时频面上基于瞬频估计的信号提取方法

针对多分量非平稳信号的噪声抑制和信号分离问题,提出了一种新的时频滤波法.采用FMmlet自适应分解将被分析信号在时频空间内展开,得到无交叉项干扰、时频聚集性很强,且能反映信号的线性或非线性结构的时频特性的时频分布.根据时频面内能量脊与瞬时频率的对应关系,采用谱峰检测和时频加窗轮流迭代的方法,估计出信号分量的瞬时频率.在瞬时频率精确估计的基础上,设计适当的时频滤波函数,对被分析信号的Wigner-Ville分布(WVD)进行时频加窗处理,得到单分量信号的修正WVD,然后采用 WVD反变换进行信号分量的时域重构,达到从非平稳信号中分离有用分量的目的.理论分析和仿真实验表明,利用该方法从复杂非线性时变信号中提取出的信号分量失真度小.该方法在非平稳信号的深层特征提取中具有良好的应用前景.     

具有最陡主瓣的最小方差时频分析

针对非平稳时间序列,基于最小方差谱估计提出自适应加窗的时频分析方法,所叠加的时间窗能够自适应地调整尺寸,使得所估计的谱具有最陡的瞬时主瓣以适应时频分析,从而获得满意的非平稳信号的时频分布。仿真结果以及与参考文献的方法比较表明,该方法能够提供更好的频率分辨率,时频分布性能更好。     

基于LMD结合WVD在瞬时频率测量中的应用

Wigner-Vill分布(WVD)能非常准确地测量单分量信号的瞬时频率,并具有很好的时频聚集性,但在测量多分量信号时会产生严重的交叉干扰项,混淆真实的频率成分。为消除WVD在测量非平稳信号瞬时频率时产生的交叉干扰项,并保存很好的时频聚集性,提出LMD和WVD相结合的方法测量非平稳信号瞬时频率。该方法使WVD同样适用于非平稳信号的瞬时频率测量中,极大地扩展了适用对象。通过实验及仿真分析表明:与直接用WVD测量瞬时频率相比,该改进方法能有效的消除测量过程中产生的交叉干扰项,且有效保留了WVD很高的时频聚集性的优点,从而更加精确的测量出原始信号的瞬时频率。     

基于多缩放基调频变换的时频脊线精细化表征方法EI北大核心CSCD

旋转机械在变工况下因局部故障和时变转速等激励影响下会产生非平稳振动信号,传统时频分析方法无法满足快时变与强调频的非平稳瞬态振动信号分析要求,由于传统调频变换(chirplet transform,CT)在分析非平稳振动信号时其核函数无法跟随瞬时频率(instantaneous frequency,IF)轨迹变化而变化,导致振动信号IF轨迹时频表征无法达到精细化程度。针对此类问题提出了一种多缩放基调频变换(multi-scale basis chirplet transform,MSBCT)时频分析方法,理论分析表明该方法可利用高阶相位算子将MSBCT方法核函数精确逼近IF轨迹,使得MSBCT算法可针对变转速工况下的IF轨迹得到精确的时频表征。由于噪声信号在时频域内的IF轨迹呈现出随机分布的特性,MSBCT方法由于高阶相位算子的存在可精确捕捉IF变化规律,故MSBCT可在一定程度上对噪声有抑制作用。通过仿真信号与变转速工况下轴承故障信号验证了所提出的MSBCT算法的有效性。结果表明,MSBCT算法能够非线性IF轨迹进行精细化表征,并通过与其他时频表征方法验证了其优势性。     

基于局部最大值2阶同步压缩变换的变工况轴承故障诊断

由于工况变化，机械设备在运行过程中相应的状态监控信号也呈非平稳性。时频分析技术作为处理非平稳信号的有效工具在机械故障诊断应用中起着重要作用。针对2阶同步压缩变换（Second-order Synchrosqueezing Transform,SST2）时频分析技术存在的时频分布能量发散问题，利用SST2局部最大时频系数位置构建局部最大值估计算子，将短时傅里叶变换结果（Short-time Fourier Transform,STFT）的时频能量进行重排。结果表明，局部最大值估算算子能够有效增强SST2时频分布的能量集中度，该方法不仅能更准确的捕捉非平稳信号中的时变信息，同时能获得能量更集中的时频分布，减少噪声对时频分布图谱的干扰。通过一组数值仿真信号与一组变速轴承故障实验数据分析验证了该方法的有效性，并结合阶次分析方法实现变工况滚动轴承故障诊断。     

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 CompensationGWT,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。     

基于HHT的爆炸冲击波信号分布特性测试分析

爆炸冲击波的信号分析是研究其毁伤特性的关键,以某次空中爆炸试验获得的冲击波压力信号为研究对象,采用方法对信号进行时-频分析.方法可以有效获得非平稳信号的瞬时频率,表征信号的时频分布特征;利用该方法得到被测信号的分量、瞬时能量和能量谱,表征了时间、频率和压力的三维关系,确定冲击波载荷能量的分布及传播特征.对实测信号的分析结果表明,该时频分析方法能够提取空中爆炸载荷信号不同时段内的频率成分,准确确定冲击波信号在时间、频率和压力之间的关系,对综合评估爆炸冲击波的毁伤性能有重要意义.     

