常规时频分析方法对比分析研究

时频分析技术兼具时间域和频率域特性,它根据地震波在地下传播时衰减与频率相关以及油气对于频率的敏感性,利用时频分析技术将信号从时间域变换到频率域进行信号分析。文章阐述了时频分析技术中的短时傅里叶变换(STFT)、S变换(ST)、匹配追踪Wigner-Ville分布(MP-WVD)三种变换方法;对比三种方法,得出匹配追踪Wigner-Ville分布的时频变换方法兼具了时频原子的独立性和高时频分辨率的特性,在实际地震资料的时频分析中表现出了对信号的较高品质的时频表示。     

基于FFT和DWT的谐波综合检测方法

傅里叶变换(FFT)主要用于分析稳态谐波信号,却无法描述信号的时频局部化特征,并且对于高频突变信号的分析误差较大。小波变换(DWT)可以聚焦信号的任意细节,适合于分析含有突变成分的非稳态谐波信号,但得到的分析结果为时域波形,不能准确提取各次谐波的幅频和相位信息。文章结合FFT和DWT各自的优势,提出了一种基于FFT和DWT的谐波综合检测方法。首先将电力系统谐波信号通过DWT分离出非稳态谐波分量,再利用FFT对剩余的稳态谐波分量进行频谱分析,得到准确的幅频、相位信息。经过长时间的运行测试,证明该方法具有可行性和实用性。     

脉冲噪声下基于压缩变换函数的LFM信号参数估计

针对现有线性调频(LFM)信号参数估计方法在脉冲噪声下性能退化甚至完全失效的问题,该文提出一种脉冲噪声下估计LFM信号参数的新方法.该文构造了一种新的压缩变换(CT)函数,分析了该函数在零点附近的近线性,推导了任意随机变量经该函数变换后的2阶矩有界,证明了函数变换前后LFM信号的初始频率和调频斜率信息不变.将经过函数变换后的信号进行分数阶傅里叶变换(FrFT),根据FrFT域中峰值坐标和信号参数的关系,寻找变换域中的峰值点,实现信号参数的估计.仿真实验表明,该方法可有效抑制脉冲噪声且能准确估计出信号的参数信息,实现简单,不需要噪声的先验信息,具有良好的稳健性.     

基于混合时-频分布的信号检测与瞬时频率估计

提出了一种基于分数阶线性及分数阶非线性时-频分布混合法,该方法将分数阶维格拉分布与加窗分数阶短时傅里叶变换相结合,在适当的分数阶时-频域进行信号检测与瞬时频率的估计.对于多分量信号,该方法能够有效地消除交叉项,同时提高自项的时-频分辨率.在对线性调频信号检测与瞬时频率估计应用中,计算机仿真表明该方法是有效的,具有良好的工程应用前景.     

基于Gabor-Curvelet联合变换的雷达Chirp信号检测与估计

针对微弱雷达回波Chirp信号检测与估计问题,提出基于Gabor-Curvelet联合变换的方法。首先计算回波的Gabor时频变换,得到2D时频分布图,噪声时频分布一般随机地分布在整个时频面上,能量分散,而Chirp信号时频分布是直线或曲线。对时频2D图像进行曲波（curvelet）变换,曲波能对曲线进行稀疏表示,可检测强噪声中的雷达回波Chirp信号并估计信号参数。仿真结果证明了此方法的有效性,有待研究的问题是曲波系数的门限设定问题。     

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,...     

基于小波脊线-Hough变换的LFM信号检测

线性调频(LFM)信号是现代雷达广泛使用的一种大时宽-带宽积的低截获概率信号,根据线性调频信号的小波变换特性,小波脊线与瞬时频率的对应关系,提出了一种检测线性调频信号的联合小波脊线-Hough变换方法,该方法首先计算信号的小波变换,得到二维时-频能量分布图,采用脊算法提取信号的小波脊线,然后在小波脊线时-频平面上再进行Hough变换,从而检测噪声中的线性调频信号并估计信号参数.仿真结果证明,此方法可有效地对线性调频类信号进行检测,并且有较好的抗噪声性能.     

脉冲噪声下基于压缩变换函数的LFM信号参数估计

针对现有线性调频(LFM)信号参数估计方法在脉冲噪声下性能退化甚至完全失效的问题,该文提出一种脉冲噪声下估计LFM信号参数的新方法。该文构造了一种新的压缩变换(CT)函数,分析了该函数在零点附近的近线性,推导了任意随机变量经该函数变换后的2阶矩有界,证明了函数变换前后LFM信号的初始频率和调频斜率信息不变。将经过函数变换后的信号进行分数阶傅里叶变换(FrFT),根据FrFT域中峰值坐标和信号参数的关系,寻找变换域中的峰值点,实现信号参数的估计。仿真实验表明,该方法可有效抑制脉冲噪声且能准确估计出信号的参数信息,实现简单,不需要噪声的先验信息,具有良好的稳健性。     

时频分析的卡尔曼滤波匹配解调变换法

本文为多分量时频分析,提出了一种卡尔曼滤波的匹配解调变换的分析方法,该方法对信号的局部频率特性进行建模,以模型参数作为状态变量、以时频脊线为观测变量,分别建立起时频分析的状态方程和观测方程,据这些方程并利用卡尔曼滤波就可获得信号的瞬时频率,最后再对信号进行解调变换,就得到了能量高度集中的时频分布.在不同信噪比的情况下,仿真测试表明：本文方法优于现有文献报道方法.     

