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S变换的信号时频特性分析

介绍了S变换的基本原理,从理论上分析了S变换与短时傅里叶变换和小波变换的关系。对比分析了短时傅里叶变换、Wigner-Ville分布与S变换的时频谱特点。实验结果表明,S变换的时频窗口可以随频率自适应的调整,这使得S变换在非平稳信号的应用中更有实用性和灵活性。     

基于信息熵的自适应窗长STFT算法在AFVISAR中的应用

在用短时傅里叶变换（STFT）对全光纤速度干涉仪（AFVISAR）的输出信号进行瞬时频率估计时,由于窗长固定,频谱的时频分辨率不能根据信号特点而改变。为了解决这个问题,提出一种基于最小信息熵准则的自适应窗长STFT算法。仿真结果表明,该算法可以根据信号特征有效地解决时间分辨率和频率分辨率之间的折衷,提高瞬时频率估计的准确性。     

利用小波变换实现基于结构光投影的S变换轮廓术

S变换是一种集合了窗口傅里叶变换和小波变换优点的时-频分析技术,将一维的信号映射到二维的时-频空间,具有良好的时频分辨能力。由于S变换谱和傅里叶变换频谱之间存在直接联系,且具有类似于小波变换的多分辨率能力,S变换可以通过快速傅里叶变换算法实现,也可以通过小波变换算法实现。研究了基于小波变换算法的S变换在基于结构光投影的三维光学测量中的应用,给出了理论分析,特别讨论了S变换中频率因子的选择,并同基于快速傅里叶变换算法的S变换轮廓术结果进行了比较。完成了计算机模拟和实验研究。     

四种时频分析方法的频率分辨率研究

时频分析是分析时变谱的有力工具,其频率分辨率是值得研究的关键问题之一。通过对基于短时傅里叶变换、小波变换、Choi-Williams分布和Hilbert-Huang变换的四种时频分析方法的频率分辨率的实验比较,说明Hilbert-Huang变换法具有最高的频率分辨率,其次是Choi-Williams分布,小波紧随其后,最差是短时傅里叶变换。     

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。     

基于最优Bohman窗的改进S变换电能质量扰动特征精确快速提取方法

针对传统S变换存在时频分辨率低且计算量大的问题,该文提出一种基于最优Bohman窗的改进S变换。该方法通过直接控制窗长获得最优时频分辨率,同时只针对主要频率点进行时频分析,实现对各类扰动信号特征的精确快速提取。首先根据所提评价标准确定最优长度参数;其次将采样信号进行快速傅里叶变换得到FFT频谱,再通过基于极大值包络的动态测度快速算法确定主要频率点;然后根据主要频率点所处频段选择对应最优长度参数进行计算处理;最后根据模时频矩阵计算时频幅值向量完成时频特征提取。仿真分析和实验结果表明,所提方法相较于传统S变换具有更高的时频分辨率和更短的计算时间,适用于电能质量扰动信号特征的精确快速提取。     

非平稳信号分析的广义解析模态分解方法

现有的非平稳信号分析方法都有各自不同的缺陷,短时傅里叶变换的时频分辨率受不确定性原理的限制,希尔伯特黄变换存在端点效应和模态混叠,易导致模糊的时频分布;解析模态分解只适合分析频率恒定的多分量信号;针对包含多个时变模态、特别是频谱重叠的非平稳信号,本文提出了一种新的信号分析方法———广义解析模态分解（Generalized Analytical Mode Decomposition,GAMD）．GAMD通过广义傅里叶变换将时变频率转换为频谱可分的,采用解析模态分解对其分解,再对得到的单分量信号进行逆广义傅里叶变换即可得到原始信号的分量．因此,GAMD非常适合分析时变的非平稳信号．通过仿真信号将GAMD与短时傅里叶变换和希尔伯特黄变换等方法进行了对比,结果表明GAMD方法的分解效果更精确,时频分辨率更高．     

基于小波变换的MSK信号码速率盲估计

针对最小频移键控调制信号的码速率估计问题,提出一种基于Haar小波变换的MSK信号码速率盲估计方法。首先对接收信号作傅里叶变换得到信号频谱,对频谱频点分析粗估计信号的码速率,接着通过粗估计的码速率选取短时傅里叶变换窗函数长度和3个小波尺度,利用短时傅里叶变换得到信号瞬时频率变化,再利用小波的边缘检测特性对信号瞬时频率序列相位跳变点检测,最后对检测结果作频谱分析,估计频率得到MSK信号的码速率。仿真结果表明,高于信噪比门限时本算法可以对MSK信号码速率有效估计。     

基于局部多项式傅里叶变换的语音盲源分离

频域的语音信号盲源分离多采用短时傅里叶变换以及Wigner-Ville分布(WVD)求信号的功率谱,而短时傅里叶变换对于多分量信号的频率分辨率受窗函数影响很大,WVD是一种非线性时频变换,处理多分量信号受交叉项影响很大。局部多项式傅里叶变换(LPFT)不仅提高了频率估计精度而且大大减少了时频分布中交叉项的影响。将语音信号表示为多分量的多项式相位信号,对语音信号作二阶LPFT,求得其局部多项式傅里叶变换谱(LPP),并构造时频矩阵,采用联合近似对角化算法求得能使信号功率谱矩阵近似对角化的一个酉矩阵,通过信号的白化以及酉矩阵来估计源信号,有效地分离出了原始信号。仿真结果表明,在噪声环境下可以将两个不同的语音信号进行分离。     