基于Kaiser窗的分数阶Fourier变换与时频分析

分数阶Fourier变换作为传统Fourier变换的推广,与传统Fourier变换分析平稳信号类似,在实现对非平稳信号的时频分析过程中往往出现同样的频谱泄漏问题。为了提高分数阶Fourier变换与时频分析的精度,依据Kaiser窗可自由选择主瓣和旁瓣宽度的特性,提出一种基于Kaiser窗的分数阶Fourier变换算法,论述了Kaiser窗在分数阶Fourier变换中的作用原理,从理论上推导出一般信号基于Kaiser窗的分数阶Fourier变换解析时频表达式以及特性,最终得到非平稳信号的时频分布与时变结构参数识别算法。通过任意线性调频信号的仿真算例以及非平稳激励三层框架结构振动台试验,对结构进行瞬时频率识别和算法的验证。结果表明,瞬时频率识别值与理论值和试验结果吻合良好,Kaiser窗可以提高分数阶Fourier变换算法时频分析的精度,体现出该方法有一定的鲁棒性。     

时变参数模型及其在非平稳振动分析中的应用

对时变参数模型TVAR（Time-varying Autoregressive Model）进行了研究，并将其应用于转子实验台非平稳振动信号的分析。TVAR是模型参数随信号统计特性而变化的变参数AR（Autoregressive Model）模型，适用于分析非平稳信号。利用TVAR对调频仿真信号进行分析并与典型时频分析方法进行比较，结果表明TVAR具有时频分辨率高、无交叉干扰项以及对噪声不敏感等优点。基于TVAR分析了转子实验台正常及故障工况下连续变速过程中采集的振动信号，实验表明TVAR能够有效地分析非平稳振动信号，并具有较强的信号特征提取能力，为非平稳工况下转子故障诊断及模态分析等提供了一种有效的分析方法。     

基于同步压缩变换和局部替代数据的非平稳振动信号分解方法

实际工程振动信号往往包含非平稳信息,时频分析是一种目前最为常用的非平稳信号分析方法。同步压缩变换把小波时间-尺度平面转化成了时间-频率平面,提高了时频分辨率。替代数据在时频上可对信号平稳性进行检验。采用同步压缩变换时频分析和替代数据检测信号平稳性。结合局部替代数据,在时频面上通过评价时频幅度谱的统计特性,对平稳和非平稳成分进行分解。保持原信号相位谱,将分解的成分用同步压缩反变换恢复出时域信号,提供了一种将非平稳信号分解成平稳和非平稳两部分成分的方法。数值算例验证了该方法的有效性。     

瞬时频率估计的相位建模法及Matlab的实现

介绍了在高斯白噪声情况下，运用相位建模法对非平稳过程进行瞬时频率估计，并介绍了在Matlab中实现的方法。     

基于改进的希尔伯特振动分解的机械故障诊断方法研究

针对多分量机械故障振动信号的特征提取问题,介绍一种基于希尔伯特振动分解(HVD)的时频分析方法。该方法首先利用Hilbert变换得到原始振动信号的解析信号,然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率,同时经同步检测获得相应的瞬时幅值和初相位,最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对HVD方法的边界效应问题,提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。通过两组仿真信号分析验证了HVD方法对多分量非平稳信号的分解能力,同时表明改进的HVD方法能很好地抑制边界效应。给出转子系统油膜涡动故障诊断实例,验证了该方法的工程实用性。     

ConceFT在滚动轴承瞬时转频估计中的应用

针对基于时频分析的瞬时转频估计问题及现有方法在抗噪性和估计精度方面的不足,引入一种新兴的强抗噪性的时频分析方法——时频聚集(Concentration of Frequency and Time,ConceFT),提出ConceFT联合峰值搜索的瞬时转频估计方法。仿真试验中,测试了不同信噪比下的线调频信号和正弦调频信号的瞬时转频估计,结果表明该方法能够有效抑制强噪声干扰,准确估计瞬时转频,在信噪比大于-20 dB时能保证估计误差在3%以内;该方法分别用于转速上升和转速复杂波动的滚动轴承振动信号分析,均能以高精度提取出瞬时转频曲线。与经典的短时傅里叶联合峰值搜索方法对比,在抗噪性及估计精度上均有显著提高。     