基于短时迭代自适应-逆Radon变换的微多普勒提取方法

对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取方法.首先采用基于加权迭代自适应的STIAA时频分析方法分析了散射点模型的微多普勒特性,然后利用逆Radon变换分离重构不同散射点的微多普勒分量.该方法在低信噪比、邻近时频分布情况下能获得高分辨的多分量信号的完整微多普勒信息,性能分析显示STIAA-IRT重构精度较高,明显优于STFT-IRT (Short Time Fourier Transform-Inverse Radon Transform)和SM-IRT (S-Method-Inverse Radon Transform)特征提取方法.     

基于小波域的电路信号分析

本文在离散小波变换矩阵表示的基础上,由时域方程直接推导了电阻、电感、电容、变压器等电路元件在小波域的等效电路方程,并将之应用于电路分析中.该方法具有推导简单,且能分析电路时-频特征的特点,较单独的时域或频域分析更适合于暂态和瞬变信号的分析.     

时频域重叠多信号智能检测方法研究

针对现有基于深度学习理论的信号智能检测方法大多只能对单信号或时频域不重叠的信号进行检测,本文提出了一种基于掩膜区域卷积神经网络(Mask R-CNN)与Criminisi算法的时频重叠多信号智能检测新方法。首先将一维时域信号通过时频变换得到二维时频图像。然后针对时频图中多信号重叠部分像素位置信息缺失这一问题,提出了利用Criminisi算法对信号重叠部分像素位置信息进行恢复。最后,基于缺失信息恢复后的图像使用Mask R-CNN进行训练,再用训练后的网络对未知信号进行检测。实验结果表明,该方法在信噪比(SNR)为-3 dB时,时频域重叠信号的平均检测率达92%,相比基于卷积神经网络的信号检测方法,在SNR大于-3 dB时检测率平均提高20%以上。      

基于Zak变换风廓线雷达间歇性杂波抑制

间歇性强杂波严重干扰了风廓线雷达信号检测及风谱的识别,为了抑制该类杂波,文中提出了基于Zak线性时-频变换检测方法,该方法依据杂波的瞬变特性,能够有效地分离强间歇性杂波,且对信号分离后的时-频分布重构得到时域大气湍流回波信号,进而达到抑制杂波的目的,为后续数据处理提供高质量的数据资料。理论及计算机仿真表明该方法效果明显,具有良好的工程应用前景。     

一种新的变换域自适应LMS滤波算法

为了改善时变系统中的LMS算法收敛速度,一般可以在变换域进行自适应处理。通过研究和分析分数阶傅里叶变换与时-频平面的关系,提出在分数阶傅里叶变换域进行自适应时-频滤波。所提出的方法首先搜索最佳变换域,然后在分数阶傅里叶变换域进行LMS自适应滤波。仿真结果表明,与目前一些基于变换域的方法对比,新方法通过对时-频平面的旋转,可以显著加速算法收敛性。     

基于小波变换域上的KL变换的地震信号去噪方法

基于相邻地震道的有效波在波形及能量上有较强的相关性及改变各个频率成分的信噪比．有益于提高分辨率的观点，本文提出了基于小波变换域上的KL变换去噪方法．该方法的主要思想是：将地震记录进行小波分解，形成地震记录的分时、分频小波包剖面，然后利用相邻道相关的性质，用KL变换进行去噪，再将各个小波包剖面重构为去噪后的地震剖面．理论记录计算及实际地震剖面的处理结果表明：基于小波变换的分时、分频KL变换去噪方法能有效地提高地震剖面的信噪比和分辨率．     

信号的时频分析理论与应用评述

由傅里叶变换在刻划信号的时间信息和频率信息上的矛盾引出了时频联合分析的思想,在详细介绍了短时傅里叶变换、小波变换、魏格纳威利分布和希尔伯特黄变换这4种典型时频分析方法的基础上,对他们的时频局部性能进行了分析和比较,指出了这些分析方法的优势和存在的问题。最后简要介绍了上面4种典型时频分析方法各自的应用领域。     

基于时变特征和核非线性分类器的飞机目标识别

基于雷达目标距离像，研究时变特征提取和核分类器在雷达目标识别中的应用。由于距离像敏感于目标姿态角的变化，单纯的时域或频域方法难以完整刻画目标的散射特性，因此文中采用时频分析方法，首先提取出距离像时频分布的特征参量，再利用主元分析法降低维数，最后采用基于核的非线性分类器进行目标识别。仿真数据和实测数据表明，该方法具有较好的识别效果。     

基于时频分析的雷达信号到达角估计

现有的空间时频分布(STFD)的信号表示只适用于窄带、连续信号的分析，而雷达侦察系统要求对脉冲、线性调频等信号同时进行到达角(DOA)、频率和信号时域参数的估计。本文给出了现有空间时频分布对雷达信号DOA估计的条件，并提出了基于修正STFD矩阵的DOA估计算法。通过对各阵元输出作时频分析，估计信号的频率参数，然后据此构造方向向量和修正STFD矩阵，即可构造MUSIC空间谱。该算法不受基于现有STFD算法的条件限制。     

应用小波变换于电磁场目标后向散射信号的时频图分析

本文将Ｍｏｒｌｅｔ小波用于电磁场后向散射信号的时频分析，为了更好地提高时频分析的时间和频率分辨率，我们对Ｍｏｒｌｅｔ小波进行了改进，并合理地选择尺度的变化规律，数据结果证明无论地同时提高时频分辨率还是抗噪声能力上，改进的Ｍｏｒｌｅｔ小波时频分析都优于短时傅里叶变换和Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布。