分辨率的同时避免迭代计算,大大减少运行时间。其次,基于自适应快速S变换的时频矩阵提取12个特征量来表征5种心电信号的特征信息,特征向量维数低,识别能力强。最后,利用XGBoost算法对特征向量进行识别。MIT-BIH心律失常数据库和患者实测数据验证表明,该方法显著地缩短了分类时间,对5种心电信号的分类准确率分别为99.59%和97.32%,适用于实际检测系统中心律失常疾病的快速诊断。     

一种基于STFT的跳频参数估计新方法

针对STFT在进行跳频信号参数估计时,时间分辨率和频率分辨率存在固有矛盾这一问题,通过分析窗函数对跳频信号STFT变换后时频谱图的影响,提出了一种基于STFT的跳频参数估计方法。该方法直接利用窗函数参数提取跳频参数,避免了时频谱图对参数估计精度的影响。通过不断改变窗函数起始时刻及窗函数宽度,寻找时频聚集性最好的时频谱图,确定目标窗函数参数。仿真结果表明,该方法实现了跳频参数的有效估计。     

多分量信号快速时频分析方法

针对目前多分量时频分析方法计算复杂度高,难以实现持续信号实时处理的问题,提出一种多分量信号快速时频分析方法。该方法通过信号流逐窗时频变换,实现信号的快速时频分析,其主要计算过程为短时傅立叶变换,时间和空间复杂度低,易于工程实现。性能分析结果表明:该方法时频分辨率高,避免了交叉项干扰,能有效分析低信噪比信号。     

自适应时频同步压缩算法研究

提高时频分辨率对多分量非平稳信号的分析与重建具有至关重要的作用。传统的时频分析方法由于窗口固定,分析频率变化较快的信号时存在时频聚集性不高的问题,无法自适应分辨多分量信号。该文针对频率快速变化信号,利用信号的局部信息特征,提出一种自适应的时频同步压缩变换算法。该方法有效提升了已有同步压缩变换时频分辨率,特别适用于频率接近且快速变换的多分量信号。同时,利用可分性条件,该文提出利用局部瑞利熵值对自适应窗口参数进行估计。最后,通过对合成信号和实测信号分析,证明了所提方法的可行性,对分析和重建复杂非平稳信号具有重要意义。     

广义S变换及其在复杂辐射源信号分析中的应用

该文提出一种基于修正 Hermite 函数的广义多窗 S 变换方法,并将之应用于复杂多分量辐射源信号的瞬时频率结构分析。该方法通过引入频率尺度因子修正正交 Hermite 函数,将多窗时频分析方法推广到 S 变换中,使得改进后的广义 S 变换既保留了多分辨特性,又很好地解决了高频区存在的频率分辨率低、易受噪声干扰等问题。与 S 变换和原始多窗时频分析方法相比,该方法在瞬时频率估计精度和时频聚集性等方面均有明显改善,具有很好的工程应用前景。     

一种基于多窗宽度STFT的PSWFs信号时频分析方法

固定窗宽度的短时傅里叶变换(Short Time Fourier Transform,STFT)时频分辨率是固定的,难以对频率时变的椭圆球面波函数(Prolate Spheroidal Wave Functions,PSWFs)信号的时频分布特性进行全面分析.剖析了窗宽度对不同参数PSWFs信号STFT时频分布的影响,...     

递归算法的参数设置

提出了基于循环迭代运算的多路并行递归算法,代替传统的快速傅立叶变换(FFT)算法,进行有限长数据的离散傅立叶变换(DFT)。递归算法具有数据存储量少、计算量小、资源占用量与工作参数变化无关等特点。计算机仿真结果表明:递归算法不仅使所分析的频率在频率轴上可以选择任意实数值,而且时间分辨率和频率分辨率可调可控。递归算法的工作参数可以依据战术环境灵活设置与调整,非常适合对局部频段实时地进行信号检测、时频分析和精确的时、频参数测量,也可以和其它已有的算法配合使用。     

基于S变换的信号瞬时频率特征提取

S变换是一种优越的时频分析方法,能够清晰表达信号瞬时频率的变化特征。与传统时频分析方法相对比,S变换的抗噪性较强,无交叉项干扰。本文提出了采用S变换来提取调制信号的瞬时频率。仿真实验结果表明,S变换时频谱能够清晰表示出不同信号的瞬时频率特征。     

几种时频分析方法的研究和对比

生活中所遇到的信号,大部分都是非平稳信号,传统的傅里叶变换只能得到信号的频率信息,而不能对信号同时进行时间和频率的定位。文章通过仿真信号和实际语音信号研究了几种常用的时频分析方法各自的特点,包括线性时频分布中的Gabor变换、短时傅立叶变换、连续小波变换,以及二次时频分布中的Smoothed-peseudo-WVD、Choi-Williams和Zhao-Atlas-Marks变换。我们首先将上述方法运用到noischir信号,各种方法基本都能得到正确的结果。其次,将其应用到实际的语音信号中。通过对比各种方法的时频结果,可以看到上述方法对不同的信号都可以得到大致相同的时频结果,都能够提取出信号的主要时频信息,但是不同方法的时频分辨率不同,所得到的时频结果的精细程度也不一样。我们发现短时傅里叶变化的分辨率较低,而二次时频分布对能量大的频率有增强的作用,对能量小的频率则有减弱的作用。二次时频分析方法对有用频率能量差异不是特别大的信号能够给出更好的时频结果。     

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...     