一种初始相位函数估计的DDTFA方法及其应用

针对数据驱动时频分析方法(Data-Driven Time-Frequency Analysis,DDTFA)的初始相位函数估计直接影响算法的收敛性及分解精度的问题,将多尺度线调频基稀疏分解方法(Multi-Scale Chirplet Sparse Decomposition,MSCSD)引入DDTFA的初始相位函数估计中,提出了MSCSD-DDTFA方法,并应用于变转速齿轮故障诊断中。MSCSD方法采用分段线性拟合的思想,可从低信噪比信号中精确地估计出信号的瞬时频率,进而求取相位函数;DDTFA方法则可根据MSCSD估计的相位函数不失真地分离出时变非平稳信号分量;最后,可根据MSCSD估计出的瞬时频率对信号分量进行阶次包络分析,获取阶次包络谱以诊断变转速齿轮故障。算法仿真和应用实例表明:该方法可准确分离出信号中的时变非平稳信号分量,并提取变转速齿轮故障特征。     

水声信号多参量估计的PWVD改进方法

Pseudo Winger-Ville分布（PWVD）是处理非平稳信号的有力工具,因其具有较高的时频聚集性更适合于实时处理,且选择合适的窗函数可降低旁瓣大小,提高分辨率。传统的PWVD可以对信号瞬时频率进行无偏估计,但其频率分辨率和时间分辨率不能同时兼顾;提出了一种插值PWVD法可克服此不足,极大地减小了频谱泄漏的负面影响,有效提高了频率估计与时间估计的精度。仿真和实测数据的分析结果验证了插值PWVD法的可行性与有效性。     

基于时变AR模型的瞬时频率测量

为测量非平稳信号的瞬时频率并提高测量准确度,讨论了瞬时频率测量的研究现状及求解瞬时频率的现有方法,主要对Hilbert变换求瞬时频率、W-V分布求瞬时频率、时变AR模型求瞬时频率进行了分析,比较了它们的测频准确度.通过仿真验证:时变AR模型求瞬时频率具有更高的准确度,W-V变换求瞬时频率具有最高的时频聚集度,Hilbert变换求瞬时频率有最明确的物理意义.     

大型冷锯机锯切噪声特性

采用非稳态噪声测试和时频细化分析方法进行大型冷锯锯切过程噪声特性研究。对锯切过程不同时段噪声进行测试及对噪声信号剔除背景声后做时频细化分析。分析得出：锯切噪声声压级高、辐射频率时变性强、声能量聚焦于锯切横向且高频突出。该研究结果对复杂机械（风机、压缩机等）运动状态下噪声场的测试、声场特性分析及其噪声治理具有重要理论指导和技术支撑。     

广义解调时频分析方法在调制信号处理中的应用

介绍了一种新的信号处理方法-基于广义解调的时频分析方法,并将这种方法应用于调制信号的处理。广义解调时频分析方法采用广义解调将时频分布是曲线的信号变换为时频分布是平行于时间坐标轴的直线的信号,然后采用最大重叠离散小波包变换（Maximal overlap discrete wavelet packet transform,简称MODWPT）对广义解调后的信号进行分解,得到若干个瞬时频率和瞬时幅值都具有物理意义的单分量信号,再对各个单分量信号进行逆广义解调,进一步求出瞬时频率和瞬时幅值,从而得到原始信号完整的时频分布。采用广义解调时频分析方法对调幅-调频信号进行了分析,结果表明该方法能有效地提取调幅-调频信号的调制信息。     

基于HHT变换的超光滑加工表面谱分析

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法。其基本的实现分为两步，多分辨经验模态分解和瞬时频率的求解，随后可以获得信号的时—频谱。这种方法的关键部分是多分辨经验模态分解，任何复杂的信号都可以分解为有限数目并且具有一定物理意义的固有模态函数。本文针对表面粗糙度用HHT进行了分析，得出相应结论，对加工有一定的指导意义。     

一种新的估计多项式相位信号瞬时频率的参数化时频分析方法

通过多项式非线性核函数取代线性调频小波变换中的线性核函数,提出一种新的参数化时频分析方法：非线性调频小波变换。对瞬时频率是时间任意连续函数的信号而言,选择合适的多项式核特征参数,非线性调频小波变换的时频分布有良好的时频聚集性。应用非线性调频小波变换分析任意阶次多项式相位信号。由于非线性调频小波变换的性能取决于多项式核特征参数,本文还给出非线性调频小波变换的核特征参数估计算法,进一步可实现多项式相位信号的瞬时频率和参量估计。仿真信号验证算法的有效性。