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。     

一维小波变换在时域光学相干层析成像中的应用

时域光学相干层析(OCT)系统通常采用短时傅里叶变换(STFT)完成干涉信号的解调和图像重构。短时傅里叶变换算法简单,但是在干涉信号解调时难以获得好的去噪效果,通常还需在二维(2D)图像域对重构图像进行去噪。该方法数据运算量大,集成度不高。将一维(1D)小波变换(WT)应用于时域光学相干层析成像技术,同时实现干涉信号解调、去噪和图像重构。算法将时域光学相干层析的干涉信号分解到各个不同的频率空间,保留包含调制频率的频率空间的小波系数,对保留的小波系数进行滤波去噪后进行逆变换即可实现对干涉信号的解调和去噪,对解调信号等间距采样实现图像重构。该方法数据运算量小,集成度高,结合先进的小波去噪技术可以大大提高重构图像的分辨率,具有良好的应用前景。     

基于STFT的无线电频谱信号的多域分析

将短时傅里叶变换的分析方法应用于无线电频谱监测系统中,与传统的分析方法比较,突出时频分析的多维分析特性,能够很好的分析出信号频率随时间变化的情况,提高频谱监测效率.     

基于短时傅里叶变换分析超短光脉冲的传输特性

短时傅里叶变换可将1维时域或频率信号扩展到时间-频率的2维平面.为了研究了光纤中的色散效应与脉冲的初始啁啾对信号传输的影响,采用短时傅里叶变换理论进行了分析.与传统傅里叶变换相比,短时傅里叶变换可以更直观地描述光纤的色散效应与脉冲的初始啁啾如何影响信号的时域与频率的传输特性;此外,从短时傅里叶变换的时频分析图还可以很清晰地观察到在脉冲传输过程中,由色散效应与脉冲的初始啁啾所诱导的新的频率啁啾的演化规律.结果表明,短时傅里叶变换克服了传统的傅里叶变换法只能单独在频率或时域中比较信号的瞬态特性缺点,为分析光纤中脉冲信号的传输提供了一种新途径.     

时频分布的分辨率比较

利用时频聚集性较好的高斯函数作为标准信号,分析了短时傅里叶变换、小波变换、谱图、尺度图、Wigner-Ville分布的分辨率以及交叉项对分辨率的影响,并对它们的分辨率进行了比较;为了进行时间-尺度分布与时频分布的比较,提出了改进小波变换;在分辨率比较中,给出了几种典型情况的模拟结果.     

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。     

基于时频加窗短时傅里叶变换的LFM干扰抑制

通过对线性调频(LFM)信号分数阶傅里叶变换的分析,该文提出了一种基于时频加窗短时傅里叶变换(TFW-STFT)的LFM干扰抑制算法。由于提出的时频窗对LFM干扰具有较好的频域能量聚集性能,因此TFW-STFT对信号的影响要小于无聚集性能的短时傅里叶变换。仿真结果证明该算法在信噪比损失和系统误比特率上明显优于基于短时傅里叶变换的算法。     

一种基于FPGA的高速短时傅里叶实现

短时傅里叶变换(STFT)由于其算法简单、处理时间短及易于实现等优点,因此其在图像处理、语音分析、信号检测及参数估计等领域获得越来越多应用。通过分析短时傅里叶变换算法原理,设计了一种基于现场可编程逻辑器件(FPGA)的高速短时傅里叶实现结构,该结构充分利用蝶形单元运算特点,在满足时间分辨率及频率分辨率的基础上降低了运算复杂度,并在高速率运行时钟下节省了硬件资源。     

短时傅里叶变换在线性调频信号时频滤波中的应用

将短时傅里叶变换（STFT）的时频分析方法应用到线性调频（LFM）信号的滤波中, 突破了传统匹配滤波方法基于平稳假设的限制,将信号分析空间从一维频率域扩展到二维的 时间-频率域。利用自滤波的时频滤波方法进行LFM信号的滤波,然后分别采用时域和时频域 的均方误差（MSE）标准,分析了时频滤波的性能。仿真结果表明,基于STFT的时频滤波方 法能有效实现对LFM信号的滤波。     

短时分数阶傅里叶变换对调频信号的时频分辨能力

调频信号的检测和参数估计一直是信号处理领域的研究热点之一。为深入挖掘短时分数阶傅里叶变换对调频信号的时频分析优势,从短时分数阶傅里叶变换的定义出发,推导了其时频分辨能力与信号参数的关系,并与短时傅里叶变换进行了对比分析。结论表明,短时傅里叶变换时频分辨能力与信号频率变化率有关,而短时分数阶傅里叶变换几乎不受调频率变化率影响。最后,通过对比仿真实验证明,对于频率变化率较小的信号,两者时频分辨效果差别不明显,对于频率变化率较大的信号,短时分数阶傅里叶变换的时频分辨效果更好。