一种基于ITD算法的直扩信号检测算法

固有时间尺度分解(ITD)算法是一种局域波分解算法,该文对直接序列扩频信号ITD分解,提出了一种通过频域粗搜索和细搜索分别检测直扩信号码片速率和载波频率的快速算法。该算法以瞬时幅度作为分析参量,先设置截止频率对信号低通滤波处理,并通过引入伴随频率达到抑制噪声的目的,利用了固有时间尺度分解算法时频分辨率高,运算速度快的优势。仿真结果显示在-15dB信噪比下能够有效地检测出码片速率和载波频率。     

基于时频矩阵局部对比度的跳频信号参数估计

为了提高低信噪比下跳频信号参数估计性能,提出了一种基于时频矩阵局部对比度的跳频信号参数估计算法。根据跳频信号和噪声的时频分布不同特点,利用时频矩阵在不同尺度滑窗下的局部能量对比值均值,得到多尺度局部能量对比特征矩阵,通过此特征矩阵和自适应阈值分离得到仅保留了跳频信号时频信息的时频矩阵P。然后从P中提取时频跳变信息,精确估计跳频信号的跳频周期、起跳时间和跳变频率。仿真结果表明,与传统局部对比度（local contrast measure,LCM）法及形态学滤波法相比,本文算法具有更好的跳频信号提取效果和更高的参数估计精度,其有效性与实用性在DSP+FPGA的硬件系统上得到了测试验证。     

基于稀疏时频分布的跳频信号参数估计

基于常规时频分析方法的跳频信号参数估计中,采用核函数抑制时频分布交叉项会导致时频聚集性的下降,不利于信号参数提取。针对此问题,该文提出一种基于稀疏时频分布(STFD)的跳频信号处理方法。该方法首先根据Cohen类分布的原理和跳频信号模糊函数的特点,以模糊域矩形窗为核函数,构建了一种Cohen类的矩形核分布(RKD)。RKD可有效抑制交叉项,但其时频分辨率较低。为提高RKD的时频性能,在压缩感知框架下,利用跳频信号时频分布的稀疏特性,对RKD附加稀疏性约束,建立稀疏时频分布(STFD)的优化求解模型。STFD不仅能有效抑制交叉项,而且具有良好的时频聚集性。仿真分析表明,与传统时频分析方法相比,该文提出的基于STFD的跳频信号参数估计方法性能更优。     

基于熵的Gabor变换窗函数宽度自适应选择算法

该文针对Gabor变换中窗函数宽度选择的问题,提出了以提高Gabor表示的聚集性和时频分辨率为目的的窗函数宽度自适应选择算法。提出对香农熵的取值范围进行改进,使其更适合度量时频分布的聚集性,进而根据熵度量实现了与信号非平稳性相适应的最优窗函数宽度选择。仿真结果表明该算法对单分量及多分量信号都能有效地选择最优窗函数宽度,能够获得聚集性好、时频分辨率高的Gabor表示,并具有很好的抗噪性能。     

Adaptive instantaneous frequency estimation of multicomponent FMsignals using quadratic time-frequency distributions

An adaptive approach to the estimation of the instantaneous frequency (IF) of nonstationary mono- and multicomponent FM signals with additive Gaussian noise is presented. The IF estimation is based on the fact that quadratic time-frequency distributions (TFDs) have maxima around the IF law of the signal. It is shown that the bias and variance of the IF estimate are functions of the lag window length. If there is a bias-variance tradeoff, then the optimal window length for this tradeoff depends on the unknown IF law. Hence, an adaptive algorithm with a time-varying and data-driven window length is needed. The adaptive algorithm can utilize any quadratic TFD that satisfies the following three conditions: First, the IF estimation variance given by the chosen distribution should be a continuously decreasing function of the window length, whereas the bias should be continuously increasing so that the algorithm will converge at the optimal window length for the bias-variance tradeoff, second, the time-lag kernel filter of the chosen distribution should not perform narrowband filtering in the lag direction in order to not interfere with the adaptive window in that direction; third, the distribution should perform effective cross-terms reduction while keeping high resolution in order to be efficient for multicomponent signals. A quadratic distribution with high resolution, effective cross-terms reduction and no lag filtering is proposed. The algorithm estimates multiple IF laws by using a tracking algorithm for the signal components and utilizing the property that the proposed distribution enables nonparametric component amplitude estimation. An extension of the proposed TFD consisting of the use of time-only kernels for adaptive IF estimation is also proposed